AI Agent 完全入门（二）

二、本质变化：为什么会这样普通的大模型应用走的是“单次问答”模式。用户输入 -> 模型推理 -> 输出结果。一次调用结束。模型没有状态，没有目标，不会主动做下一步。Agent不同。它有一个“目标-规划-执行-观察”的循环。用户说“订机票”，Agent不会直接输出“我做不到”。它会先拆解：需要日期、目的地、预算。缺少信息就反问用户。拿到信息后调用查票接口。拿到结果后再调用下单接口。每一步都依赖上一步的输出。本质是把“一次性生成”变成了“多步推理+行动”。这个变化对工程的意义很大。因为每一步都可能出错：工具调用失败、返回格式不对、模型理解错误。你需要处理的事情比单次调用复杂一个数量级。但回报也大：一个能闭环执行任务的系统，比一个只会回答的系统，价值高不止十倍。观点句2：Agent的核心不是“调用工具”，而是“为了达成目标，自主决定下一步做什么”。三、核心机制拆解：感知-规划-记忆-工具的四层闭环一个标准的Agent架构，可以拆成四个模块。我用测试工程师能听懂的语言翻译。第一层：感知Agent需要知道当前状态。用户说了什么、上一步执行结果是什么、环境有什么变化。在测试场景里，感知可以是：页面当前显示什么、接口返回了什么、日志里有没有报错。第二层：规划这是Agent的“大脑”。大模型把用户目标拆成一系列子任务。比如“测试登录功能”，规划可能是：打开登录页 输入正确账号密码 点击登录 验证跳转到首页 再测错误密码场景规划可以是一次性生成，也可以是每做完一步重新规划（动态规划）。第三层：记忆Agent需要记住做过的事。短期记忆存当前对话的上下文。长期记忆存历史成功案例、工具使用经验。测试场景中，记忆可以让Agent记住：上次这个接口返回的token格式是这样的，下次可以直接复用。第四层：工具工具是Agent的“手”。API、数据库、浏览器、命令行、测试框架……任何可以调用的外部能力。关键点是：模型决定“什么时候用哪个工具，传什么参数”。不是硬编码。mermaid图把Agent的执行流程画出来：这个循环会一直跑，直到目标达成或遇到无法处理的错误。所以Agent有时候会陷入无限循环，这是工程上需要加最大迭代次数和早停机制的原因。