第一章 · 什么是 Agent — Agent 渐进式扫盲

1.1 Agent 的定义

Agent 的概念在这两年从模糊，到泛滥，到收束的整个过程中逐渐清晰，它继承并拓展了其在上世纪 80 年代强化学习浪潮伊始中被确定的基础定义：

Agent 是一个在未知环境中，通过试错来实现最大化累计奖励的决策者和学习者. from Richard Sutton & Andrew Barto

定义对照

这个定义放到今天的 Agent 上，只需做一层对应：

“未知环境”→用户的问题、工具返回的结果、以及文件系统当前的状态

“累计奖励”→把用户交代的任务完成好

“试错”→一轮一轮地思考、行动，再根据反馈决定下一步（也就是后面要讲的 ReAct）

强化学习里“在环境中通过试错来最大化回报的学习者”，在今天并没有改变，只是环境换成了对话与工具，决策者换成了 LLM，试错换成了多轮循环。

在前序课程学习中我们应当已经了解了后面这一句话的含义，我们今天将中间阐述 Agent 在“环境”中的行为模式与行为准则。

在今天，Agent 特指能够完成复杂任务的自然语言助手，而下面这两行 python 伪代码源自 Anthropic 的内部技术分享，它揭示了 Agent 的核心原理：

env = Environment()
tools = Tools(env)
system_prompt = "Goals, constrains, and how to act"

while True:
    action = llm.run(system_prompt + env.state)
    env.state = tools.run(action)

图 1 · Agent 的基本循环

四个要件各归其位：环境＝流动的 state；目标与约束＝喂给 LLM 的 system_prompt；工具＝那条改变环境的边；循环＝整个环形本身。

短短几行伪代码，包含了一个 Agent 的全部要件：

环境

env

agent 能观察到的外部状态

工具

tools

agent 能改变环境的手段

目标与约束

system_prompt

告诉它要去哪里、不能做什么

循环

while True

观察、决策、行动，然后再观察

同时，它也直观地揭示了 Agent 的几个基本行为特征：

要不要多步
要不要动用工具
如何在步与步之间决策下一步的动作

1.2 Agent 与其它概念的比较

以上述的三个基本特征作为参考维度，我们将 Agent 与在大语言模型领域常见的几种易混淆的概念进行对比，做成了一张表格：

类型	是否多步	是否调用工具	自主动机	一句话定义
chatbot	否	否	否	按预设策略回答问题
RAG	单步 / 固定若干步	仅检索	否	通过检索驱动的 LLM 问答
Workflow	多步	多种工具	否（路径写死）	预设流程图编排的 LLM 流程
RPA	多步	UI 操作	否（坐标写死）	机械的自动化脚本
Agent	多步	多种工具	是（LLM 自裁）	LLM 在循环里自主决策、自主用工具

1.3 Agent 的技术定义

最后我们直接抛出当前业内对 Agent 的理解共识：

Agent=LLM+ReAct+Harness

会话能力 · 连续干活的范式 · 工程脚手架

我们将通过以下章节来完整的解读并演示以上“公式”的含义