02-01 · 什么是 Agent

我们公司的所有产品形态，最终都要落到 "Agent" 这个执行单元上。这一节我们解决两件事：把 Agent 这个词讲清楚，以及 指给你一条系统学习路径（Hello-Agents）。

---

一、最朴素的定义

Agent ≈ 一个能"感知-思考-行动-反思"循环跑下去的 LLM 程序。

它和"普通 LLM 调用"的区别：

维度	普通 LLM 调用	Agent
单次/多步	单次输入输出	多步循环
工具使用	不用工具	能主动调用工具
状态	无状态	有短期/长期记忆
自主性	被动响应	主动规划、主动重试
失败处理	报错就完	自己反思、换方法

最经典的循环：

        ┌─────────────┐
        │   感知 Sense │  ← 读环境、读用户输入
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │   思考 Think │  ← 大模型推理：要做什么、用什么工具
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │   行动 Act   │  ← 调工具、改文件、发 HTTP 请求
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │   反思 Reflect│ ← 看结果是否符合预期，决定下一步
        └──────┬──────┘
               ↓
            （回到感知）

---

二、当下 Agent 的两大流派（重要）

流派	代表产品	本质
软件工程类 Agent	Dify、Coze、n8n	流程图驱动，LLM 只是流程里的某个节点。可视化、好上手、上限低。
AI 原生 Agent（Hello-Agents 流派）	Claude Code、Cursor Agent、AutoGen	LLM 是大脑，自主决策每一步。代码驱动、上限高、调试更难。

公司立场：我们以 AI 原生 Agent 为主。理由：

• 企业内部的"流程"我们已经用 n8n / Dify 跑了多年，但天花板很快到。
• 真正的杠杆来自"让 AI 自己想怎么干"。
• 这也是为什么我们要求每位未来股东都深入学 Hello-Agents，而不是只学 Dify。

---

三、必修课：Hello-Agents

3.1 课程地址

• 官网：https://hello-agents.datawhale.cc/
• GitHub：https://github.com/datawhalechina/hello-agents
• 作者：Datawhale 开源社区

3.2 它讲什么

模块	核心内容
第一篇 · 心法	从 LLM → Agent 的演进、范式分类
第二篇 · 经典范式	ReAct、Plan-and-Execute、Reflexion、Tree-of-Thought
第三篇 · 框架与协议	LangGraph、AutoGen、CrewAI、MCP、A2A
第四篇 · 实战	多 Agent 协作、企业 Agent、自我进化 Agent

3.3 我们的学法（公司方法论）

不要从头读到尾。 这本书的设计是教科书式的，全读会消耗你 2 周。我们的实操路径：

1. 先读"心法"前 3 章（30 分钟）：理解什么是 Agent、什么是 Tool Use、什么是 Memory。
2. 跳到 ReAct 章节（30 分钟）：这是现代 Agent 的基石范式，必读。
3. 跑通第四篇里的一个实战（2 小时）：选一个最贴近你方向的，跟着代码 step by step。
4. 回头按需查 LangGraph / AutoGen / CrewAI 章节：等你真要选框架时再读。

心法是不会过时的，框架是会过时的。先吃心法，框架按需查阅。

---

四、读完 Hello-Agents 你必须能回答的 5 个问题

请在你的 Obsidian 笔记里，亲手写答案（不是复制粘贴）：

1. ReAct 范式里的 Reasoning 和 Action 是怎么交替的？
2. 一个 Agent 的"记忆"包含哪几层？短期、长期、外部，分别怎么实现？
3. 给你一个"客服自动回复"需求，你会用 Workflow 流派还是 AI 原生流派？为什么？
4. 多 Agent 协作时，用 Manager-Worker 还是 Peer-to-Peer？什么场景用哪个？
5. Agent 调用工具失败时，可以有几种重试 / 反思策略？

---

五、公司常用 Agent 设计模式

我们日常项目里最常用的模式：

5.1 Single-Agent + Skills（最简单，80% 场景适用）

用户 → Agent（带一组 Skills）→ 结果

5.2 Manager-Worker 多 Agent（中等复杂度）

用户 → Manager Agent
              ├→ Researcher Agent
              ├→ Coder Agent
              └→ Reviewer Agent
       ↓
       汇总结果

5.3 Pipeline 多 Agent（无人监管流水线）

信号源 → Stage1 Agent → Stage2 Agent → ... → 交付
                ↓             ↓
             失败重试      失败重试

第三种是我们的终极形态。详见 06-Agent产品体系/01-无人监管流水体系.md。

---

六、参考资料

• 📚 Hello-Agents 在线版
• 📚 Hello-Agents GitHub
• 📚 ReAct 论文（Yao et al., 2022）
• 📚 Anthropic - Building effective agents

---

继续 → 02 · Agentic Engineering