AI Agent
能够感知环境、自主决策并调用工具完成任务的智能体，通常以 LLM 为推理核心，与单次问答的区别在于多轮规划、工具调用和反馈调整。
定义
AI Agent 是能够感知环境、自主决策并调用工具完成任务的智能体，通常以大语言模型（LLM）作为推理核心。它与“单次问答”的区别在于：Agent 可以多轮规划、调用外部工具、根据反馈调整下一步行动。
很多人把“接了工具调用的 LLM”等同于“AI Agent”，这其实只看到了表面。真正的 Agent 要解决的是自主性——它不是被动等用户指令，而是主动拆解任务、规划步骤、选择工具、判断结果。一个只会“用户说查就查”的系统是工具，不是 Agent；一个能自己判断“先查哪个、再查哪个、查完要不要追问”的系统才是 Agent。
关键特征
- 自主性：能自行拆解任务、规划步骤，不需要用户逐步指令
- 工具调用：通过外部工具扩展能力边界，不局限于模型自身知识
- 反馈驱动：根据工具返回结果调整后续行动，不是一次性执行
- 上下文管理：在多轮交互中维护和压缩上下文，保持长期一致性
这四个特征不是并列的，而是递进的。自主性是前提（不能自主就不算 Agent），工具调用是骨架（没有工具就只能聊天），反馈驱动是血液（没有反馈就是开环），上下文管理是神经系统（没有压缩就会爆窗）。
相关术语
- LLM（大语言模型）—— Agent 的推理核心
- Tool Calling（工具调用）—— Agent 扩展能力的机制
- RAG（检索增强生成）—— Agent 获取外部知识的模式
- MCP（模型上下文协议）—— Agent 连接外部上下文的协议
相关内容
- AI Agent 工程化实践——从套壳到可维护的系统
- AI Agent 排查手册——落地排查工具书
- AI Agent 工程化专题——串联阅读路径
4关键特征
3相关术语
2相关内容
∞应用场景
| 维度 | 单次问答 | AI Agent |
|---|---|---|
| 交互模式 | 一问一答结束 | 多轮规划持续执行 |
| 工具使用 | 无外部工具 | 调用外部工具扩展能力 |
| 反馈调整 | 无法根据结果调整 | 根据工具返回调整下一步 |
| 上下文 | 单次窗口 | 跨轮维护和压缩上下文 |
| 任务复杂度 | 适合简单查询 | 适合多步骤复杂任务 |
- 感知环境：接收用户输入或外部事件，理解当前任务目标。
- 自主决策：LLM 推理拆解任务，规划需要调用哪些工具、按什么顺序。
- 调用工具：通过工具调用扩展能力边界，获取外部数据或执行操作。
- 反馈调整：根据工具返回结果判断是否完成，未完成则调整下一步行动。
- 上下文管理：在多轮交互中维护和压缩上下文，避免窗口爆炸。
Agent 不是更强的模型，而是让模型学会用工具的工程结构。模型负责推理，工具负责执行，工程系统负责把两者稳定地串起来。