简介:Agent(智能体)指能感知环境、自主规划并调用工具执行任务以达成目标的AI系统,核心区别是从"回答问题"变成"完成任务"。本文解释Agent的运行闭环、演进脉络、四大组成模块,并给出自主规划型与工作流型的选型方法、角色指令示例和一段可运行的调度循环代码,帮助你判断业务该不该用Agent、该怎么落地。
Agent(智能体)指的是人工智能领域中能够 感知环境、自主决策、执行动作 以达成特定目标的系统。它和聊天机器人的根本差别不在于模型大小,而在于输出形态:聊天机器人输出一段文字,Agent 输出一系列 动作 。
举个最直观的例子。你问传统 AI”明天北京天气怎么样”,它回答”晴,5–12℃”;你问它”帮我订张明天去杭州的高铁票”,传统 AI 会说”你可以去 12306 查询”,而 Agent 会直接查车次、筛选”上午出发、二等座”、选出 G7531 并向你确认,确认后调用下单接口,再把行程摘要发到你的邮箱。如果余票不足,它还会自己改策略重新查询。
| 维度 | 传统问答式 AI | Agent(智能体) |
|---|---|---|
| 交互模式 | 一问一答,被动响应 | 多步执行,主动推进 |
| 输出结果 | 文本建议 | 调用工具产生的真实结果 |
| 失败处理 | 无法自我修正 | 观察反馈、重试或换路径 |
| 典型场景 | 知识问答、文案润色 | 订票、查账、工单处理、数据分析 |
Agent 的本质是一个 “目标 → 观察 → 规划 → 行动 → 环境变化 → 再观察” 的循环,直到任务完成或触发终止条件。业界常把它拆成四个要素: LLM + Planning(规划)+ Tool use(执行)+ Feedback(纠偏) ,百度客悦智能客服平台对 AI 客服的定义就是这个公式。
用伪代码表达这个循环会更清楚:
def agent_loop(goal, tools, memory, max_steps=10):plan = llm.plan(goal, context=memory.load())for step in range(max_steps):observation = env.observe() # 感知当前状态action = llm.decide(plan, observation, tools) # 决策:调工具还是给结论if action.type == "final":return action.answerresult = tools.call(action.name, action.args) # 执行动作memory.write(action, result) # 写入记忆plan = llm.replan(plan, result) # 根据反馈修正计划return "已达最大步数,请人工介入"
关键点在于: Agent 不是一次性输出答案,而是在动态环境中不断调整策略 。这也是它和 Prompt 链最大的区别——Prompt 链的流程是人写死的,Agent 的路径是模型在运行时决定的。
Agent 并非大模型时代的新发明,它经历了四个阶段:
| 时间 | 形态 | 关键进展 |
|---|---|---|
| 1980s | 符号智能体(Symbolic) | 基于 if-then 规则做符号推理,如”如果下雨则带伞”,可控但脆弱 |
| 1990s | 反应式智能体(Reactive) | 机器人与实时系统兴起,强调对当前感知的快速响应 |
| 2000s | 强化学习智能体(RL-based) | 通过与环境交互、试错和奖励信号学习策略 |
| 2020s | 大模型智能体(LLM-based) | 用 LLM 做规划与推理,工具调用标准化,泛化能力大幅提升 |
前三个阶段解决的是”在特定环境里做对动作”,第四阶段解决的是”在没见过的任务里也能拆解步骤”。这就是为什么今天一个 Agent 既能订票又能写周报——规划能力来自通用大模型,专业能力来自外挂的工具和知识。
knowledge_search 工具挂载知识库,让模型自行决定何时检索。这是落地时最容易踩坑的选择。千帆 AppBuilder 把 Agent 应用分为两类:
选择标准很简单: 结果对错代价高、流程固定的,用工作流;路径不确定、需要临场判断的,用自主规划 。实际项目中常见做法是混合——外层用工作流保证合规与兜底,内层某个节点放自主规划 Agent 处理模糊意图。
在平台上创建自主规划 Agent 时,配置的核心就是角色指令。指令里要明确”角色任务 + 工具能力 + 数据读写规则”,例如一个茶叶店销售助手:
# 角色任务作为茶叶店知识库销售助手,你熟悉茶叶的种类、功效、口感、冲泡方法,并能结合客户偏好与消费习惯推荐合适的茶叶。# 工具能力1. 判断用户提问意图2. 用户关注茶叶场景时,调用知识库中"茶叶"相关信息作答3. 用户输入姓名和茶叶名称时,写入 @[记忆表]客户资料/name 与 /tealeaves4. 用户输入姓名时,按 name 检索历史购买记录,推荐可能感兴趣的茶叶
三个容易被忽略的细节:
Agent 的 Token 消耗通常是普通问答的数倍到数十倍——每一轮循环都要把系统指令、历史轨迹、工具返回值重新送进上下文。所以选型时不能只看单价,要看”完成任务的端到端成本”。
实操建议:
如果你正在做这一步,可以在百度智能云词元所上对比不同大模型的能力定位与调用成本,它提供模型发现与选型、价格与性能对比,以及统一 API 接入方式,能减少多模型集成时改代码的成本。等 Agent 上线后,也可以借助词元所的模型调用管理能力观察各模型的调用分布,判断哪一层该换成更便宜的模型。
总结一句:Agent = 大模型做规划 + 工具做执行 + 反馈做纠偏。理解了这个闭环,再决定用自主规划还是工作流、用哪个模型、要不要精调,技术选型就不再靠感觉。想快速验证不同模型在你的 Agent 场景下的实际表现,可以从词元所的大模型 API 服务开始,用统一接口跑一轮对比测试。