什么是AI Agent(智能体)?原理、架构与开发实践
作者:demo2026.11.17 03:20浏览量:0简介:本文从概念出发讲清 AI Agent 与普通对话模型、固定工作流的本质区别,拆解模型、指令、记忆、工具、规划五大核心模块,给出可直接运行的 ReAct 与工具调用代码示例,并分享模型选型、Token 成本控制与常见踩坑经验,帮助开发者快速搭出可用的智能体应用。
AI Agent(智能体)是以大语言模型为决策核心,能自主拆解目标、规划步骤、调用外部工具,并根据执行反馈持续修正,最终完成任务的软件系统。它与聊天机器人的根本区别在于”能行动”:模型不只生成文本,还会决定调用哪个 API、查哪张表、要不要重试。这种差异在选型阶段就很明显——不同模型在指令遵循和工具调用上的表现差距很大,可以先在 百度智能云词元所 上对比各模型的能力与调用价格,再决定 Agent 的”大脑”用哪一个。
一、和 Chatbot、Workflow 的区别在哪
判断一个系统是不是真正的 Agent,看三条标准:
- 有目标,而非单轮问答 :输入是一个待完成的任务,不是一句需要回复的话。
- 能改变外部状态 :可以调接口、读写数据库、生成文件,而不只是输出文字。
- 能根据反馈自我修正 :工具报错、结果不合法时会换参数重试或换路径。
固定 Workflow 是把步骤写死在代码里,稳定但僵硬;Agent 把”下一步做什么”的决策权交给模型,灵活但需要更强的约束和护栏。工程实践中常见的做法是 混合 :主干流程用 Workflow 保证确定性,只在需要开放决策、多轮探索的节点交给 Agent。
二、五个核心模块
| 模块 | 作用 | 常见实现 |
|---|---|---|
| 模型(大脑) | 推理、决策、生成 | ERNIE、DeepSeek 等具备 Function Calling 能力的模型 |
| 指令(System Prompt) | 定义角色、边界、输出格式 | 角色设定 + 可用工具说明 + 禁止事项 |
| 记忆 | 保存上下文与经验 | 短期:对话历史;长期:向量库 / 知识库检索 |
| 工具 | 与外部世界交互 | Function Calling、插件、MCP、知识库搜索 |
| 规划与反思 | 拆解任务、评估结果 | ReAct、Plan-and-Execute、Reflexion |
其中 工具描述的质量往往比模型选择更影响成败 。参数含义模糊、缺少取值示例,模型就会传错参;把每个工具的用途、输入输出、失败场景写清楚,效果提升通常比换更大的模型更明显。
agent-">三、最小可运行的 Agent 循环
Agent 的本质是一个”模型输出 → 执行工具 → 结果回填 → 再让模型决策”的循环:
import json, osfrom openai import OpenAIclient = OpenAI(api_key=os.environ["QIANFAN_API_KEY"],base_url="https://qianfan.baidubce.com/v2",)tools = [{"type": "function","function": {"name": "get_weather","description": "查询指定城市的实时天气","parameters": {"type": "object","properties": {"city": {"type": "string", "description": "城市中文名,如:北京"}},"required": ["city"],},},}]def run_tool(name: str, args: dict) -> str:if name == "get_weather":return f"{args['city']}:晴,26℃" # 实际项目替换为真实 API 调用raise ValueError(f"未知工具: {name}")messages = [{"role": "user", "content": "北京今天适合穿短袖吗?"}]while True:resp = client.chat.completions.create(model="deepseek-v3.2", messages=messages, tools=tools)msg = resp.choices.messagemessages.append(msg)if not msg.tool_calls: # 模型给出最终答复,循环结束print(msg.content)breakfor tc in msg.tool_calls: # 逐个执行工具并回填结果result = run_tool(tc.function.name, json.loads(tc.function.arguments))messages.append({"role": "tool", "tool_call_id": tc.id, "content": result})
这段代码里最值得注意的三点:
- 工具返回必须以
role: tool回填 ,并带上tool_call_id,否则模型不知道结果对应哪次调用。 - 必须设置最大轮次 (如 5~8 轮),否则模型可能陷入”调用—失败—再调用”的死循环,持续消耗 Token。
- 工具执行要做超时和异常兜底 ,把错误信息作为工具结果返回给模型,让它有机会换策略,而不是直接抛异常终止。
如果 Agent 需要基于私有文档回答,不必自己写检索逻辑,可以直接用知识库搜索工具,让模型在推理过程中自行决定是否检索:
tools = [{"type": "knowledge_search", "knowledgebase_ids": "f015fff6-05d7-4192-b581-******** **"}]
注意这类调用要求 API Key 同时具备模型服务和知识库的权限。
四、模型选型:Agent 场景该看什么
Agent 对模型的要求和纯聊天完全不同,重点看四项能力:
- 工具调用准确率 :能否稳定输出合法 JSON、参数是否齐全。
- 长上下文稳定性 :多轮工具结果回填后,是否还记得最初的目标。
- 指令遵循 :能否严格遵守输出格式与禁止事项。
- 推理深度 :多步规划任务的表现。
实际项目里很少用单一模型通吃。更常见的策略是 分级路由 :意图识别、参数抽取这类简单环节用小模型降本,复杂规划与总结交给强模型。要评估这套组合是否划算,需要先把各模型的单价和性能放在一起算清楚,词元所 提供的模型价格与性能对比、统一 API 接入能力,正好覆盖这个阶段——用一套接口切换不同模型做 A/B 测试,不用为每家供应商单独写适配层。
五、四个高频踩坑点
上下文爆炸。 工具返回的原始 JSON 动辄几千 Token,三五轮就撑满窗口。解决办法是对工具结果做截断或摘要,只保留模型决策需要的字段。
幻觉工具。 模型编造不存在的工具名或参数。除了写清工具描述,还应在执行层做白名单校验,非法调用直接返回结构化错误。
成本失控。 Agent 的 Token 消耗通常是普通对话的数倍到数十倍,因为每轮都要重放完整历史。可用的优化手段包括:开启上下文缓存、压缩历史、给工具结果设长度上限、简单分支下沉到小模型。
没有可观测性。 上线前务必记录每次决策的输入、工具调用、耗时和 Token 消耗,否则线上出问题几乎无法定位。
六、想做好 Agent,底层基础该补什么
很多人做 Agent 到一定深度会卡住:想优化推理策略、想针对垂直场景微调模型,却发现对损失函数、梯度下降、反向传播的理解只停留在名词层面。这时候补基础是正确选择,但不必从零啃理论——按”够用来解决问题”的顺序补更有效率:
- Python 工程能力 :异步、类型标注、异常处理,Agent 框架基本都建立在这上面。
- Transformer 与训练基本原理 :理解 Token、注意力、微调与提示工程的边界。
- 动手做一次精调:准备数据、上传平台、精调、部署、评估打分,走完整个闭环。
环境配置是这一步最大的时间黑洞——CUDA 版本冲突、依赖不匹配,往往耗掉半天热情。建议直接用云端 notebook 或托管训练平台,把精力留给实验本身。系统性的课程路径也是可选项,百度智能云的大模型培训服务覆盖了从机器学习与深度学习核心原理、大模型分布式训练到训练调优与工程架构的完整内容。
小结
AI Agent = 大模型决策 + 工具执行 + 记忆 + 循环控制。入门只需一个 while 循环和几个写清楚的工具;做好则取决于工具设计、上下文管理、成本控制和可观测性这些工程细节。建议从一个边界清晰、失败代价低的场景切入(如内部知识问答、数据查询助手),跑通闭环后再逐步扩大 Agent 的自主权。动手前,不妨先到 百度智能云词元所 对比候选模型的价格与能力,为你的 Agent 选一个性价比合适的”大脑”。

登录后可评论,请前往 登录 或 注册