40-Agent架构设计
Agent 定义与核心组件
大模型 Agent 是一种超越简单文本生成的人工智能系统，它使用大型语言模型（LLM）作为核心大脑，能够进行对话、执行任务、推理并展现一定程度的自主性。
简而言之，Agent 是一个具有复杂推理能力、记忆和执行工具的系统，可以自主完成复杂任务。
一个完整的 LLM Agent 通常包含三大核心组件：
1. 规划（Planning）
复杂任务通常需要分解为多个步骤，Agent 需要对任务进行规划。
核心能力：
- 将大型任务拆解为更小、更易于管理的子目标；
- 自我反省和改进，从错误中学习，优化未来步骤；
- 制定完整执行计划。
2. 记忆（Memory）
- 短期记忆：利用大模型的上下文窗口存储近期对话和信息，也就是上下文学习；
- 长期记忆：利用外部向量存储存储长期信息，支持检索召回，相当于Agent的"外存"。
3. 工具使用（Tool Use）
大模型训练数据有截止日期，并且存在幻觉问题，通过调用外部工具：
- 可以获取实时信息（天气、新闻）；
- 执行计算、调用API；
- 访问专有知识库；
- 弥补模型固有缺陷，扩展能力边界。
主流 Agent 架构
ReAct
ReAct（Reasoning + Acting）将推理和行动相结合，是最经典的 Agent 架构：
核心思想：
- Agent 交替进行推理（Thought）和行动（Action）；
- 推理帮助 Agent 思考下一步该做什么；
- 行动调用工具获取外部信息；
- 观察工具返回结果，继续下一轮推理。
Prompt 格式：
Question: {question}
Thought: ...
Action: {tool_name}[{tool_input}]
Observation: {tool_result}
...
Thought: I now know the final answer
Final Answer: {answer}
优点：
- 推理过程可解释性强；
- 将大模型推理和工具使用自然结合；
- 实现简单，效果稳定。
Plan-and-Execute
核心思想：
- 第一步：先由大模型做出完整计划；
- 第二步：逐步执行计划；
- 相比 ReAct，规划和执行分离，更适合复杂任务。
优缺点：
- 优点：对复杂任务有更清晰的整体规划；
- 缺点：规划错误可能导致整个执行偏误，误差累积。
ReAct vs Plan-and-Execute
| ReAct | Plan-and-Execute |
|---|
| 规划+执行交替进行 | 先完整规划，再执行 |
| 适合逐步推进的任务 | 适合已知结构的复杂任务 |
| 更灵活，能根据工具结果调整 | 规划一旦错了不容易挽回 |
Multi-Agent 架构
Multi-Agent 是多个 Agent 协作完成任务：
常见分工模式
-
用户 → 调度 Agent → 工作 Agent → 总结 Agent → 用户
- 调度 Agent：理解用户需求，分配给合适的工作 Agent；
- 工作 Agent：每个 Agent 专精一项任务（写代码、查资料、做设计）；
- 总结 Agent：整合结果，输出给用户。
-
角色对话模式（AutoGPT 启发）：
- 不同 Agent 扮演不同角色（产品经理、开发者、测试者）；
- 通过对话协作完成整个项目；
- 代表性项目：ChatDev。
优点与挑战
优点：
- 专业化分工，每个角色做好自己擅长的事；
- 可以处理极其复杂的任务；
- 灵活性高，可动态增减角色。
挑战：
- 通信成本高，多个 Agent 对话可能很长；
- 协调困难，可能出现相互推诿；
- 成本更高，调用多次大模型。
任务分解方法
1. Chain of Thought (CoT)
- 要求模型"think step by step"，将复杂任务分解为多个步骤；
- 最简单也最有效，启发了后续很多方法。
2. Tree of Thoughts (ToT)
- 在每一步都探索多种可能性，构建搜索树；
- 使用 BFS 或 DFS 搜索，让模型对状态剪枝；
- 比 CoT 更能探索多种路径，但成本也更高。
3. Graph of Thoughts (GoT)
- 支持任意图形结构的思考，不只是线性或树形；
- 可以处理聚合、回溯、循环等更复杂的思考流程；
- 包含了 CoT 和 ToT 作为特例，表达能力更强。
4. LLM+P
- 将规划任务外包给经典规划器；
- LLM 把问题翻译成 PDDL（规划域定义语言）；
- 经典规划器求解出计划；
- LLM 再把计划翻译回自然语言；
- 适合有明确领域模型的规划问题。
自我反省方法
自我反省让 Agent 能从错误中学习，提高结果质量。
ReAct 框架
ReAct 本身就集成了反省：
- 在每一步，Agent 都能观察工具返回结果；
- 如果结果不对，下一步推理可以调整。
Reflexion
Reflexion 是一个增强自我反省的框架：
核心流程：
- Agent 执行任务得到轨迹；
- 启发式函数评估轨迹，判断是否失败以及失败原因；
- 大模型进行自我反思，总结经验教训；
- 反思结果加入工作记忆，开始下一次尝试；
- 最多尝试 N 次。
关键点：
- 自我反思通过 two-shot prompting 实现；
- 反思结果保存在记忆中，指导下一次尝试；
- 能显著提高复杂任务的成功率。
面试常见问题
1. LLM Agent 由哪些核心组件组成？
回答要点：
- 规划：任务分解、子目标拆解、自我反省；
- 记忆：短期记忆（上下文窗口）和长期记忆（外部向量存储）；
- 工具使用：调用外部 API 获取信息、执行计算。
2. 什么是 ReAct 架构？
回答要点：
- ReAct = Reasoning + Acting；
- 交替进行推理和行动；
- Thought 让模型思考下一步，Action 调用工具，Observation 接收结果；
- 可解释性好，是最经典的 Agent 架构。
3. 为什么需要 Multi-Agent？
回答要点：
- 复杂任务需要不同专长的角色协作；
- 单一 Agent 能力有限，分工专业化可以提高质量；
- 人类社会也是分工协作，Multi-Agent 更符合复杂任务需求；
- 典型例子：ChatDev 用不同角色协作开发软件。
4. 常见的任务分解方法有哪些？
回答要点：
- CoT：step by step，最简单有效；
- ToT：树形探索，每一步考虑多种可能性；
- GoT：任意图结构，支持更复杂的思考关系；
- LLM+P：利用经典规划器做规划，LLM 做翻译。
5. Agent 如何进行自我反省？
回答要点：
- 执行完一轮后评估结果，找出失败原因；
- 大模型总结经验教训，存入记忆；
- 下一次尝试基于反思调整策略；
- Reflexion 是代表性框架；
- 能显著提高复杂任务的成功率。