AI Agent界的10个「绝世武功」：从入门到落地的实用设计模式

关键词

AI Agent设计模式、多Agent协作、ReAct、Plan-and-Execute、AutoGPT变种、Few-Shot Agent、记忆增强Agent、角色导向Agent、任务分解Agent、工具调用Agent、安全控制Agent

---

摘要

从ChatGPT的单轮对话到AutoGPT的自主探索，再到现在落地于企业的智能客服、智能办公助手、金融风控预警系统，Agent（智能体） 正在从「实验室玩具」变成「数字生产力」。但Agent开发绝不是把大模型+联网搜索+计算器随便堆在一起就行——就像写代码需要设计模式（比如单例、工厂、观察者）来保证可扩展性、可维护性和鲁棒性，Agent开发同样有一套沉淀下来的「思维框架」和「最佳实践」，我们称之为「Agent设计模式」。

这篇文章将像武侠小说讲绝世武功一样，拆解我在过去2年Agent开发实战中最喜欢、最实用的10个核心设计模式：

1. 从「试错式探索」到「可控式推理」的ReAct模式
2. 把「复杂任务」拆成「简单步骤」再逐个执行的Plan-and-Execute模式
3. 适合新手入门但潜力巨大的Few-Shot Few-Shot Agent模式（双重Few-Shot）
4. 让Agent「记住过去」「学习经验」的长期记忆+短期工作记忆增强模式
5. 赋予Agent「明确身份、性格、专业知识」的角色导向Agent模式
6. 复杂任务交给「专家团队」而非「全能选手」的多Agent协作之分层决策模式
7. 多Agent协作中「各司其职、有序沟通」的多Agent协作之消息队列模式
8. 防止Agent「胡作非为」「泄露隐私」的安全控制Agent模式
9. 让Agent「能操作Excel、发邮件、订机票」的多工具聚合+工具选择优化模式
10. 从「失败案例中吸取教训」的自我反思Agent模式

每个模式我都会：

• 用武侠类比/生活场景比喻讲清楚「是什么」
• 用Mermaid流程图/ER图/架构图讲清楚「怎么工作」
• 用Python+LangChain v0.3.x写一段「可运行的极简代码」（不是玩具级的演示，是能直接用到项目里的原型）
• 用真实落地案例讲清楚「适合什么场景」「避坑指南是什么」
• 最后用核心属性对比表把10个模式放在一起，帮你快速选对模式

这篇文章适合所有想入门或进阶Agent开发的开发者、产品经理、技术负责人——哪怕你是第一次接触LangChain，只要跟着一步步走，也能写出第一个能用的Agent。全文约12000字，建议收藏后慢慢读，配合代码练习效果更佳！

---

第一章 背景介绍：为什么我们需要Agent设计模式？

核心概念

本章的核心概念是：Agent开发的痛点、设计模式在Agent开发中的作用。

---

问题背景

1.1.1 Agent的爆发：从ChatGPT到「数字员工」

2022年11月ChatGPT发布，开启了通用人工智能（AGI）的「序章」；2023年3月AutoGPT发布，第一次让普通用户看到了「Agent能自主完成任务」的可能性——比如搜索最新的AI新闻、写一篇2000字的分析报告、甚至用Python代码修复自己的bug；2023年下半年到2024年，Agent开始从C端的「玩具」落地到B端的「数字生产力工具」：

• 电商行业：用Agent做智能选品、智能客服、智能物流调度；
• 金融行业：用Agent做金融情报收集、股票分析、风控预警；
• 教育行业：用Agent做个性化学习助手、作文批改、编程助教；
• 企业内部：用Agent做智能文档整理、会议纪要生成、代码审查、运维告警处理。

根据Gartner的预测，到2027年，全球将有超过70%的企业使用3个以上的Agent来完成日常工作——Agent已经成为AI应用落地的「核心载体」。

---

1.1.2 Agent开发的「三大痛点」

但Agent开发远没有想象中那么简单——在我过去2年的实战中，见过太多项目「初期很美好，中期走偏了，后期烂尾了」，总结下来主要有三大痛点：

痛点1：「全能选手」的幻觉

很多新手开发者一开始都会想：「我要做一个能解决所有问题的超级Agent！」——但实际上，没有任何一个大模型（哪怕是GPT-4o、Claude 3.5 Sonnet）是真正的「全能选手」：

• 大模型没有「实时信息」——比如问GPT-4o「今天的上证指数是多少？」，它只会回答「我没有实时数据访问权限」；
• 大模型没有「精确计算能力」——比如问它「3.1415926 × 2.7182818 × 1000000 ÷ 7」，它可能会给你一个近似值，但如果是做金融风控的精确计算，这个近似值就会带来巨大的风险；
• 大模型没有「操作外部系统的能力」——比如问它「帮我给张总发一封邮件，主题是‘今天的会议推迟到下午3点’」，它只会给你写一封邮件的模板，但不会真的登录你的邮箱发送；
• 大模型经常「胡言乱语」（专业术语叫「幻觉」）——比如问它「2024年诺贝尔物理学奖得主是谁？」（假设现在还没公布），它可能会编一个假名字出来。

痛点2：「自主探索」的不可控

AutoGPT的核心逻辑是「自主探索」——给它一个目标，它会自己思考「下一步该做什么」「用什么工具」「怎么验证结果」，直到目标完成。但「自主探索」在企业级场景中是绝对不可接受的：

• 它可能会「泄露隐私」——比如为了写一篇分析报告，它会自动登录你的企业网盘，下载所有相关的机密文档；
• 它可能会「浪费资源」——比如为了搜索一条新闻，它会连续调用几十次API，花掉几百块钱；
• 它可能会「做出错误的决策」——比如为了完成「股票收益最大化」的目标，它可能会把你的所有钱都投入到一只高风险的股票里；
• 它可能会「卡在循环里出不来」——比如它会先搜索「什么是AI Agent」，然后再搜索「AI Agent的定义」，接着又搜索「AI Agent是什么意思」，无限循环。

痛点3：「代码混乱」的不可维护

很多新手开发者写Agent代码时，都是「想到哪写到哪」——把大模型调用、工具调用、记忆处理、逻辑判断都堆在一个Python文件里，可能一开始只有几百行代码，还能看懂，但过了几个月，代码变成了几千行甚至几万行，连自己都看不懂了，更别说维护和升级了：

• 比如你想换一个大模型（从GPT-4o换成Claude 3.5 Sonnet），你需要把所有调用大模型的地方都改一遍；
• 比如你想加一个新工具（从「联网搜索」变成「联网搜索+天气预报+股票查询」），你需要把所有工具选择的逻辑都改一遍；
• 比如你想加一个安全控制（比如不能下载企业网盘的机密文档），你需要把所有逻辑判断的地方都插一段代码进去。

---

问题解决：Agent设计模式的「三大作用」

设计模式最早是由GoF（Gang of Four，四人帮）在1994年出版的《设计模式：可复用面向对象软件的基础》一书中提出的——它是「在软件设计中针对特定问题的可复用解决方案」。同样，Agent设计模式就是「在Agent开发中针对特定问题的可复用思维框架和最佳实践」。

Agent设计模式的核心作用有三个：

作用1：解决「全能选手的幻觉」——让Agent「做自己擅长的事」

通过设计模式，我们可以把「复杂的任务」拆成「简单的步骤」，把「全能的目标」拆成「多个专业的子目标」，让不同的Agent（或不同的模块）「做自己擅长的事」——比如让「搜索专家Agent」负责搜索实时信息，让「计算专家Agent」负责精确计算，让「邮件专家Agent」负责发送邮件，让「验证专家Agent」负责验证结果是否正确。

作用2：解决「自主探索的不可控」——让Agent「在规则内做事」

通过设计模式，我们可以给Agent设定「明确的规则」「明确的边界」「明确的目标」，让Agent「在规则内自主探索」，而不是「无限制的自主探索」——比如设定「最多调用10次API」「只能访问公开的网站」「不能下载超过10MB的文档」「每一步都要验证结果」。

作用3：解决「代码混乱的不可维护」——让Agent「代码结构清晰、可复用、可扩展」

通过设计模式，我们可以把Agent代码「模块化」「分层化」「解耦化」——比如把「大模型调用」封装成一个模块，把「工具调用」封装成一个模块，把「记忆处理」封装成一个模块，把「逻辑判断」封装成一个模块，模块之间通过明确的接口进行通信，这样你想换一个大模型、加一个新工具、加一个安全控制，都只需要修改对应的模块，而不需要修改整个代码库。

---

目标读者

这篇文章适合以下三类人群：

1. Agent开发新手：没有接触过LangChain或Agent开发，想从「零基础」入门的开发者；
2. Agent开发进阶者：已经写过一些简单的Agent，但遇到了「幻觉多」「不可控」「代码乱」的问题，想进一步提升的开发者；
3. 产品经理/技术负责人：想了解Agent开发的「最佳实践」，想规划Agent产品的「技术架构」的产品经理或技术负责人。

---

章节核心要素总结

核心要素	内容
核心概念	Agent开发的痛点、设计模式在Agent开发中的作用
问题背景	Agent的爆发、Agent开发的三大痛点（全能选手的幻觉、自主探索的不可控、代码混乱的不可维护）
问题解决	Agent设计模式的三大作用（解决幻觉、解决不可控、解决不可维护）
目标读者	Agent开发新手、进阶者、产品经理/技术负责人

---

第二章 核心概念解析：什么是Agent？Agent的「五脏六腑」是什么？

核心概念

本章的核心概念是：Agent的定义、Agent的核心组成模块（大脑、感知器、效应器、记忆系统、工具库）、Agent的核心属性对比（自主决策能力、记忆能力、工具使用能力、协作能力、安全能力）、Agent的ER实体关系图、Agent的交互关系图。

---

问题背景

在讲Agent设计模式之前，我们必须先搞清楚「什么是Agent」——如果连Agent的定义都不清楚，那设计模式就成了「无源之水、无本之木」。

---

问题描述

什么是Agent？Agent的核心组成模块是什么？不同类型的Agent有什么区别？

---

问题解决：一步步解析Agent的「定义」和「五脏六腑」

2.4.1 什么是Agent？（武侠类比+学术定义）

武侠类比

我们可以把Agent想象成武侠小说里的「侠客」：

• 侠客的「大脑」：就是Agent的「大语言模型（LLM）」——负责思考、推理、决策；
• 侠客的「眼睛、耳朵」：就是Agent的「感知器」——负责接收外部信息（比如用户的提问、实时的新闻、天气的变化）；
• 侠客的「手、脚、武器」：就是Agent的「效应器」和「工具库」——负责执行决策（比如发邮件、写代码、搜索信息、计算数学题）；
• 侠客的「记忆」：就是Agent的「记忆系统」——负责记住「过去的经历」（比如和用户的对话历史）、「学到的经验」（比如上次做类似任务的方法）、「外部的知识」（比如维基百科的内容）；
• 侠客的「江湖规矩」：就是Agent的「安全控制模块」——负责约束侠客的行为（比如不能滥杀无辜、不能偷东西）。

学术定义

在人工智能领域，Agent的经典定义是由Russell和Norvig在《人工智能：一种现代的方法》一书中提出的：

Agent是一个能够通过传感器感知环境，并通过效应器作用于环境的实体。

这个定义虽然很简洁，但涵盖了Agent的「三大核心特征」：

1. 感知能力：能够接收外部环境的信息；
2. 决策能力：能够根据感知到的信息做出决策；
3. 行动能力：能够根据决策作用于外部环境。

但在今天的「大模型时代」，Agent的定义已经被「扩展」了——我们可以把「大模型时代的Agent」定义为：

大模型时代的Agent是一个以大语言模型（LLM）为核心大脑，结合了感知器、效应器、记忆系统、工具库、安全控制模块的，能够自主或半自主地完成特定目标的智能实体。

这个扩展后的定义增加了「大语言模型为核心大脑」「自主或半自主完成特定目标」「记忆系统」「工具库」「安全控制模块」这几个关键要素——这也是今天我们开发Agent时必须考虑的。

---

2.4.2 Agent的「五脏六腑」：核心组成模块（Mermaid架构图）

根据扩展后的定义，大模型时代的Agent主要由6个核心组成模块构成——我们可以用Mermaid架构图把它们画出来：

下面我们来逐个解释这6个核心组成模块：

模块1：感知器（Sensor）

感知器是Agent的「眼睛、耳朵、鼻子」——负责接收外部环境的信息。

感知器的输入来源主要有三个：

1. 用户：比如用户的提问、指令、反馈；
2. 外部API/系统：比如天气API、股票API、邮箱系统、企业网盘、钉钉/企业微信；
3. 外部数据库：比如维基百科、金融数据库、企业内部知识库、用户历史行为数据库。

感知器的输出是「结构化的感知信息」——比如把用户的自然语言提问转换成「JSON格式的结构化指令」，把外部API返回的「非结构化的HTML」转换成「结构化的JSON」。

模块2：核心大脑（LLM）

核心大脑是Agent的「心脏、大脑中枢」——负责思考、推理、决策。

核心大脑的输入来源主要有三个：

1. 感知器：结构化的感知信息；
2. 记忆系统：历史对话、经验、知识；
3. 工具库：工具返回的结果。

核心大脑的输出主要有五个：

1. 思考/推理过程：比如「我需要先搜索今天的上证指数，然后再计算它的涨跌幅，最后给用户一个分析报告」；
2. 安全验证请求：把自己的决策发给安全控制模块，验证是否符合规则；
3. 工具调用请求：比如「调用‘联网搜索’工具，搜索‘2024年10月10日的上证指数’」；
4. 执行指令：比如「调用效应器，给用户发一个‘搜索完成’的消息」；
5. 更新记忆请求：比如「把今天的对话历史、搜索到的上证指数、分析报告都存到记忆系统里」。

今天我们开发Agent时，常用的核心大脑有：

• OpenAI系列：GPT-4o、GPT-4o Mini、GPT-4 Turbo、GPT-3.5 Turbo；
• Anthropic系列：Claude 3.5 Sonnet、Claude 3 Opus、Claude 3 Haiku；
• 谷歌系列：Gemini 1.5 Pro、Gemini 1.5 Flash；
• 国产系列：通义千问4.0、文心一言4.0、智谱清言GLM-4、讯飞星火4.0。

模块3：记忆系统（Memory）

记忆系统是Agent的「大脑皮层、海马体、硬盘」——负责记住「过去的经历」「学到的经验」「外部的知识」。

记忆系统一般分为三层（就像人类的记忆一样）：

1. 短期工作记忆（Short-Term Working Memory）：就像人类的「大脑皮层」——负责记住「当前正在处理的信息」，比如「当前的对话轮次」「上一步的工具返回结果」，容量很小（一般只有几十到几百个token），保存时间很短（一般只有当前的对话结束就会清空）；
2. 长期对话记忆（Long-Term Conversation Memory）：就像人类的「海马体」——负责记住「和用户的所有对话历史」，容量较大（一般可以存储几千到几万个token），保存时间较长（一般可以保存几天到几个月）；
3. 长期知识库记忆（Long-Term Knowledge Base Memory）：就像人类的「硬盘」——负责记住「外部的知识」，比如维基百科的内容、企业内部的文档、用户的历史行为数据，容量非常大（可以存储几百万到几千万个token），保存时间非常长（可以永久保存）。

长期知识库记忆一般需要配合向量数据库（Vector Database） 使用——比如把外部知识切成「小片段（Chunk）」，然后用「嵌入模型（Embedding Model）」把每个小片段转换成「向量（Vector）」，存到向量数据库里；当Agent需要用到外部知识时，就把用户的提问转换成向量，然后在向量数据库里搜索「最相似的几个小片段」，把它们作为「上下文（Context）」发给核心大脑。

今天我们开发Agent时，常用的向量数据库有：

• 开源系列：ChromaDB、FAISS、Pinecone的开源替代品Qdrant、Weaviate；
• 托管系列：Pinecone、Weaviate Cloud、Zilliz Cloud（基于Milvus）。

常用的嵌入模型有：

• OpenAI系列：text-embedding-3-small、text-embedding-3-large、text-embedding-ada-002；
• Sentence-Transformers系列：all-MiniLM-L6-v2、all-mpnet-base-v2；
• 国产系列：通义千问的嵌入模型、文心一言的嵌入模型、智谱清言的嵌入模型。

模块4：工具库（Toolkit）

工具库是Agent的「武器库、工具箱」——负责给Agent提供「操作外部环境的能力」。

工具库中的工具可以分为三类：

1. 内置工具：大模型或Agent框架自带的工具，比如「计算器」「代码解释器」；
2. 第三方工具：通过API接入的外部工具，比如「联网搜索（Serper、Google Search API）」「天气查询（OpenWeatherMap）」「股票查询（Alpha Vantage）」「邮件发送（SendGrid）」「钉钉/企业微信消息发送」；
3. 自定义工具：开发者自己写的工具，比如「企业网盘文档下载」「企业内部知识库查询」「Excel表格处理」「Python代码执行（沙箱环境）」。

今天我们开发Agent时，常用的Agent框架都有「工具封装库」——比如LangChain的LangChain Tools、LlamaIndex的LlamaHub，可以帮助我们快速接入几百种第三方工具。

模块5：安全控制模块（Safety Controller）

安全控制模块是Agent的「紧箍咒、江湖规矩、法律」——负责约束Agent的行为，防止Agent「胡作非为」「泄露隐私」「浪费资源」。

安全控制模块的功能主要有五个：

1. 输入过滤：过滤用户的「恶意提问」「敏感提问」（比如「怎么制作炸弹」「怎么破解别人的密码」）；
2. 输出过滤：过滤核心大脑的「恶意输出」「敏感输出」「幻觉输出」；
3. 工具调用控制：限制Agent「调用哪些工具」「调用工具的次数」「调用工具的参数」（比如只能调用「公开的联网搜索工具」，最多调用10次，不能搜索敏感关键词）；
4. 数据访问控制：限制Agent「访问哪些数据」「访问数据的权限」（比如只能访问企业网盘的「公开文件夹」，不能访问「机密文件夹」）；
5. 行为审计：记录Agent的「所有行为」（比如用户的提问、核心大脑的思考过程、工具调用的请求和结果、执行指令的内容），方便后续的「审计」和「调试」。

今天我们开发Agent时，常用的安全控制工具/框架有：

• OpenAI Moderation API：用于输入和输出的内容过滤；
• LangChain的Safety Chain：用于Agent的安全控制；
• NVIDIA NeMo Guardrails：用于Agent的安全控制和行为约束；
• 自定义的沙箱环境：用于执行Python代码，防止Agent「破坏系统」。

模块6：效应器（Actuator）

效应器是Agent的「手、脚、嘴巴」——负责执行核心大脑的决策，作用于外部环境。

效应器的输出主要有三个：

1. 给用户的反馈：比如自然语言的回答、图表、视频；
2. 给外部API/系统的请求：比如调用天气API、调用邮箱系统、调用钉钉/企业微信；
3. 给外部数据库的请求：比如查询金融数据库、写入企业内部知识库。

---

2.4.3 Agent的核心属性对比（Markdown表格）

不同类型的Agent有不同的「核心属性」——我们可以用以下的「核心属性对比表」来区分它们：

核心属性	单轮对话Agent （比如普通的ChatGPT）	多轮对话Agent （比如有短期记忆的ChatGPT）	工具调用Agent （比如有联网搜索的ChatGPT）	ReAct Agent （结合推理和行动的Agent）	Plan-and-Execute Agent （先计划后执行的Agent）	多Agent协作系统 （比如AutoGPT的变种）	自我反思Agent （能从失败中吸取教训的Agent）
自主决策能力	★☆☆☆☆ （没有自主决策，只能回答用户的提问）	★☆☆☆☆ （没有自主决策，只能回答用户的提问）	★★☆☆☆ （有一定的自主决策，能选择是否调用工具）	★★★☆☆ （有较强的自主决策，能思考→行动→观察→思考循环）	★★★☆☆ （有较强的自主决策，能先制定计划，再逐个执行步骤）	★★★★☆ （有很强的自主决策，多个Agent能分工协作）	★★★★★ （有最强的自主决策，能从失败中吸取教训，调整策略）
记忆能力	★☆☆☆☆ （没有记忆，只能处理当前的单轮对话）	★★☆☆☆ （有短期对话记忆，能处理多轮对话）	★★☆☆☆ （有短期对话记忆，能处理多轮对话）	★★★☆☆ （有短期对话记忆+短期工作记忆，能记住思考过程和行动结果）	★★★☆☆ （有短期对话记忆+短期工作记忆，能记住计划和执行步骤）	★★★★☆ （有短期对话记忆+短期工作记忆+长期知识库记忆，多个Agent能共享记忆）	★★★★★ （有短期对话记忆+短期工作记忆+长期知识库记忆+长期经验记忆，能记住失败的教训）
工具使用能力	★☆☆☆☆ （没有工具使用能力，只能用内置的知识）	★☆☆☆☆ （没有工具使用能力，只能用内置的知识）	★★★★☆ （有很强的工具使用能力，能选择和调用多个工具）	★★★★☆ （有很强的工具使用能力，能在思考→行动→观察→思考循环中调用工具）	★★★★☆ （有很强的工具使用能力，能在执行步骤中调用工具）	★★★★★ （有最强的工具使用能力，多个Agent能分工使用不同的工具）	★★★★★ （有最强的工具使用能力，能根据经验调整工具的使用方式）
协作能力	★☆☆☆☆ （没有协作能力，只能单独工作）	★☆☆☆☆ （没有协作能力，只能单独工作）	★☆☆☆☆ （没有协作能力，只能单独工作）	★☆☆☆☆ （没有协作能力，只能单独工作）	★★☆☆☆ （有一定的协作能力，计划模块和执行模块能协作）	★★★★★ （有最强的协作能力，多个Agent能分工协作、有序沟通）	★★★★☆ （有很强的协作能力，能和其他Agent或用户协作调整策略）
安全能力	★★☆☆☆ （有一定的安全能力，只能靠大模型的内置过滤）	★★☆☆☆ （有一定的安全能力，只能靠大模型的内置过滤）	★★★☆☆ （有较强的安全能力，能靠工具调用控制）	★★★☆☆ （有较强的安全能力，能靠工具调用控制和思考过程监控）	★★★★☆ （有很强的安全能力，能靠计划审核和工具调用控制）	★★★★☆ （有很强的安全能力，能靠安全控制Agent）	★★★★★ （有最强的安全能力，能靠安全控制Agent和自我反思）
鲁棒性	★☆☆☆☆ （鲁棒性很差，很容易产生幻觉）	★★☆☆☆ （鲁棒性一般，多轮对话后容易产生幻觉）	★★★☆☆ （鲁棒性较强，能通过工具验证结果）	★★★★☆ （鲁棒性很强，能通过思考→行动→观察→思考循环验证结果）	★★★★☆ （鲁棒性很强，能通过计划审核和步骤验证）	★★★★★ （鲁棒性最强，能通过多个Agent的交叉验证）	★★★★★ （鲁棒性最强，能通过自我反思调整策略）
可扩展性	★★★☆☆ （可扩展性较强，代码结构简单）	★★★☆☆ （可扩展性较强，代码结构简单）	★★★☆☆ （可扩展性较强，代码结构比较清晰）	★★★★☆ （可扩展性很强，代码结构清晰）	★★★★☆ （可扩展性很强，代码结构清晰，计划和执行分离）	★★★★★ （可扩展性最强，模块化程度高，容易添加新的Agent）	★★★★★ （可扩展性最强，模块化程度高，容易添加新的反思模块）
开发难度	★☆☆☆☆ （开发难度很低，只需要调用大模型API）	★★☆☆☆ （开发难度较低，只需要调用大模型API+短期记忆）	★★★☆☆ （开发难度中等，需要调用大模型API+短期记忆+工具库）	★★★★☆ （开发难度较高，需要调用大模型API+短期记忆+工具库+ReAct逻辑）	★★★★☆ （开发难度较高，需要调用大模型API+短期记忆+工具库+Plan-and-Execute逻辑）	★★★★★ （开发难度很高，需要调用大模型API+记忆系统+工具库+多Agent协作逻辑）	★★★★★ （开发难度很高，需要调用大模型API+记忆系统+工具库+自我反思逻辑）

---

2.4.4 Agent的ER实体关系图（Mermaid ER图）

为了更清楚地理解Agent的「核心组成模块」之间的「实体关系」，我们可以用Mermaid ER图把它们画出来：

---

2.4.5 Agent的交互关系图（Mermaid Sequence Diagram）

为了更清楚地理解Agent的「核心组成模块」之间的「交互过程」，我们可以用Mermaid Sequence Diagram（时序图）把一个「简单的工具调用Agent的交互过程」画出来——比如用户问「今天的上证指数是多少？」，Agent调用「联网搜索工具」搜索答案，然后返回给用户：

---

边界与外延

2.5.1 Agent与Chatbot的区别

很多人会把「Agent」和「Chatbot（聊天机器人）」混淆——其实它们是两个完全不同的概念：

对比项	Chatbot（聊天机器人）	Agent（智能体）
核心目标	回答用户的提问、完成简单的对话任务	自主或半自主地完成特定的复杂目标
核心能力	自然语言理解（NLU）、自然语言生成（NLG）	自然语言理解（NLU）、自然语言生成（NLG）、自主决策、工具使用、记忆、协作
典型例子	普通的客服聊天机器人、FAQ聊天机器人	AutoGPT、LangChain的ReAct Agent、企业内部的智能文档整理Agent

2.5.2 Agent的外延：从「单Agent」到「多Agent系统」

Agent的外延很广——从「简单的单轮对话Agent」到「复杂的多Agent系统」：

1. 单Agent系统：只有一个Agent，单独完成任务——比如有联网搜索的ChatGPT、LangChain的ReAct Agent；
2. 多Agent系统（Multi-Agent System, MAS）：有多个Agent，分工协作完成任务——比如AutoGPT的变种（有「计划Agent」「执行Agent」「验证Agent」「反思Agent」）、企业内部的「智能办公助手系统」（有「日程管理Agent」「会议纪要生成Agent」「文档整理Agent」「邮件处理Agent」）。

---

本章小结

在这一章中，我们主要讲了以下几个内容：

1. 什么是Agent：用「武侠类比」和「学术定义」讲清楚了Agent的概念——大模型时代的Agent是一个以大语言模型为核心大脑，结合了感知器、效应器、记忆系统、工具库、安全控制模块的，能够自主或半自主地完成特定目标的智能实体；
2. Agent的「五脏六腑」：用「Mermaid架构图」逐个解释了Agent的6个核心组成模块——感知器、核心大脑、记忆系统、工具库、安全控制模块、效应器；
3. Agent的核心属性对比：用「Markdown表格」对比了8种不同类型的Agent的核心属性——自主决策能力、记忆能力、工具使用能力、协作能力、安全能力、鲁棒性、可扩展性、开发难度；
4. Agent的ER实体关系图和交互关系图：用「Mermaid ER图」讲清楚了Agent的核心组成模块之间的实体关系，用「Mermaid Sequence Diagram」讲清楚了一个简单的工具调用Agent的交互过程；
5. 边界与外延：讲清楚了Agent与Chatbot的区别，以及Agent的外延——从「单Agent」到「多Agent系统」。

下一章，我们将开始讲第一个Agent设计模式——ReAct模式，这是Agent开发中最基础、最实用、最经典的设计模式之一！