【手搓 Agent 第0关】认知扫盲篇（上）：Agent 基本概念和循环

这个系列讲带领大家亲自搭建属于自己的 Agent，深入理解 Agent 是如何组合而成的。在系列的最开始，将对 Agent 相关基本概念进行介绍，分为上下两个章节带领大家完成以下学习目标：

• 区分 chatbot、workflow、agent、multi-agent。

• 理解 agent 的基本循环：observe -> think -> act -> observe。

• 明白什么时候不该用 agent：任务可预测、流程稳定、普通脚本能解决时，agent 反而增加不确定性。

• 阅读 Anthropic: Building effective agents 和 OpenAI: A practical guide to building agents，了解如何构建高效智能体。

本章将聚焦于前三个学习目标。

一、核心概念区分

想要从零搭建 Agent，第一步必须厘清各类 AI 形态的核心差异。很多开发踩坑、过度工程、方案选错，本质都是概念混淆。我们通过角色比喻、核心特征、适用场景，一次性彻底区分 Chatbot、Workflow、Agent、Multi-Agent 四种形态。

具体对比如下：

概念	角色比喻	核心特征	适用场景
Chatbot	前台客服	一问一答，依赖脑内知识，没有手脚去操作系统，无自主规划与工具调用能力。	回答常规问题、文本润色、日常陪聊、固定话术应答。
Workflow	流水线工人	严格按照预设的 SOP（标准作业程序）执行，固定 A -> B -> C 线性流程，无动态决策、无自主纠错能力。	每日定时爬取新闻、固定格式的发票识别、规则稳定的标准化自动化任务。
Agent	高级助理	仅接收最终目标，可自主规划执行步骤，支持调用工具、联网检索、自主执行、结果校验迭代，具备动态决策能力。	调研竞品并撰写报告、复杂问题排查、个性化场景适配等开放式、多步骤复杂任务。
Multi-Agent	项目团队	多个具备不同专业技能的智能体互相协作、任务移交、交叉审查，分工完成超复杂大型任务。	虚拟软件公司（分工编码、测试、运维）、全流程企业智能化办公、多模块复杂业务处理。

二、Agent 的基本循环：Observe → Think → Act

Observe → Think → Act 是 Agent 的核心运行心脏，也是经典的 ReAct (Reason+ Act) 模式，是 Agent 区别于 Chatbot、传统 Workflow 的核心壁垒。所有智能体的自主工作能力，都源于这个无限循环的执行逻辑。

• Observe（观察）： 接收用户的指令，或者读取上一步工具执行返回的结果、系统报错信息，感知当前完整任务状态。

• Think（思考）： LLM 根据当前上下文状态，自主推理、规划下一步动作、判断所需工具与执行逻辑。这是传统 Workflow 完全不具备的动态决策能力。

• Act（行动）： 执行决策结果，调用对应工具、接口、代码，完成具体业务动作，产出阶段性结果。

场景模拟：智能体查询天气

• Observe：接收到用户查询天气的指令，确认用户需求。

• Think：判断该需求需要调用外部天气工具，无法仅凭模型固有知识回答。

• Act：主动调用天气信息 API，获取实时天气数据并整理输出。

三、何时使用智能体？

1. 什么是智能体？

智能体（Agent）可以从多个角度进行定义。一些客户将智能体定义为完全自主的系统，这些系统能够在较长时间内独立运行，并使用各种工具来完成复杂任务。另一些客户则用这一术语来描述遵循预定义工作流程的规范性实现。Anthropic 将所有这些变体归类为智能体系统（agentic systems），但在架构上对工作流程（workflows） 和智能体（agents） 进行了重要区分：

• 工作流程（Workflows）：这类系统中，大语言模型（LLMs）和工具通过预定义的代码路径进行编排。
• 智能体（Agents）：这类系统中，大语言模型（LLMs）动态地指导自身的流程和工具使用，保持对任务完成方式的控制。

2. 何时使用/不使用智能体

总原则：优先选用最简方案，按需增加复杂度。

• 补充特性：智能体 / 复杂工作流会提升任务效果，但会增加延迟、拉高使用成本，需提前权衡取舍。
  

分场景选型：

1. 绝大多数常规场景：仅优化单轮 LLM 调用（检索 + 示例提示）即可，无需搭建工作流 / 智能体。
2. 任务流程固定、规则明确：选择工作流，优势是结果可预测、稳定性强。
3. 任务开放、需要灵活决策：选择智能体，适配动态变化的执行路径。
   • 复杂决策类：依赖人为细致判断、异常处理、上下文关联决策（例：客服退款审批）。
   • 规则难维护类：规则体系庞大冗余、更新成本高、极易出错（例：供应商安全审查）。
   • 非结构化数据类：需要解析自然语言、提取文档信息、持续对话交互（例：房屋保险理赔）

3. 何时以及如何使用框架

有许多框架可以简化智能体系统的实现，包括：

• LangGraph（来自LangChain）；
• Amazon Bedrock 的AI Agent框架；
• Rivet，一个拖放式图形用户界面（GUI）大语言模型（LLM）工作流程构建工具；以及
• Vellum，另一个用于构建和测试复杂工作流程的GUI工具。

框架优劣势：

• 优点：封装 LLM 调用、工具解析、链式调用等底层操作，上手速度快。
• 缺点：新增多层抽象，遮挡提示词与返回结果，调试难度上升；容易诱导开发者过度设计，引入不必要的复杂度。

四、本篇总结 & 下期预告

本篇我们完成了 Agent 从零学习的核心基础认知：厘清了四类 AI 形态的边界、掌握了智能体核心运行循环、理解了 Agent 与传统工作流的本质区别。

但仅仅懂概念远远不够，开发 Agent 最大的难点从来不是「是什么」，而是「怎么选、怎么用、怎么落地不踩坑」。

下期 Stage0（下） 将聚焦工程落地实战，详解 Agent 选型原则、官方架构体系、五大经典工作流、安全护栏机制。