94. 什么是 AI Agent？它和传统的 LLM 有什么区别？

难度 P0 必背 · 岗位 应用 · 频率 ★★★ · 预计阅读 10 min

本题阅读地图

1. 💡 简要回答
2. 📝 详细解析
3. 🎯 面试总结

👔面试官：什么是 AI Agent？和大模型有什么区别？

🙋‍♂️我：Agent 是能自主完成任务的人工智能系统，可以调用工具、做规划。LLM 只是生成文本，Agent 是完整的行动闭环。

👔面试官：Agent 的核心能力是什么？为什么说 LLM 是 Agent 的「大脑」？

🙋‍♂️我：核心能力是规划、记忆、工具使用。LLM 提供推理和决策能力，但 Agent 需要额外的模块来执行行动。

👔面试官：Agent 架构的必备组件有哪些？各有什么作用？

好，这道题要深入理解 Agent 的本质和架构。

TL;DR 速记

• 是什么：AI Agent 是能感知环境、做出决策并执行行动来达成目标的智能体。
• 关键点：传统 LLM 主要生成文本，Agent 在 LLM 之外补上规划、记忆、工具和执行闭环。
• 怎么答：先做 LLM vs Agent 对比，再讲 Planning、Memory、Tools、Execution 四个组件和 ReAct 循环。

图解

LLM 到 Agent 的能力扩展

💡 简要回答

AI Agent：能够感知环境、做出决策并执行行动以实现目标的智能体。

vs 传统 LLM：

特性	传统 LLM	AI Agent
核心功能	文本生成	任务执行
交互方式	一问一答	多轮自主执行
工具使用	不能	能调用外部工具
记忆能力	上下文有限	长期记忆
规划能力	单步推理	多步规划
环境感知	无	能获取环境反馈

Agent 核心架构（ReAct 风格）：

感知（Perception）→ 规划（Planning）→ 行动（Action）→ 记忆（Memory）
         ↑_________________________________________↓

必备组件：

1. 规划模块（Planning）：分解任务、制定策略
2. 记忆模块（Memory）：存储上下文、经验、知识
3. 工具模块（Tools）：调用外部 API、函数
4. 执行模块（Execution）：将决策转化为行动

📝 详细解析

从 LLM 到 Agent 的演进

LLM 的局限：

问题 1：无法获取实时信息
用户："今天北京天气怎么样？"
LLM："作为 AI，我无法获取实时信息..."

问题 2：无法执行操作
用户："帮我订一张明天去上海的机票"
LLM："我无法执行预订操作..."

问题 3：无法长期维护状态
用户："记住我的偏好"
LLM：下次对话会遗忘

问题 4：单步推理局限
复杂任务无法自动分解执行

Agent 的解决：

解决方案 1：工具调用
- 调用天气 API 获取实时数据
- LLM 分析 API 返回结果

解决方案 2：行动执行
- 调用订票系统接口
- 完成实际预订操作

解决方案 3：记忆存储
- 将偏好写入数据库
- 后续对话检索使用

解决方案 4：规划执行
- 任务分解：订机票 → 查航班 → 选座位 → 支付
- 每步调用相应工具
- 根据反馈调整计划

Agent 核心组件详解

1. 规划模块（Planning）

功能：
- 任务分解（Task Decomposition）
  复杂任务 → 子任务序列

- 计划制定（Plan Formulation）
  确定执行步骤和依赖关系

- 推理决策（Reasoning）
  每一步选择最优行动

架构模式：
- ReAct：推理 + 行动交替
- Chain-of-Thought：逐步推理
- Tree-of-Thoughts：多路径探索
- Reflexion：自我反思改进

2. 记忆模块（Memory）

短期记忆（Short-term Memory）：
- 当前对话上下文
- 近期执行历史
- 实现：上下文窗口、Sliding Window

长期记忆（Long-term Memory）：
- 用户画像和偏好
- 历史任务经验
- 领域知识库
- 实现：向量数据库、知识图谱、传统数据库

记忆操作：
- 存储（Write）：将信息持久化
- 检索（Read）：根据当前查询获取相关信息
- 更新（Update）：修改已有记忆

3. 工具模块（Tools）

工具类型：
- 信息获取：搜索、数据库查询、API 调用
- 计算能力：代码执行、计算器、公式求解
- 外部服务：邮件、日历、订票、购物
- 专业系统：CRM、ERP、内部工具

工具调用格式：
{
    "thought": "需要获取天气信息",
    "action": "get_weather",
    "action_input": {"city": "北京"}
}

工具返回处理：
- 解析返回结果
- 决定下一步行动
- 或整合结果生成最终回答

4. 执行模块（Execution）

功能：
- 将高层计划转化为具体行动
- 处理工具调用的实际执行
- 管理执行状态和错误处理

实现方式：
- 同步执行：一步一步按顺序执行
- 异步执行：并行执行独立子任务
- 人机协作：需要时请求人工确认

Agent 的工作循环

典型 ReAct 循环：

1. 观察（Observation）
   - 接收用户输入或环境反馈

2. 思考（Thought）
   - LLM 分析当前状态
   - 决定下一步行动

3. 行动（Action）
   - 调用工具或生成回复

4. 观察结果（Observation）
   - 获取工具返回或环境变化

5. 循环或终止
   - 任务完成 → 输出最终结果
   - 未完成 → 回到步骤 2

Agent 的层级

Level 1 - 简单反射（Simple Reflex）
- 条件-行动映射
- 无状态、无规划

Level 2 - 基于模型的反射（Model-based）
- 维护内部世界模型
- 状态跟踪

Level 3 - 目标驱动（Goal-based）
- 有明确目标
- 选择能实现目标的行动

Level 4 - 效用驱动（Utility-based）
- 评估不同结果的效用
- 选择最优解

Level 5 - 学习型（Learning）
- 从经验中改进
- 自适应环境变化

当前 LLM-based Agent 主要在 Level 3-5

常见踩坑与反例

• 踩坑 1：只说 Agent 能调工具。工具只是组件之一，还要讲规划、记忆、执行和反馈循环。
• 踩坑 2：把 LLM 和 Agent 对立起来。LLM 通常是 Agent 的大脑，Agent 是围绕 LLM 搭出的行动系统。
• 踩坑 3：只列概念，不讲工作循环。面试要能说清 Observation、Thought、Action、Observation 的闭环。
• 踩坑 4：忽略环境反馈。Agent 不是一次性生成答案，而是根据工具返回和环境变化调整下一步。
• 踩坑 5：不提工程边界。落地时还需要安全、权限、成本、超时和日志，而不只是模型能力。

面试官可能继续追问

• 追问 1：为什么说 LLM 是 Agent 的大脑？ LLM 负责理解、推理和决策，但动作由工具和执行层完成。
• 追问 2：Planning 和 Execution 怎么分工？ Planning 负责拆任务和选策略，Execution 负责按工具协议执行并处理失败。
• 追问 3：Memory 有什么作用？ 短期记当前任务状态，长期记用户偏好、经验和外部知识。
• 追问 4：ReAct 的价值是什么？ 把推理和行动交替起来，让模型能边观察、边行动、边修正。

🎯 面试总结

这道题容易踩的雷：

1. 只说 Agent 能调用工具：不知道规划、记忆也是核心能力。

2. 分不清层级：不知道 Agent 和 LLM 的关系是能力扩展。

3. 不了解架构组件：说不出 Planning、Memory、Tools 的具体作用。

答题要点：

• 明确定义 Agent（感知-规划-行动闭环）
• 对比 LLM 和 Agent 的能力差异
• 详细说明四大核心组件
• 解释 ReAct 工作循环
• 提一句 Agent 的能力层级

---

来源参考：ReAct: Synergizing Reasoning and Acting in Language Models, LLM Powered Autonomous Agents, AutoGPT

---

章节首页 · ← Q93 · Q95 →