Appearance
59. 什么是 AI Agent？与大模型有什么本质不同？
难度 P0 必背 · 岗位 应用 · 频率 ★★★ · 预计阅读 7 min
本题阅读地图
- 💡 简要回答
- 📝 详细解析
- 🎯 面试总结
👔 面试官：说说你理解的 AI Agent 是什么？
🙋 我：就是能调用工具的大模型，给它配几个 API，让它能联网搜索、查数据库之类的。
👔 面试官：工具调用不等于 Agent。一个能 Google 的 ChatGPT 就是 Agent 了？Agent 最核心的词是什么？
🙋 我：呃……自主性？它自己决定调哪个工具？
👔 面试官：还不够。自主决定只是一半。另一半呢？执行完一步之后呢？
被问懵了吧。其实答好这道题，抓住两个词就行：自主闭环。
TL;DR 速记
- 是什么：AI Agent 是能围绕目标自主规划、调用工具、感知结果并持续调整的系统。
- 关键点：与普通 LLM 的本质区别，是它有「感知 → 规划 → 行动 → 再感知」的执行闭环。
- 怎么答：别停在“会调工具”，要讲自主性、行动力、记忆/状态和闭环纠错。
图解
普通 LLM vs Agent
💡 简要回答
AI Agent 本质上是一个能自主完成复杂目标的 AI 系统。跟普通大模型最核心的区别，是它有一个运转的感知 → 规划 → 行动 → 再感知的闭环。
你给它一个目标，它会自己把任务拆解成多步，调用工具、查询记忆、感知执行结果，然后根据结果调整下一步，直到完成——而不是一问一答就结束。它不只是输出文字，而是真的能做事。
📝 详细解析
普通大模型的三道墙
要理解 Agent，得先搞清楚普通大模型的局限在哪。它被三道墙困住了：
第一道：知识被冻结。 训练数据有截止日期，你问它今天的新闻、最新的股价，它完全不知道。知识就像一个人高中毕业后再没看过新闻，永远停在那个时间点。
第二道：手脚被绑住。 你让它帮你发邮件、执行代码、操作数据库，它只能告诉你"你可以这样做……"，但自己做不到。它本质上是个文本生成器，所有输出都是一串文字，点"发送"的手它没有。
第三道：记忆是断的。 每次调用之间完全失忆。除非你手动把上下文传进去，否则它不记得刚才说了什么，更别说跨任务记住你的偏好了。
三道墙叠在一起，导致普通 LLM 只能做「一问一答」，稍复杂一点的多步任务完全无能为力。
Agent 凭什么不一样？
Agent 有一个核心闭环：感知 → 规划 → 行动 → 再感知。
你给它「帮我调研竞品然后整理成报告」，它不是直接输出一段文字了事，而是：先拆解任务（搜哪些关键词、访问哪些网站、怎么组织内容），然后一步步执行，每步结果反馈回来，再指导下一步。
这个闭环背后有三件核心事在撑着：
第一件：工具调用（Tool Use）——让 Agent 从「说话」变成「做事」的关键。Agent 能调用搜索引擎、代码执行器、数据库、API 等外部工具。有个容易混淆的点：不是模型自己执行，而是模型告诉你该调什么，你的代码去真正执行，结果再反馈给模型。模型始终只是大脑，不是手脚。一下子突破了前面三道墙：知识冻结？接搜索引擎。手脚被绑？接 API。
第二件：记忆机制——Agent 通常有短期和长期两层记忆。短期记忆是当前任务执行的中间状态，存在上下文里；长期记忆是跨任务的用户偏好、历史记录，通常存进向量数据库，需要时语义检索拿回来。有了这两层，Agent 执行复杂任务才不会「走到一半忘了目标是什么」。
第三件：多步推理与自我纠错——这是 Agent 跟简单自动化脚本最本质的区别。执行中某一步失败了，Agent 不会直接崩掉，它能感知失败、分析原因、换策略重试。搜索关键词 A 没找到有用信息，自己换关键词 B 再搜。API 报错了，看报错信息调整参数重调。这种「边做边反思」的能力，让 Agent 面对复杂不确定任务时，表现远比死板的自动化流程好得多。
为什么 Agent 现在才爆发？
Agent 的概念很早就有，为什么 2024、2025 年才真正火起来？三个条件同时成熟了：
- 大模型能力跨过「能用」门槛：从 GPT-4、Claude 3 这代开始，推理能力和指令遵循能力有了质的飞跃，模型真的能读懂复杂指令并做出合理的多步决策了。
- 工具调用标准化：OpenAI 2023 年推出 Function Calling，模型能以结构化 JSON 格式输出工具调用请求，各家模型厂商跟进，有了统一协议开发者才能方便地给模型接上各种外部能力。
- 配套生态完善：LangChain、LlamaIndex 大幅降低开发门槛，向量数据库解决长期记忆问题，MCP、A2A 等标准协议的出现进一步规范了生态。
三个条件凑齐，Agent 才从论文概念变成了工程实践。
常见踩坑与反例
- 踩坑 1：把 Agent 等同于工具调用。工具调用只是行动能力的一部分，Agent 的关键是自主规划和闭环执行。
- 踩坑 2：只讲“自己决定调哪个 API”。这只覆盖决策点，还要讲执行结果如何反馈并影响下一步。
- 踩坑 3：忽略模型和工具的边界。模型负责推理和决策，真正执行由外部代码、工具或系统完成。
- 踩坑 4：不提记忆和状态。复杂任务需要短期状态、历史轨迹和长期偏好，否则很容易中途丢目标。
面试官可能继续追问
- 追问 1：Agent 和普通自动化脚本有什么区别？ 脚本是固定流程，Agent 能根据反馈动态规划、换策略和纠错。
- 追问 2：最小 Agent 架构包含什么？ LLM 大脑、工具集合、运行循环、状态/记忆和安全边界。
- 追问 3：Agent 为什么现在才火？ 模型推理能力、结构化工具调用和生态框架同时成熟。
- 追问 4：生产落地最大风险是什么？ 长链路不稳定、权限失控、成本不可控和结果不可复核。
🎯 面试总结
这道题踩雷的方式通常有三种：
- 把 Agent 等同于「插件」或「工具调用」——工具调用只是 Agent 能力的一部分，不是 Agent 本身。
- 停在「能调工具」这一层——没有点出自主性，Agent 的关键不是「有工具」，而是「自己决定用不用、什么时候用、用哪个」。
- 忽略执行闭环——感知 → 规划 → 行动 → 再感知这个循环才是 Agent 区别于普通 LLM 的核心机制。
答题时抓住三件事：① Agent 有自主规划能力，给它复杂目标它能自己拆解成多步；② 它能行动，通过工具调用跟外部世界真实交互；③ 它有闭环，每步结果反馈回来指导下一步。最后别忘了补一句容易混的点：模型只负责大脑（决策），工具的真正执行是你的代码。