乐东黎族自治县网站建设_网站建设公司_前后端分离_seo优化

如果说第一课回答了“为什么大家突然都在谈 Agent”，那第 2 课要解决的是一个更关键的问题：Agent 到底是怎么搭出来的？

很多人一上来就学 LangChain、AutoGen、CrewAI，结果看了一堆概念：Tool、Memory、Planner、Router、RAG、Workflow……越看越像“咒语”。其实它们并不神秘：绝大多数 Agent 系统，都能被拆成一套相对稳定的“标准零件”。

这节课我们用五层架构把Agent拆开讲清楚：LLM 层、工具层、记忆层、控制层、接入层。你掌握这五层，就能反过来“读懂”任何 Agent 框架：它解决了哪几层？缺了哪几层？为什么有的Demo看起来很聪明，有的却一跑就翻车？

一、先把“Agent”画成一个闭环

Agent 的本质不是“会说话”，而是一个能持续运行的闭环系统：

输入目标 → 观察环境 → 规划/决策 → 执行动作（调用工具）→ 得到反馈 → 更新状态 → 继续下一步，直到完成。

如果你把 ChatGPT 当成“大脑”，那么 Agent 要补齐的至少还有：

• 手（工具/执行能力）

• 记忆（长期信息、任务状态）

• 中枢神经（控制与调度，让循环能跑起来）

• 感官与接口（把真实世界接进来：文件、网页、业务系统）

五层架构，正是把这些能力工程化的方式。

二、五层架构总览：你以后看框架就用这张“地图”

我们把一个典型 Agent 系统拆成五层：

1. LLM 层：负责理解、推理、生成结构化输出（计划/动作/总结）

2. 工具层（Tools）：负责“真正做事”（搜索、数据库、代码执行、发请求、写文件）

3. 记忆层（Memory）：负责“记住什么”和“如何取用”（短期上下文 + 长期存储 + 知识检索）

4. 控制层（Controller / Orchestrator）：负责“让闭环跑起来”（循环、状态机、路由、多 Agent 协作、容错）

5. 接入层（Interface / Integration）：负责“接到哪里去”（网页端、企业 IM、浏览器插件、业务系统、权限/审计）

你可以把它理解为：

• LLM 决定做什么

• 工具层负责怎么做

• 记忆层保存做过什么、学到什么

• 控制层决定什么时候做、做几步、失败怎么办

• 接入层把能力交付给用户与系统

接下来逐层讲，做到“能落地、能写代码、能做设计”。

三、LLM 层：不是“聊天”，而是“可控的推理与结构化输出”

在 Agent 中，LLM 的常见职责有三类：

1）任务理解（Intent）

把用户一句话变成明确目标与约束。例如：

“帮我写周报” → 周报周期？团队？项目？格式？数据从哪里来？

2）规划（Plan）

把目标拆解成可执行步骤。

注意：规划不等于输出一段“看起来很合理的流程”，而是要能映射到工具调用。

3）决策与动作选择（Action Selection）

Agent 往往需要 LLM 输出结构化动作，例如 JSON：

action: search_docs args: {query: "...", time_range: "week"}

这样控制层才能解析并执行。

教学提示：为什么要结构化？

因为“自然语言”不可控：

• 你无法稳定解析

• 你无法保证字段齐全

• 你无法做权限校验与审计

因此，Agent 里常用的输出形态是：Plan / Action / Final 三段式，或统一的动作 JSON。

四、工具层：Agent 的“手”，决定上限

工具层是Agent真正价值爆发的地方：没有工具调用，就没有执行力。常见工具类型可以分成四组：

1. 信息获取类：Web 搜索、内部知识库检索、爬取页面

2. 数据访问类：数据库查询、数据仓库、BI 接口、表格系统

3. 生产操作类：写文档、发邮件、创建工单、更新项目状态、提交代码

4. 计算执行类：Python 运行、SQL 执行、模型推理、图表生成

工具设计的三个关键原则

原则 A：工具要“窄而稳”

不要做一个“万能工具”，而是做“可预测的小工具”

get_weekly_tasks()、 query_sales(date_range)、 update_notion_page(page_id, content)

越窄越好测试、越好权限控制。

原则 B：工具输入输出要强类型

哪怕你不用严格的类型系统，也要在工程上保持一致：

• 输入字段固定

• 输出结构固定

• 错误码明确

原则 C：工具要有“安全边界”

尤其是能写文件、发邮件、改数据库的工具：

• 增加确认机制（dry-run/二次确认）

• 增加权限与审计（谁在何时改了什么）

• 增加速率限制（避免死循环造成灾难）

五、记忆层：不是“把聊天记录存起来”这么简单

记忆层负责三件事：存什么、怎么存、怎么取。

1）短期记忆：上下文窗口

短期记忆通常是对话历史与当前任务状态。工程上要解决“太长了放不下”的问题：

• 摘要（summary）

• 关键事实表（facts）

• 任务进度表（todo / done / next）

2）长期记忆：用户偏好与历史

例如：

• 你写周报的固定模板

• 常用称谓与口吻

• 你所在团队的项目列表 这些信息不该每次都问一遍。

3）知识记忆：RAG / 检索增强

企业里最常见：把制度、产品文档、会议纪要放进可检索系统。

注意：这类记忆不是“记住”，而是“能随时查到”。

教学提示：记忆层最常见的坑

• 把所有内容都塞进长期记忆 → 垃圾堆，越记越乱

• 不做“可追溯引用” → 业务问答不可信

• 不区分“事实”与“推测” → 产生错误沉淀

一个实用做法是：

• 长期记忆只存“稳定偏好与身份信息”

• 知识事实走 RAG，并保留引用来源

• 任务过程走短期状态（可随任务结束清理）

六、控制层：Agent 的“中枢”，决定稳定性与可控性

很多Demo看起来“会自己做事”，核心就在控制层：它让系统按规则循环，而不是让模型自由发挥到失控。控制层通常包含：

1）Agent Loop（循环）

一个最小闭环大概是：

1. 读取目标与当前状态

2. 让 LLM 产出下一步动作（或计划）

3. 执行工具

4. 把结果写回状态（并可能写入记忆）

5. 判断是否完成，否则继续

在工程上，你要加两个硬约束：

• 最大步数（例如最多 8 步）

• 终止条件（达到目标、无法继续、需要人工介入）

2）路由（Router）

当任务类型不同，应该走不同策略：

• 问答 → RAG 优先

• 数据拉取 → 先查数据库再写报告

• 写代码 → 进入“生成-运行-报错-修复”循环

路由可以由规则做，也可以由 LLM 进行分类，但务必可观测、可回放。

3）多 Agent 协作

企业级常见做法是“分工”：

• 需求分析 Agent

• 数据收集 Agent

• 产出撰写 Agent

• 校对/合规 Agent

多 Agent 的价值在于：降低单个模型的上下文负担，让每个角色更专注。但它也带来协调成本，因此控制层要负责：

• 任务分配

• 结果汇总

• 冲突解决（多个 Agent 给出不同结论怎么办）

4）容错与回滚

真实系统里一定会失败：接口超时、权限不足、数据为空。控制层要做：

• 重试策略（指数退避、换工具）

• 降级策略（只输出建议、不执行写操作）

• 人工接管点（需要批准才继续）

七、接入层：决定你的 Agent 能不能“进组织、进流程”

接入层解决的是“交付形态”：

• 你把 Agent 放在网页？飞书/企业微信？IDE 插件？浏览器？

• 如何做登录、权限、审计？

• 如何与现有系统对接（OA、CRM、工单、知识库）？

接入层常见能力：

1. 身份与权限：不同人能调用不同工具

2. 审计与日志：每一步动作可回放（谁让它改了什么）

3. 人机协同 UI：在关键节点请求确认（尤其写操作）

4. 异步任务：周报/报表类任务可能需要 10 分钟跑完，要能后台执行并通知

很多Agent在 Demo 阶段很酷，落地失败往往是因为接入层没做好：没有权限体系，没有审计，业务系统不敢给它“写”的能力。

八、把五层用一个“自动写周报 Agent”串起来

我们拿思考题做示例：自动写周报 Agent 需要哪些工具？哪些是记忆？哪些是行动？

1）它需要的工具（Tools）

最核心通常是“取数 + 产出 + 分发”三类：

• 任务数据：Jira/飞书项目/禅道/Notion 的任务查询工具

• 沟通记录：会议纪要、IM 摘要（可选，需权限）

• 数据指标：数据库/BI 查询（销售、DAU、转化等）

• 文档生成：写入周报模板（Notion/飞书文档/Google Docs）

• 分发通知：发邮件/发 IM 给主管（最好带确认）

2）哪些信息属于“记忆”（Memory）

• 你的周报模板偏好（标题结构、口吻、长度）

• 团队项目与简称（“A 项目=Phoenix 重构”）

• 固定收件人/汇报对象

• 你不希望出现的内容（例如不写加班、不过度承诺）

这些信息稳定且复用，适合长期记忆。

3）哪些属于“行动”（Action）

• 拉取本周任务清单

• 汇总完成项、进行中、风险项

• 查关键指标并生成图表（可选）

• 写入文档并生成链接

• 请求你确认后发送给主管

行动的特点是：会改变外部世界或产生可交付物，必须可审计、可回滚。

九、本课小结：你已经掌握了“看懂 Agent”的钥匙

到这里你应该能做到两件事：

1. 看到任何 Agent 产品/框架，都能用五层去拆：它的工具怎么接？记忆怎么做？控制层怎么防死循环？接入层怎么审计？

2. 开始用工程视角设计 Agent：不是“让模型更聪明”，而是让系统更可控、更能执行、更能进入组织流程。

下一课我们会进入真正的“动手环节”：

从零实现一个最小可用的 Agent Loop（带工具调用 + 状态管理 + 终止条件），并且用“自动写周报”做一个可扩展的Demo骨架。

本课练习

1. 选一个你熟悉的业务场景（例如：投放日报、客服质检、招聘筛选），按五层写一页设计：每层需要什么？

2. 列出你愿意开放给 Agent 的“读工具”和“写工具”，并写出你需要的安全措施（确认、权限、审计）。