拆解AI Agent的"神经系统"：规划、记忆、工具、ReAct，四个概念让你真正读懂Agent

很多人第一次接触AI Agent，会有一种类似"读医学教材"的困惑：单词都认识，但读完不知道在讲什么。

"规划"、"记忆"、"工具调用"、"ReAct框架"……这些词经常一起出现，但彼此的关系说不清楚，看起来像是四套不同系统硬拼在一起。

这篇文章，我想把这四个东西的逻辑关系说透。它们不是并列的，更不是相互独立的——它们是一个系统的四个层次，缺一不可。

一、从一个比喻开始：人类如何完成一项复杂任务？

假设你是一个活动策划，今天接到任务：为公司200人年会设计一个方案，三天后汇报。

你会怎么做？

  1. 先想清楚要干什么（规划）：把大任务拆成小任务——场地、预算、节目、餐饮、主持……
  2. 调用已有的知识和经验（记忆）：你记得去年的供应商报价，你记得哪个节目类型最受欢迎。
  3. 打电话查资料、用工具（工具调用）：你打开地图找场地，调出Excel算预算，发邮件给供应商问报价。
  4. 执行并不断根据反馈调整（ReAct循环）：场地报价太高，重新找；节目时长超了，重新排……

你就是一个Agent。 规划、记忆、工具、执行循环，这四件事你每天都在做，只是不叫这个名字。

现在，OpenAI前安全主管Lilian Weng在她的著名博文《LLM Powered Autonomous Agents》中，把这个过程精确地映射到了AI Agent的架构上。

二、Agent的四大要素：拆开来看

1. 规划（Planning）：大模型的"分解力"

规划，是把一个复杂任务拆成可执行的子任务序列的过程。

听起来简单，但这恰恰是大模型出现之前的Agent最难做到的事。传统AI要么死守规则，遇到没见过的情况就不知所措；要么只会反应式处理，根本没有"先想清楚再行动"的能力。

大模型改变了这一点。它有两类关键的规划技术：

任务分解

  • 思维链（CoT）：让模型"一步一步地思考"。这不是一个特殊功能，而是一种提示技巧——在提示词里加上"请一步一步推理"，模型就能把隐式的推理过程显式化，把大任务自然分解成小步骤。

  • 思维树（ToT）：CoT的升级版。CoT是一条线，ToT是一棵树——每一步都探索多种可能性，用广度优先或深度优先搜索来找最优路径。复杂问题用CoT可能走进死路，ToT能回溯重试。

自我反思

规划不是一次性的，好的Agent要能"反思自己的决定"。这里有三个框架很重要：

  • ReAct（后面会详细展开）：边推理边行动，边行动边观察反馈，构成循环。
  • Reflexion：让Agent在行动后回顾"我做得怎么样"，用过去的反思改进下一轮决策。
  • CoH（Chain of Hindsight）：向模型展示一系列带反馈的历史输出，让它学会从失败中改进。

这三者的共同点：Agent不再是一次性给出答案的机器，而是有了迭代和进化的能力。

2. 记忆（Memory）：大模型的"四种脑子"

这是最容易被忽略，却极其重要的部分。

很多人以为大模型"天生有记忆"，或者"记忆就是上下文窗口"。其实，大模型的记忆有四种不同的机制，每种来源不同、作用不同：

第一种：预训练记忆（参数记忆）

这是大模型最"深层"的记忆。GPT-4在训练时看过互联网上海量的文本，这些知识被压缩进了数十亿个神经元权重里。它"知道"水是湿的、合同有法律效力、Python用缩进控制结构——这些不需要任何提示，是天生就有的。

但这种记忆有一个关键缺陷：一旦训练完成，就固定了。 今天发生的新闻、你公司内部的数据，它一概不知。

第二种：上下文记忆（短期记忆）

这就是你和大模型对话时的"当前窗口"。把历史对话全部塞进prompt，模型就能"记住"前面说了什么。这属于提示工程的范畴。

局限也很明显：上下文窗口有限，长对话后早期内容会被截断或遗忘。用人类来比喻，这就是"工作记忆"——容量有限、不持久。

第三种：微调记忆（长期参数记忆）

在更具体的数据集上进一步训练模型，让它"专精"某个领域。比如把大量医疗病历喂给模型做微调，它在医疗问答上的表现就会显著提升。

这种方式成本高、周期长，适合垂直场景的深度定制，不适合频繁更新知识。

第四种：外部记忆系统（向量数据库）

这是给大模型加"外挂第二大脑"的方式，也是RAG（检索增强生成）技术的核心。

把大量文档、知识库、历史记录向量化存储，每次对话时先检索相关内容塞进上下文，模型就能"参考"远超上下文窗口的外部知识。

想象一下：一个法律AI Agent，它的"脑子"里不仅有预训练的法律常识，还能实时检索最新的法律法规数据库。这就是外部记忆的价值。

四种记忆的关系：

记忆类型 容量 更新速度 持久性
预训练 极大 极慢（重训） 永久
上下文 有限 实时 会话内
微调 较大 慢（重训） 永久
外部系统 无限 实时 持久

真正强大的Agent，需要把这四种记忆协同使用。

3. 工具调用（Tool Use）：从"大脑"到"手脚"

这是Agent与ChatGPT最本质的差别。

ChatGPT只有一颗大脑，它能说、能想，但它的世界终结于对话框。没有工具调用能力的AI，再聪明也只能"想"，不能"做"。

工具调用让Agent有了"手脚"：

  • 搜索工具：知识库不够用？去搜索引擎找最新信息。
  • 计算器：让模型算复杂数学，不靠"猜"而靠精确计算。
  • 代码执行器：让模型写完代码直接跑，看真实输出。
  • 日历、邮件、数据库API……几乎任何外部系统都可以封装成工具。

举个实际例子。假设Agent接到任务："帮我找到今天北京最便宜的一束玫瑰花，并估算一下100元预算能买几束。"

没有工具的模型：凭训练数据里的"记忆"给出一个可能严重过时的价格。

有工具的Agent的执行路径：

  1. 调用搜索工具，查询"北京玫瑰花今日价格"
  2. 收到搜索结果，提取价格数据
  3. 调用计算器，计算100÷单价
  4. 综合信息，输出最终答案

这两者的差距，不是"准不准"的问题，而是"能不能做到"的问题。

工具调用的挑战在于：

  • Agent需要知道何时用工具（不是每个问题都要调工具）
  • Agent需要知道用哪个工具（工具选择策略）
  • Agent需要协调多个工具的使用顺序（复杂任务下的工具编排）

这些问题，恰好是ReAct框架要解决的。

4. ReAct框架：把三件事串起来的"推理引擎"

ReAct（Reasoning + Acting）是2022年由Shunyu Yao等人在论文中提出的框架，发表于ICLR 2023。

它的核心思想极其简洁：把推理和行动交织在一起，形成循环。

ReAct的循环只有三步：

思考（Thought）→ 行动（Action）→ 观察（Observation）→ 思考……

每一轮：

  1. 思考：评估当前情况，决定下一步要做什么
  2. 行动：执行决定（可能是调用工具，可能是直接输出）
  3. 观察：收集行动的反馈结果

然后把"观察"的结果输入下一轮"思考"，循环往复，直到任务完成。

这个循环有多重要？

来看一段真实的Agent执行过程（书中原文）：

问题：当前Agent最新研究进展是什么？

思考：我需要搜索关于Agent的最新研究
行动：Search（"Agent最新研究进展"）
观察：[搜索结果：多篇论文摘要...]

思考：搜索结果提到了AI对齐，我需要更多信息
行动：Search（"Agent AI alignment 2024"）
观察：[更多搜索结果...]

思考：现在我掌握了足够信息
最终答案：多Agent强化学习、AI对齐等领域已取得重大进展...

注意：相同的问题，Agent两次运行给出了不同的搜索策略和不同的答案。 这不是bug，这是Agent在动态地"思考"如何解决问题。它不是硬编码的流程，而是实时推理的产物。

这正是ReAct框架的精髓：操作的序列不是硬编码在代码里的，而是由大模型实时决定的。 这是AI自主决定应用程序逻辑的新编程范式。

三、四个要素怎么协同工作？

现在把四件事放在一起看：

用户输入任务
    ↓
[规划] 大模型分析任务，制定执行计划
    ↓
[记忆] 检索相关历史信息和外部知识
    ↓
[ReAct循环]
  思考 → 行动（调用工具） → 观察结果 → 思考 → ...
    ↓
任务完成，输出结果
    ↑
[记忆] 将本次交互结果存入记忆系统

用书中KwaiAgents项目的架构来描述：

  1. 接收任务：输入查询+背景知识+人设指令
  2. 记忆更新：确认记忆系统是最新状态
  3. 记忆检索：从记忆库中取出相关信息
  4. 任务规划：大模型生成包含工具调用计划的执行序列
  5. 工具执行：按计划调用工具，观察结果
  6. 循环判断：任务完成则输出，否则继续规划
  7. 总结输出：整合所有信息，生成最终答案

这七步，就是一个完整的Agent工作循环。

四、除了ReAct，还有哪些认知框架？

ReAct是最主流的，但不是唯一的。书中还介绍了几个值得了解的框架：

函数调用（Function Calling）：OpenAI提出的方式。大模型作为"调度中心"，直接调用预定义的函数。比ReAct更结构化，适合与现有系统深度集成。

计划与执行（Plan-and-Execute）：先完整规划所有步骤，再统一执行。ReAct是边想边做，这个是先想好再做。适合确定性高、步骤清晰的复杂任务。

自问自答（Self-Ask）：让大模型对自己的问题提出追问，层层深入。适合需要多角度分析的复杂查询。

批判修正（Critique-Revise）：也叫Self-Reflection。模型先输出，再批判自己的输出，再修正，循环直到满意。适合创作、分析类任务。

思维链 / 思维树（CoT / ToT）：前文已讲，线性推理 vs. 树状搜索，复杂度越高越倾向用ToT。

选哪种框架，取决于任务类型和环境确定性。没有最好的框架，只有最合适的框架。

五、用50行代码跑起来一个真正的Agent

理论说够了，来看代码。

书中用LangChain + OpenAI + SerpApi，实现了一个会自主搜索并总结"Agent最新研究进展"的Agent。核心逻辑不超过50行：

from langchain import hub
from langchain_openai import OpenAI
from langchain_community.utilities import SerpAPIWrapper
from langchain.agents.tools import Tool
from langchain.agents import create_react_agent, AgentExecutor

# 1. 获取ReAct提示模板（来自LangChain Hub社区）
prompt = hub.pull("hwchase17/react")

# 2. 创建大模型实例（推理引擎）
llm = OpenAI()

# 3. 定义工具（Agent的手脚）
search = SerpAPIWrapper()
tools = [Tool(
    name="Search",
    func=search.run,
    description="当大模型没有相关知识时，用于搜索知识"
)]

# 4. 构建ReAct Agent
agent = create_react_agent(llm, tools, prompt)

# 5. 创建执行器并运行
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
agent_executor.invoke({"input": "当前Agent最新研究进展是什么？"})

五步，每一步对应一个要素：

  • hub.pull：加载ReAct框架的提示（规划指南）
  • OpenAI()：推理引擎（大脑）
  • Tool(Search...)：工具（手脚）
  • create_react_agent：把三者组合成一个Agent
  • AgentExecutor.invoke：触发ReAct循环，自主完成任务

最关键的是这个ReAct提示模板。 它的内容大致是：

尽你所能回答以下问题。你可以使用以下工具：{工具列表}

请按格式回答：
问题：{输入问题}
思考：你应该思考接下来怎么做
行动：从工具列表中选一个
行动输入：工具的输入参数
观察：工具的执行结果
...（可重复N次）
思考：我现在知道答案了
最终答案：最终答案

正是这个提示，让大模型从"生成文本的模型"变成了"遵循ReAct框架思考并行动的Agent"。 提示工程的价值，在这里体现得淋漓尽致。

六、写在最后：这四件事为什么如此重要

我们来把整篇文章做一个收束。

Agent的四大要素——规划、记忆、工具、执行——本质上对应了人类完成复杂任务的四种能力：

  • 规划 = 思维能力：把大问题拆成小问题
  • 记忆 = 知识积累：知道的越多，决策越准
  • 工具 = 行动能力：不只是想，还能做
  • ReAct循环 = 反馈适应：做完看结果，不对就调整

这四者缺一不可。一个没有规划的Agent，面对复杂任务只会乱撞；一个没有记忆的Agent，每次都从零开始；一个没有工具的Agent，只能说不能做；一个没有执行反馈的Agent，永远不知道自己做对了没有。

更重要的是：这个架构不是一成不变的。 随着大模型能力提升、工具生态完善，Agent的边界会持续扩展。从今天的"会搜索会调API"，到未来的"会操控机器人、会管理企业流程"，走的是同一条路。

理解这个底层架构，你才能判断一个"Agent产品"到底做到了几层，哪里是真正的壁垒，哪里还有空白。

那才是这件事真正有意思的地方。

posted @ 2026-06-15 09:39  Ruby_Lu  阅读(125)  评论(0)    收藏  举报