从生成到行动
普通的大模型调用是一次性的：输入提示，输出文本。很多任务无法靠一次生成完成——需要查资料、运行代码、调用外部系统，还要根据中间结果调整下一步。智能体（Agent） 把大模型放在控制器的位置，让它循环地观察环境、做决策、执行动作，直到任务完成。
与 RAG 相比，RAG 是“检索一次、生成一次”的固定流程，智能体则可以自行决定何时检索、检索什么、是否需要继续调用其他工具。
基本组成
一个典型的语言模型智能体包含四部分：
- 画像（Profile）：角色设定、目标、可用资源和行为约束，通常写在系统提示中；
- 记忆（Memory）：短期记忆保存当前任务的对话和中间结果，长期记忆存放跨会话的知识或经验，可借助向量库检索；
- 规划（Planning）：把目标拆成子任务，决定执行顺序，并在失败时调整；
- 行动（Action）：调用工具与外部环境交互，例如搜索、数据库、代码解释器、文件系统和业务 API。
执行过程是一个循环：
观察（Observation）→ 思考（Thought）→ 行动（Action）→ 新的观察 → ...循环在任务完成、达到步数上限或无法继续时终止。模型本身只负责“思考和选择动作”，真正的执行由外部工具完成。
ReAct：推理与行动交替
ReAct（Reasoning + Acting）是最常见的智能体范式：让模型在每一步先写出简短推理，再选择一个动作，然后读取工具返回的观察结果，继续下一轮。
问题：2024 年诺贝尔物理学奖得主是谁？他所在机构今年发表了多少篇论文？
Thought：需要先确认获奖者。Action：search("2024 诺贝尔物理学奖 得主")Observation：John Hopfield 和 Geoffrey Hinton 获奖。Thought：需要确认 Hinton 的所属机构。Action：search("Geoffrey Hinton 所属大学")Observation：多伦多大学。Thought：需要统计该机构今年的论文数。Action：search("University of Toronto 2024 publications count")...ReAct 的关键在于把推理和外部反馈交替起来。思维链只在模型内部续写，一旦某一步的事实假设错了，后面会沿着错误继续；ReAct 每一步都从环境取回真实观察，可以及时纠正。
工具调用
工具通常以函数的形式提供：每个工具有名称、用途描述和参数模式（schema）。模型根据任务选择工具并生成参数，运行时负责校验和执行，再把结果作为观察返回。
{ "name": "search_flights", "description": "查询指定日期和路线的航班", "parameters": { "from": {"type": "string"}, "to": {"type": "string"}, "date": {"type": "string"} }}工具设计直接影响智能体的可靠性：
- 描述清晰：说明工具做什么、什么时候用、参数格式和限制；
- 粒度合适：太细碎会增加调用次数，太粗大会让模型难以正确传参；
- 返回结构化结果：便于模型解析，也便于程序校验；
- 失败可恢复：返回明确的错误信息，而不是静默失败或返回大段无关内容；
- 权限最小化：只暴露完成任务所需的操作。
常见的工具有搜索引擎、代码解释器、数据库查询、文件读写、浏览器和各类业务 API。工具越多，选择难度和误用风险越大，通常需要按任务裁剪工具集。
规划与反思
任务分解
复杂任务可以先规划再执行。Plan-and-Execute 让模型先列出步骤，再逐步执行；与每一步都重新决策的 ReAct 相比，它更全局，但计划可能因中途信息变化而失效，需要在执行中修订。
另一种做法是层次化分解：高层负责拆分目标，低层子智能体负责具体步骤。任务越长、依赖越多，显式规划越有价值。
反思
反思（Reflection）让模型检查自己的输出或执行轨迹，指出问题并重试：
- 执行任务，得到结果或失败信息；
- 让模型评价结果是否满足要求，分析失败原因；
- 根据反思修改计划或参数，再次尝试；
- 保留有效的经验，供后续任务使用。
Reflexion 是这一类方法的代表：它把失败经验写入记忆，在后续尝试中作为提示的一部分。反思能提高成功率，但会增加调用次数，也可能陷入反复自我否定。
多智能体
当任务可以按角色拆分时，可以用多个智能体协作：
- 分工：规划者、执行者、审查者各司其职；
- 辩论：多个智能体给出不同答案，通过讨论或投票收敛；
- 流水线：上游智能体的输出作为下游的输入。
多智能体适合职责边界清晰的复杂流程，但通信成本高，错误也会沿链路传播。多数场景下，一个带工具的智能体加清晰的流程控制更简单可靠。
评价与局限
智能体的评价不能只看最终答案，还要看过程：
- 任务成功率：端到端是否完成目标；
- 轨迹质量：步骤是否必要、工具调用是否正确、是否绕路；
- 成本与延迟：调用次数、token 消耗、总耗时；
- 安全性：是否越权、是否执行了不可逆操作。
主要局限：
- 误差累积：长程任务中每一步的小错误会放大，十几步后可能完全偏离目标；
- 工具误用：模型可能编造参数、选错工具，或把工具返回的内容当作指令；
- 提示注入：网页、文档、邮件等外部内容可能包含恶意指令，检索或浏览工具会把它们带入上下文，必须与可信指令隔离；
- 不可逆操作：下单、转账、删除数据等动作一旦执行难以撤销，需要人工确认或沙箱限制；
- 评测困难：真实环境状态多、路径不唯一，难以用固定答案衡量。
因此生产系统通常设置步数上限、超时、权限控制和人工审批，并对关键动作做日志记录。
相关阅读
- 提示与工具描述的设计：提示工程
- 推理结构：从思维链到思维图：CoT、ToT 与 GoT
- 外部知识检索：RAG
- 智能体能力评价：大语言模型的评价
- 推理服务的延迟与吞吐：大模型推理部署