笔者是一名刚入职的 AGI 工程师，会在这里分享自己的理解与项目实践，希望和大家一起学习、进步，共同探索真正的 AI Agent。
什么是 Agent？
Agent，即智能体，是在 LLM（大语言模型）基础上构建的更高级系统。
普通的 LLM 应用只是单次调用 API 进行对话——知识面极广，但每次对话都是"失忆"状态，不会记住上一轮说了什么。
一个完整的 Agent 通常由三大核心能力构成：
用户输入
│
▼
┌─────────────────────────────────┐
│ Agent │
│ │
│ 记忆系统 → 规划推理 → 工具调用 │
│ ↑ │ │
│ └────────────────────┘ │
└─────────────────────────────────┘
│
▼
输出结果 / 执行动作
核心能力一：记忆系统
这就引出了 Agent 的记忆系统。
目前 LLM 厂商主要面向通用问答场景，不会为个人定制对话管理方式，所以现阶段的主流解决方案是：把需要记住的内容手动拼接进 Prompt，或者本地部署 LLM 自行管理。
关于如何设计记忆系统，后续我会专门介绍笔者正在开发的一个开源记忆系统。有了记忆系统，就可以和 AI 进行真正的多轮对话了。
核心能力二：规划与推理（Planning）
有了记忆还不够——面对复杂任务，Agent 需要能自己拆解问题、制定步骤、逐步执行。
这就是规划能力（Planning）的作用。比如"帮我整理本周所有未回复的邮件并分优先级"，这个任务不是一步能完成的，Agent 需要：
- 判断要拆成哪几个子任务
- 决定每一步调用什么工具
- 根据中间结果动态调整后续步骤
目前主流的规划方案有 ReAct（推理+行动交替）、Chain-of-Thought（思维链）等，后续会专门介绍。
核心能力三：工具调用（Tool Calling）
但多轮对话之后会发现，光是"聊天"还远远不够，AI 需要能做事。
这时候就需要 Tool Calling（工具调用）：把工具的描述传给 LLM，让它自己判断该用哪个工具、传什么参数，再由本地代码去实际执行。
不同 LLM 在 Tool Calling 能力上差异显著，后续会出一期横向对比。
一个具体例子：Agent 是怎么工作的？
假设你对 Agent 说：“帮我查一下明天北京到上海的高铁，选最早一班买票。”
一个具备三大能力的 Agent 会这样处理：
| 步骤 | Agent 在做什么 |
|---|---|
| 1. 理解意图 | LLM 解析出：查票 + 筛选最早 + 购买 |
| 2. 规划拆解 | 拆成三个子任务：查询 → 筛选 → 下单 |
| 3. 调用工具 | 调用"查票 API"，获取班次列表 |
| 4. 推理决策 | 从结果中选出最早班次 |
| 5. 再次调用工具 | 调用"购票 API"，传入车次和乘客信息 |
| 6. 记住上下文 | 把整个过程存入记忆，下次可以追问"上次买的是几点的？" |
这就是 Agent 和普通聊天机器人的本质区别：不只是说，还能做。
后续计划
这个系列会持续更新，预计涵盖：
- 记忆系统实战：笔者开源记忆系统的设计与代码解析
- 规划能力深入：ReAct、CoT、Tree-of-Thought 横向对比
- Tool Calling 对比：主流 LLM（GPT-4o、Claude、Gemini、Qwen）工具调用能力实测
- 从零搭建一个 Agent：完整项目实战
欢迎关注，有问题或想法也欢迎在评论区交流。