隨著大模型技術的飛速發展，一個重要的概念——Agent（也叫AI Agent）——應運而生，并迅速成為行業熱點。盡管這個詞匯現在被頻繁提及，但它究竟是什么？它是如何運作的？許多人對此仍感模糊。今天，我們就來徹底搞明白AI Agent的這些核心問題。

一、Agent：大模型的“感官與四肢”

我們都知道，像GPT-4、DeepSeek這樣的大模型在回答問題和邏輯推理方面非常強大。然而，它們在實際應用中存在一個顯著的限制：它們無法感知或改變外部環境。

舉個例子：你想讓GPT-4o幫你寫一個貪吃蛇游戲，它確實能提供代碼，但將代碼寫入文件、運行程序這些操作，大模型是無法直接完成的。它也無法自行查找你電腦上已有的貪吃蛇代碼，除非你手動復制給它。這意味著大模型既無法感知外部環境（如文件內容、目錄結構），也無法改變外部環境（如寫入文件、運行命令）。

那么，如何解決這個問題呢？答案是：給大模型接上對應的工具。這些工具就像大模型的感官和四肢，比如讀取文件內容的工具、查看文件列表的工具、運行終端命令的工具等。有了它們，大模型就可以自行查詢文件、寫入代碼、運行程序，整個過程無需我們手動干預，完全自動化。

Agent的定義：將一個大模型和一堆工具組裝起來，使其成為一個能夠感知和改變外界環境的智能程序，我們稱之為Agent。通常，Agent用一個機器人來表示，這與大模型的大腦圖標形成了鮮明對比，因為Agent擁有了“感官和四肢”，能夠獨立行動，就像一個機器人一樣。

Agent的類型多種多樣，擅長領域也各不相同。例如：

• 編程類Agent：如Cursor，用戶只需提交任務，它就會利用大模型和各種工具來編寫代碼，直到任務完成。整個過程中，用戶基本無需操作，只需偶爾點擊確認。
• 信息查詢/處理類Agent：如前段時間比較火的MUS，用戶希望比較幾款手機的性能和拍照能力，MUS會生成執行計劃，搜索并瀏覽相關網頁，最終整理成一個報告頁面展示給用戶，整個過程也基本無需用戶插手。

二、Agent的運行模式：ReAct

Agent的運行模式有很多種，其中最有名、使用最廣泛的一種是ReAct。

1. ReAct模式的核心理念與循環

ReAct是Reasoning and Acting（思考與行動）的縮寫。它最初由2022年10月的一篇論文提出，盡管已有近三年時間，其提出的Agent運行模式至今仍被廣泛使用。

在ReAct模式下，Agent的運行流程是一個持續的循環：

• 用戶提交任務。
• Thought（思考）：Agent首先進行思考，決定接下來要做什么。
• Action（行動）：思考后，Agent決定是否調用工具。如果需要，它會調用合適的工具（如讀取文件、寫入文件內容等）。請注意，這里大模型是請求調用工具，實際執行工具的是Agent的工具調用組件。
• Observation（觀察）：Agent查看工具的執行結果，例如所讀取的文件內容或寫入是否成功。
• 循環：在觀察之后，Agent會繼續思考，再次判斷是否需要調用工具。如果仍然需要，它會重復Thought -> Action -> Observation的流程，直到它認為不再需要調用工具，可以直接給出結論為止。
• Final Answer（最終答案）：當Agent認為任務完成時，它會輸出最終答案，整個流程結束。

因此，ReAct流程的核心要素是：Thought、Action、Observation和Final Answer。

2. ReAct模式的實現奧秘：系統提示詞

為什么大模型拿到用戶問題后會先思考再行動，而不是直接行動呢？這與模型的訓練過程關系不大，大部分奧秘都集中在系統提示詞（System Prompt）上。

系統提示詞是與用戶問題一起發送給大模型的提示詞，它規定了模型的角色、運行時要遵守的規則，以及各種環境信息等。如果希望模型按照ReAct模式返回答案，系統提示詞就會比較復雜。

一個典型的ReAct系統提示詞大致包含五個部分：

• 職責描述：明確告訴模型它需要解決一個任務，并將任務分解為多個步驟。對于每個步驟，首先使用thought標簽思考，然后使用action標簽調用工具，工具的執行結果通過observation返回，并持續這個思考和行動的過程，直到有足夠的信息提供final answer。
• 示例：提供具體的ReAct流程示例，例如用戶提問、模型思考、調用工具、觀察結果、再次思考并給出最終答案的完整對話示例。這有助于模型理解并遵循預設的交互規范。
• 可用工具：列舉Agent可用的工具列表及其功能說明，例如用于讀取文件內容、寫入文件內容、運行終端命令的工具等。
• 注意事項：提供一些操作上的注意點。
• 環境信息：告知大模型當前的操作系、目錄以及目錄下的文件列表等相關環境信息。

通過將這樣的系統提示詞和用戶任務一起提交給大模型，大模型就會遵循這些規范來輸出答案，從而實現ReAct模式的運行。

圖片

3. ReAct模式的實際運行演示

以DeepSeek為例，當我們將包含ReAct規范的系統提示詞和“寫一個貪吃蛇游戲”的任務提交給它時，DeepSeek會按照要求先在thought標簽中思考，然后使用action標簽請求調用write_to_file工具來寫入index.html文件內容。

在實際的Agent中，當大模型請求調用工具后，Agent的工具調用組件會真正執行該工具，例如將HTML內容寫入文件。然后工具的執行結果（如“寫入成功”）會作為observation返回給Agent主程序，Agent主程序再將其加入到歷史消息列表，并再次發送給大模型。模型拿到工具的執行結果后，就能根據結果推測下一步要干什么，繼續進行思考（thought），并請求寫入CSS、JS文件。當所有文件寫入完成后，大模型在thought之后會返回一個final answer，整個回答過程便徹底結束。

這個過程完美體現了ReAct的運行節奏：Thought -> Action -> Observation，直到任務完成，輸出Thought -> Final Answer。系統提示詞相當于給模型安排了一個迷你劇本，模型會嚴格按照這個劇本一步一步走完。

一個完整的ReAct Agent，其核心代碼在于一個run函數。這個函數內部構建了一個消息列表，包含系統提示詞和用戶問題，然后調用模型獲取執行結果。它會提取返回結果中的thought部分并打印，然后檢測是否包含final answer。如果不是，就解析出action，提取函數名和參數，并執行對應的工具。工具執行結果會被放入observation并添加到消息列表，然后循環再次請求模型，直到模型返回final answer。

三、Agent的另一運行模式：Plan and Execute

除了ReAct，還有許多其他Agent的運行模式。其中一種常見的模式是先規劃再執行。這類模式并沒有統一的名稱，且每個Agent的實現細節可能有所不同。這里我們介紹一個比較有名的實現：由LangChain提出的Plan and Execute模式。

從總體上看，Plan and Execute模式也遵循了先規劃再執行的流程，但它引入了一些動態修改規劃的環節，使其方案更加靈活。

1. Plan and Execute模式的組成模塊

Plan and Execute Agent內部包含以下幾個關鍵模塊：

• Plan模型（Plan Model）：負責根據用戶問題生成具體的執行步驟或計劃。
• Replan模型（Replan Model）：負責根據每一步的執行結果動態調整或生成新的執行計劃。Plan模型和Replan模型可以是同一個模型，也可以是不同的模型。
• 執行Agent（Execution Agent）：負責執行計劃中的每一個步驟。這個執行Agent本身也可以使用我們前面講到的ReAct模式來運行。
• Agent主程序：負責串聯整個流程，在合適的時機調用Plan模型、Replan模型或執行Agent。

2. Plan and Execute模式的運行流程

整個流程中，用戶、Plan and Execute Agent內部的各個模塊（Plan模型、Replan模型、執行Agent）以及Agent主程序之間協同工作。

1） 用戶提交任務：用戶將問題（例如：“今年澳網男子冠軍的家鄉在哪里？”）提交給Agent主程序。

2）生成初始計劃：Agent主程序將用戶問題發送給Plan模型，讓它給出具體的執行步驟（例如：先查詢當前日期，然后查詢當前年份的澳網男子冠軍名字，再根據名字查詢冠軍家鄉）。

3）執行計劃步驟：計劃有了之后，Agent主程序會將計劃傳給執行Agent，讓它執行計劃中的第一步（例如：查詢當前日期）。執行Agent完成操作后，會返回執行結果。

4）動態調整計劃/生成新計劃：Agent主程序會把用戶問題、當前執行計劃和歷史執行記錄都發送給Replan模型，讓它生成一個新的執行計劃。由于拿到了第一步的執行結果，情況可能發生變化，因此修改原計劃是正常的。新的計劃會剔除已完成的步驟，并可能根據新信息使后續步驟更精確。

5） 循環執行與Replan：Agent主程序接到新的執行計劃后，會繼續重復這個“執行計劃步驟”和“動態調整計劃”的循環。這個循環會一直進行，直到所有計劃中的步驟都已完成。

6） 輸出最終答案：在最后一輪循環中，當Replan模型發現所有步驟都已完成，用戶的問題可以回答出來時，它返回的就不是最新的執行計劃，而是最終的答案。Agent主程序接到這個最終答案后，便會將其轉發給用戶，整個流程結束。

因此，Replan模型的返回結果有兩種可能性：新的執行計劃或最終答案。

四、總結

Agent作為大模型熱潮下興起的重要概念，通過將大模型與各種工具相結合，極大地擴展了其感知和改變外部環境的能力。無論是循環思考與行動的ReAct模式，還是先規劃后動態執行的Plan and Execute模式，都為Agent賦予了強大的自動化和問題解決能力。

理解Agent的概念、運行原理以及不同構建模式，是深入掌握AI前沿技術，并將其應用于實際場景的關鍵。隨著Agent技術的不斷成熟，我們可以預見它們將在編程、信息檢索、自動化辦公等更多領域發揮越來越重要的作用，真正成為我們身邊的智能助手。