agent-">一次搞懂AI Agent核心术语与运行原理

当开发者第一次接触AI Agent相关文档时，往往会被一串术语淹没：模型、脚手架、缰绳、智能体、上下文工程、策略、工具调用、技能、子智能体，以及训练侧的强化学习环境、训练器、采样、奖励……这些词看起来彼此独立，实际上描述的是同一套系统中不同层次的职责。本文从原理角度出发，逐个拆解这些概念，并说明它们如何协作，让一个只会“吃文本、吐文本”的模型，变成能连续执行任务的智能体。

一、原理概述：Agent的核心问题是什么

大语言模型本质上是一个函数：接收一段文本，输出一段文本。它没有跨调用的记忆，也没有循环执行的能力。它可以在输出中表达“我要调用某个工具”的意图，但真正去执行、把结果拿回来、再继续下一步，需要外部系统驱动。

因此，Agent要解决的核心问题是：如何让一个无状态、单步的模型，表现出有状态、多步的任务执行能力。

答案可以概括为一个关系式：

Agent = Model + Harness

其中，Model是模型本身，Harness是驱动模型循环运行、连接工具与环境的“缰绳”。而Scaffold（脚手架）则是Harness中承担结构化组织职责的部分。理解Harness与Scaffold的区别，是理解整个Agent架构的关键。

二、核心概念拆解

1. Model（模型）

模型就是LLM本身，负责文本进、文本出。业界常见的各类大模型，本质上都是这一类组件。模型的能力边界决定了Agent的“智力上限”，但模型本身不具备：

• 跨调用的记忆（每次调用都是独立的）
• 循环执行能力（回答完一个提示词就停止）
• 真实世界动作能力（只能表达意图，不能执行）

模型可以输出“请调用某工具”这样的结构化意图，但执行动作必须由外部系统完成。

2. Scaffold（脚手架）

Scaffold是围绕模型构建的结构化框架，负责组织提示词、定义输出格式、管理上下文窗口、规定工具描述格式等。它回答的是“模型看到什么、以什么形式回答”。

典型职责包括：

• 系统提示词模板管理
• 工具描述的结构化注入
• 输出解析与格式校验
• 对话历史与上下文的组织

Scaffold是相对静态的组织结构，决定了模型单次调用的“输入形态”。

3. Harness（缰绳）

Harness是驱动模型循环运行的执行框架，负责“让模型动起来”。它回答的是“模型输出之后发生了什么、下一步怎么走”。

典型职责包括：

• 调用模型并获取输出
• 解析模型输出中的动作意图
• 执行工具调用并获取结果
• 将结果回填到上下文
• 判断任务是否终止，决定是否继续循环
• 管理状态、错误重试、超时控制

Harness是动态的执行引擎，Scaffold是它的组成部分之一。可以这样理解：

Harness = Scaffold + 执行循环 + 工具调度 + 状态管理

4. Agent（智能体）

Agent是最终呈现出来的系统形态：模型被Harness包裹后，能够接收任务、规划步骤、调用工具、观察结果、继续执行，直到任务完成或达到终止条件。

5. Context Engineering（上下文工程）

上下文工程是决定“每一步模型看到什么信息”的机制。由于模型上下文窗口有限，且无关信息会干扰推理，上下文工程需要：

• 选择当前步骤最相关的历史信息
• 压缩或摘要早期对话
• 注入工具返回结果
• 控制提示词长度与结构

它是Harness中影响效果的关键环节。

6. Policy（策略）

策略描述“在某个状态下选择什么动作”的规则。在Agent中，策略可以来自模型本身的推理能力，也可以由外部规则约束（如“不允许调用某类工具”）。策略决定了Agent的行为倾向。

7. Tool Use（工具调用）

工具调用是Agent与外部世界交互的方式。模型输出结构化的调用意图，Harness解析后执行真实动作，再将结果返回模型。工具可以是检索、计算、API调用等通用能力。

8. Skills（技能）

技能是对工具或动作的高层封装，通常表现为“完成某类任务的可复用流程”。例如“查询天气并生成出行建议”可以是一个技能，内部可能包含多次工具调用和模型推理。

9. Sub-agents（子智能体）

子智能体是将复杂任务拆解后，由独立Agent实例处理子任务。主Agent负责任务分解与结果汇总，子Agent负责具体执行。这种结构能降低单次上下文压力，提高并行度。

三、训练侧术语拆解

1. RL Environment（强化学习环境）

环境是Agent训练时与之交互的世界，提供状态、接收动作、返回奖励。它模拟了真实任务场景，让Agent在试错中学习策略。

2. Trainer（训练器）

训练器负责驱动整个训练流程：采样、计算奖励、更新模型参数。它协调环境与模型之间的交互。

3. Rollout（采样）

Rollout指Agent在环境中完整执行一次任务的过程，产生一条轨迹（状态-动作-奖励序列）。这些轨迹是训练的数据来源。

4. Reward（奖励）

奖励是环境对Agent动作的反馈信号，用于指导策略优化。奖励设计直接影响训练效果，需要平衡稀疏性与引导性。

四、工作流程：一次Agent调用的完整链路

以“查询某数据并生成报告”为例：

1. 任务输入：用户提交任务描述。
2. 上下文构建：Scaffold组织系统提示词、工具描述、历史信息。
3. 模型调用：Harness调用模型，获取输出。
4. 意图解析：Harness解析输出，识别出工具调用意图。
5. 工具执行：Harness执行工具，获取结果。
6. 结果回填：将工具结果注入上下文。
7. 循环判断：若任务未完成，回到第2步；若完成，输出最终结果。
8. 状态管理：全程记录状态、错误、重试次数，确保可控。

五、关键机制与边界

• 状态管理：Harness需维护对话状态、工具状态、任务进度。
• 容错机制：工具失败时重试、降级或终止，避免死循环。
• 上下文压缩：长任务需摘要历史，防止窗口溢出。
• 权限与安全：工具调用需鉴权、审计，防止越权操作。
• 终止条件：明确任务完成或失败判定，避免无限循环。

六、常见误区

• 误以为模型自己会循环：模型单步输出，循环由Harness驱动。
• 混淆Scaffold与Harness：Scaffold管输入结构，Harness管执行循环。
• 忽视上下文工程：上下文质量直接决定推理效果。
• 奖励设计过于简单：稀疏奖励会导致训练困难。

七、总结

Agent的本质是“模型+缰绳”：模型提供推理与生成能力，Harness提供循环执行、工具调度与状态管理。Scaffold负责单次调用的输入组织，Harness负责多步执行的动态控制。上下文工程、策略、工具调用、技能、子智能体各自承担不同职责，训练侧的环境、训练器、采样与奖励则支撑能力迭代。理解这些术语的层次与协作关系，才能真正掌握Agent架构的运行原理。