二、为什么需要框架：裸调大模型不够了有人会说：我直接调API不就行了吗？为什么要用LangChain？这个问题问得好。LangChain创始人也经常被问到同一个问题：“模型越来越强了，还需要框架吗？”他的回答是：Agent是围绕模型构建的系统，框架不会消失，只是需要跟着模型一起进化。核心原因有三个。第一，裸调无法处理“循环”。你给大模型发一个请求，它给你一个回复。这是单轮。但Agent需要的是：发请求→收到回复（可能要调用工具）→执行工具→把结果塞回上下文→再发请求→再收到回复……直到任务完成。这个循环你自己写也能写。但状态管理、中断恢复、超时处理、循环终止条件——每一件都是脏活累活。第二，裸调无法处理“长任务”。Long-Horizon Agents的核心特征是“能持续运行很长时间”。一个Deep Research任务可能要跑几分钟甚至几十分钟。中间可能涉及几十次工具调用、多次上下文切换、甚至需要人工介入。自己实现一套持久化执行引擎？成本太高了。第三，裸调无法处理“可观测性”。Agent是非确定性的。你没法像读代码一样推断它会怎么走。唯一能知道它“到底在干什么”的方式，是让它跑起来、看trace。LangSmith做的就是这件事——追踪每一个决策、每一次工具调用、每一轮循环。自己从头造一个可观测性平台？不现实。框架的价值不在于“让AI更聪明”，在于把重复的工程问题标准化。框架不生产智能，框架生产确定性——在非确定性的AI之上。三、核心机制：Agent到底怎么工作的理解了“为什么需要框架”，我们来看“框架到底做了什么”。LangChain Agent的核心运行机制可以归结为一个词：ReAct循环。ReAct = Reasoning + Acting。推理加行动。交替进行。flowchart TD A[用户输入任务] --> B[LLM推理: 思考下一步] B --> C{决策} C -->|需要工具| D[选择工具 + 生成参数] D --> E[执行工具调用] E --> F[观察结果 Observation] F --> B C -->|任务完成| G[生成最终答案]这个图看起来简单，但背后的工程复杂度不低。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
