什么是 Agent？

你可能已经听过"AI Agent（智能体）"这个词了。

但它到底和 ChatGPT 有什么不一样？它是怎么"自主"完成任务的？循环又是什么意思？

这篇文章是我在学习 AI Agent 过程中的整理输出。用最简单的方式，把这几个问题讲清楚。

一、什么是 Agent？

一句话定义：

AI Agent = 大模型 + 工具调用能力 + 循环（loop）

这三个要素缺一不可：

• 大模型：负责"思考"，判断下一步该做什么
• 工具调用能力：让大模型能真正"动手"，比如搜索、写代码、查数据库
• 循环：执行完一步，把结果塞回去，继续思考下一步

“循环"是 Agent 区别于普通 LLM 最关键的特征。没有循环，工具调用也只是"调用一次就结束”。正是循环让 Agent 能处理需要多步骤的任务。

ReAct 模式：Agent 的运行机制

Agent 内部的循环，具体长这样：

用户输入问题
      ↓
   大模型思考
      ↓
 需要调用工具吗？
  ├── 否 → 直接输出结果
  └── 是 → 执行工具
           ↓
       把工具结果塞回上下文
           ↓
       继续思考（回到第二步）

这个"思考 → 判断 → 执行 → 再思考"的循环，就叫 ReAct 模式。

二、它与 ChatGPT 的区别？

ChatGPT：你说一句，它回一句。对话结束。

AI Agent：你说一句，它自己决定下一步做什么，自己去执行，自己看结果，自己再决定下一步……最后才把结果告诉你。

举个例子，你说"帮我查一下今天上海的天气，然后告诉我要不要带伞"：

• ChatGPT 会说：“我没有实时数据，无法查询”
• AI Agent 会：调用天气工具 → 拿到数据 → 思考要不要带伞 → 告诉你结论

关键差异在于：Agent 会主动"做事"，而不只是"回答"。

三、为什么循环次数是不确定的？

因为每次循环后，模型"看到的东西"都不一样：

第 1 次思考：只有"用户的问题"
         ↓ 调用工具
第 2 次思考：用户的问题 + 工具返回的结果
         ↓ 调用工具
第 3 次思考：用户的问题 + 结果1 + 结果2
         ↓ 没有工具需要调用了
     输出最终结果

任务复杂，需要调用的工具多，循环就多；任务简单，一次就够，甚至不需要循环。

所以循环次数不是预先设定的，而是由任务本身决定的：有工具要调用，就继续循环；没有了，就停。

注意第 2、3 次思考时，上下文里带着之前所有的工具结果。这意味着模型每一轮的"判断依据"都在增加——这也是为什么 Agent 能处理多步推理任务，而不是每次都从零开始。

结尾

总结一下：

• Agent = 大模型 + 工具 + 循环，三者缺一不可
• 它和 ChatGPT 最大的区别是：能主动执行，而不只是回答
• 循环次数不固定，由任务复杂度决定

下一篇，我会聊工具（Tool）到底是什么，以及 Agent 是如何"知道"该用哪个工具的。