Chapter 01 · Foundation

Agent 不是“会聊天的 LLM”，而是一个会观察、决策、行动并循环的系统

这一份只做一件事：把最容易混淆的 LLM、Chatbot、Workflow、Agent、Tool Calling 一次分清。后面的 ReAct、Memory、MCP、LangGraph 都建立在这里。

1 个核心循环
Observe → Decide → Act

4 个关键组件
LLM / Tools / State / Runtime

3 个易混概念
Chatbot / Workflow / Agent

1 个原则
LLM 选工具，Runtime 执行

1. 什么是 Agent？

最小定义：Agent 是一个能够感知环境、基于目标做决策，并采取行动影响环境的系统。

Agent ≈ LLM + Tools + Loop + State

🧠

LLM：决策器

理解任务、判断下一步做什么、选择工具、组织最终回答。

ReasoningDecision

🛠

Tools：行动能力

搜索网页、读文件、运行 Python、查询数据库、调用 API 等。

ActionExternal World

🔁

Loop：反复执行

不是“一问一答”，而是根据新观察继续决策，直到任务完成。

IterativeAdaptive

📦

State：当前状态

保存当前目标、消息、工具结果、计划、执行进度等运行信息。

ContextProgress

关键判断：只要系统仍然只是“输入 → 模型 → 输出”，它更接近普通 LLM 应用；当系统开始根据环境结果反复选择动作，才真正出现 Agent 特征。

2. Agent Loop：全书最重要的骨架

以后无论看到 ReAct、LangGraph、Coding Agent、Browser Agent，第一件事都是问：它的循环在哪里？

Observe → Decide → Act → Observe → … → Finish

例子：今天青岛下雨时推荐室内景点

Observe：用户提出目标，但系统还不知道天气。

Decide：决定调用 get_weather("青岛")。

Act：Runtime 真正执行天气工具。

Observe：收到“今天小雨”。

Decide：继续调用室内景点搜索工具。

Finish：信息足够后生成最终答案。

3. Workflow vs Agent

最核心的区别不是“有没有 LLM”，而是：谁控制执行路径。

🧩

Workflow

Developer controls flow

路径事先写好，系统按固定逻辑执行。

if amount < 100: refund() else: human_review()

🤖

Agent

Model controls flow

下一步取决于当前环境、状态和模型判断。

while not finished: action = llm.decide(state, tools) result = execute(action) state.update(result)

维度	Workflow	Agent
执行路径	预定义	运行中动态决定
稳定性	通常更高	存在不确定性
成本	通常更低	通常更高
适合任务	规则明确、步骤固定	步骤未知、信息非结构化、需要动态决策
典型例子	审批流、固定 ETL	代码修复、网页研究、复杂搜索

工程原则：能用确定性 Workflow 解决的部分，不要为了“更像 Agent”而强行交给 LLM。真实系统通常是 Workflow + Agent 的混合。

4. LLM 在 Agent 里到底负责什么？

LLM 主要负责“判断”，而不是亲自执行系统操作。

🎯

理解目标

把自然语言需求转成任务意图和约束。

🧭

决定下一步

选择继续推理、调用工具、请求信息或结束。

🧱

结构化输出

生成 Tool Call、JSON、计划步骤或最终回答。

不要混淆：LLM 输出“我要调用 shell”并不等于 shell 已被执行。真正的执行权限属于 Runtime / Harness。

5. Tool Calling：模型选工具，Runtime 执行

这是进入现代 Agent 工程的关键分界线。

工具定义包含什么？

{ "name": "get_weather", "description": "查询某个城市的天气", "parameters": { "city": "string" } }

模型输出什么？

{ "name": "get_weather", "arguments": { "city": "青岛" } }

谁真正执行？

tool = tools["get_weather"] result = tool.run(city="青岛")

LLM chooses the tool ≠ LLM executes the tool

6. Agent 发展路线：只看主线，不背历史

真正需要记住：现代 LLM Agent 的变化，不是“模型会聊天”，而是 LLM 开始充当 Controller / Decision Maker，负责调度工具与任务执行。

7. 常见误区

误区 1：用了 LLM 就是 Agent

错误。固定的 “Prompt → LLM → Answer” 更接近普通 LLM 应用。

误区 2：用了工具就是 Agent

错误。如果工具调用顺序完全写死，本质仍可能是 Workflow。

误区 3：Agent 越自主越高级

错误。自主性意味着更多不确定性、成本与安全风险。

误区 4：LLM 能直接执行系统命令

错误。是否真正执行取决于 Runtime、权限和工具层。

8. 快速验收

先自己判断，再展开答案。

Q1：系统固定执行“读取 PDF → 总结 → 翻译 → 保存 Markdown”，属于什么？

Workflow。路径由开发者提前写死，即使每一步调用 LLM，也不因此变成 Agent。

Q2：系统根据报错不断决定“读 README / 改环境 / 重跑测试”，属于什么？

Agent。下一步取决于环境观察结果，存在动态决策循环。

Q3：模型输出 {"name":"run_python","arguments":...} 后，代码已经执行了吗？

没有。这只是 Tool Call 决策；真正执行需要 Runtime / Harness 调用对应工具。

9. 一页总结

Agent = LLM + Tools + Loop + State

Workflow：Developer controls flow

Agent：Model controls flow

LLM chooses tool ≠ Runtime executes tool

Observe → Decide → Act → Observe → … → Finish

下一份建议：第 4～5 章——ReAct、Plan-and-Solve、Reflection，以及为什么它们应该组合成 “Plan → Act → Observe → Reflect → Replan”。