1. 你如何定义一个基于 LLM 的智能体？它通常由哪些核心组件构成？

你如何定义一个基于 LLM 的智能体？它通常由哪些核心组件构成？秀才 2026年3月12日大约 11 分钟大模型大模型应用开发面试题 AI大模型 Agent 智能体 llm 此页内容 1. 题目分析 1.1 Agent 到底是什么，跟普通 LLM 调用有什么区别 1.2 Agent 的核心组件 1.3 工程补充 2. 参考回答学习交流 1. 题目分析这道题是大模型应用开发面试中的高频题，几乎是必问的。它考察的不是你能不能背出 Agent 的定义，而是你对 Agent 这个概念有没有真正理解透——它跟普通的 LLM 调用到底有什么本质区别，以及你在实际项目中有没有真正设计和落地过 Agent 系统。下面我们从"是什么"和"由什么组成"两个维度来把这道题讲透。 1.1 Agent 到底是什么，跟普通 LLM 调用有什么区别要理解 Agent，我们先想一个最直觉的对比。当你用 ChatGPT 问一个问题，它给你一段回答，这个过程本质上就是一次 LLM 的输入输出——你给一个 prompt，它返回一个 completion，交互就结束了。这种方式是"一问一答"的，LLM 本身是被动的，它不会主动去做任何事情，也不会根据结果来决定下一步该干什么。而 Agent 则完全不同。Agent 的核心特征是自主性（Autonomy） ——它能够自主地感知环境、制定计划、使用工具、执行行动，并且根据执行结果来动态调整后续策略。换句话说，LLM 在 Agent 架构中不再只是一个"回答问题的机器"，而是充当了整个系统的"大脑"，负责理解任务、推理决策、协调各种外部能力来完成复杂的目标。

举一个具体的例子来感受这个区别。假设用户说"帮我查一下明天北京的天气，如果下雨就把我后天的户外会议改成线上"。如果是普通的 LLM 调用，它最多只能告诉你"你可以去查天气然后改会议"。但如果是一个 Agent，它会这样做：首先调用天气 API 查询明天北京的天气，然后判断结果是否包含下雨，如果是，就接着调用日历 API 找到后天的户外会议，再调用会议修改接口把它改成线上，最后把整个执行结果汇报给用户。整个过程中，LLM 在每一步都在做推理和决策，决定接下来要调用什么工具、传什么参数、怎么处理返回结果。所以， Agent 本质上是以 LLM 为核心推理引擎，结合规划能力、工具使用能力和记忆能力，能够自主完成复杂任务的智能系统。学术上比较经典的定义来自 Lilian Weng 的那篇博客，她把 Agent 定义为 LLM + Planning + Memory + Tools 的组合体，这个框架至今仍然是业界最广泛认可的 Agent 架构抽象。 1.2 Agent 的核心组件理解了 Agent 的本质之后，我们来拆解它的核心组件。一个完整的 Agent 系统通常由四个核心模块构成：LLM（大脑）、规划模块（Planning）、记忆模块（Memory）、工具使用（Tools）。这四个模块各司其职又紧密协作，共同支撑了 Agent 的自主决策和任务执行能力。

第一个核心组件是 LLM，也就是 Agent 的"大脑"。它是整个系统的中枢，负责理解用户意图、进行逻辑推理、生成行动计划、解读工具返回结果。可以说 Agent 的智能水平上限就取决于底层 LLM 的能力。这也是为什么在实际项目中，选择一个推理能力足够强的基座模型非常重要——如果 LLM 的推理能力不够，它就无法正确地分解任务、选择合适的工具，整个 Agent 系统的表现就会大打折扣。在工程实践中，我们通常还会通过精心设计的 System Prompt 来给 LLM 设定角色、约束行为边界、规定输出格式，这相当于给"大脑"装上了一套操作手册。第二个核心组件是规划模块（Planning）。规划能力是 Agent 区别于简单 LLM 应用的关键标志。当 Agent 接收到一个复杂任务时，它不会试图一步到位地解决，而是会把任务分解成多个可执行的子步骤，然后按照逻辑顺序逐步执行。目前主流的规划策略主要有两类。第一类是无反馈的规划，比如 ReAct（Reasoning + Acting）框架，它让 LLM 在每一步先进行推理思考（Thought），然后决定执行一个动作（Action），接着观察动作的结果（Observation），再进入下一轮的思考-行动循环。ReAct 的优点是实现简单、思路清晰，是目前最广泛使用的 Agent 推理框架。还有一种是先一次性生成完整的执行计划，然后逐步执行，类似于 Plan-and-Execute 模式。第二类是带反馈的规划，也就是 Agent 在执行过程中会根据中间结果进行反思和调整。比如 Reflexion 框架，Agent 在执行失败后会对失败原因进行自我反思，然后修正策略重新执行。这种方式更接近人类解决问题的真实过程——我们不会一条路走到黑，而是会根据反馈不断调整方案。

第三个核心组件是记忆模块（Memory）。人类之所以能处理复杂任务，很大程度上依赖记忆——我们能记住之前做过什么、学到了什么、对方说过什么。Agent 同样需要记忆能力来维持上下文连贯性和积累经验。 Agent 的记忆通常分为两种：短期记忆（Short-term Memory），本质上就是当前对话的上下文（Context），包括用户的历史消息、Agent 之前的推理过程和工具调用结果等。它存在于 LLM 的上下文窗口中，让 Agent 在一次任务执行过程中能够保持连贯性。但短期记忆受限于 LLM 的上下文窗口长度，当对话太长或推理步骤太多时，早期的信息就会被截断丢失。工程上常见的解决方案包括对话摘要（Summarization）、滑动窗口、以及基于关键信息提取的压缩策略。长期记忆（Long-term Memory），则是持久化存储的外部知识，通常通过向量数据库来实现。Agent 可以把重要的历史交互、学到的经验、用户偏好等信息存入向量数据库，在需要时通过语义检索（也就是 RAG 的方式）来调取相关记忆。这使得 Agent 能够跨会话地积累和利用知识，表现出"越用越聪明"的特性。

第四个核心组件是工具使用（Tools / Function Calling）。工具使用能力是 Agent 能够真正"做事"的关键。LLM 本身只能生成文本，它不能查数据库、不能调 API、不能操作文件系统。但通过工具使用机制，Agent 可以将 LLM 的推理能力与外部世界的执行能力连接起来。在技术实现上，工具使用主要依赖 LLM 的 Function Calling 能力。我们预先定义好一组工具的描述（包括工具名称、功能说明、参数 schema），放在 System Prompt 或者通过 Function Calling 接口传给 LLM。当 LLM 在推理过程中判断需要使用某个工具时，它会生成一个结构化的函数调用请求（包含工具名和参数），Agent 框架负责解析这个请求并实际执行对应的函数，然后把执行结果返回给 LLM 继续推理。工具的类型可以非常丰富，常见的包括：搜索引擎（联网检索信息）、数据库查询、API 调用（天气、日历、邮件等）、代码执行器（让 Agent 能写代码并运行）、文件读写操作等。工具的丰富程度直接决定了 Agent 能做的事情的边界——工具越多越强，Agent 的能力就越强。

1.3 工程补充在真实的 Agent 项目落地过程中，除了上述四个核心组件，还有一些工程层面的关键设计需要考虑。一个是安全与边界控制。Agent 拥有工具调用能力意味着它能对外部系统产生真实影响（比如发邮件、改数据库），所以必须设计好权限控制和人工确认机制（Human-in-the-Loop），防止 Agent 在推理出错的情况下执行了不可逆的危险操作。另一个是多 Agent 协作。当任务非常复杂时，单个 Agent 可能难以胜任，这时候可以设计多个专业化的 Agent 各负责一个子领域，通过一个编排层（Orchestrator）来协调它们的分工合作。比如 AutoGen、CrewAI 等框架就是这个思路，本质上是把"一个全能 Agent"拆成了"多个专家 Agent 的团队"。还有一个是可观测性和调试。Agent 的多步推理过程是非确定性的，每次运行可能走不同的路径，这给调试带来了很大挑战。所以工程上需要完善的日志记录、Trace 追踪和中间状态可视化能力，才能在出问题时快速定位是哪一步推理出了错、哪个工具调用返回了异常结果。
参考回答我理解的 Agent，本质上是以 LLM 为核心推理引擎，具备自主规划、工具调用和记忆能力，能够自主完成复杂任务的智能系统。它跟普通的 LLM 调用最大的区别在于自主性——普通 LLM 调用是一问一答的被动模式，而 Agent 能够自主地把一个复杂任务拆解成多个步骤，在每一步进行推理决策，选择合适的工具去执行，观察结果后再动态调整下一步策略，形成一个"思考-行动-观察"的闭环循环，直到任务完成。核心组件通常有四个。第一个是 LLM 本身，它充当 Agent 的大脑，负责意图理解、逻辑推理和决策生成，Agent 的智能上限取决于底层模型的能力。第二个是规划模块，让 Agent 能够进行任务分解和多步推理，主流的实现方式是 ReAct 框架，通过 Thought-Action-Observation 的循环来逐步推进任务，更高级的还有带反思机制的规划，能在执行失败时自我修正。第三个是记忆模块，分为短期记忆和长期记忆，短期记忆就是当前的对话上下文，保证一次任务内的连贯性，长期记忆通常借助向量数据库存储历史经验和知识，通过 RAG 的方式在需要时检索召回。第四个是工具使用能力，通过 Function Calling 机制让 Agent 能够调用外部 API、查数据库、执行代码等，这是 Agent 能真正与外部世界交互并产生实际影响的关键。在实际落地中，还需要特别关注安全边界控制、Human-in-the-Loop 机制以及整个推理链路的可观测性，这些工程层面的设计直接决定了 Agent 系统是否能稳定可靠地上线运行。学习交流 > 如果您觉得文章有帮助，可以关注下秀才的公众号：IT杨秀才，后续更多优质的文章都会在公众号第一时间发布，不一定会及时同步到网站。点个关注👇，优质内容不错过

🔥 配套实战项目，拆得开、跑得起、能写进简历多 Agent 编排 + RAG 混合检索 · 31 篇深度教程 + 50+ 面试题点击查看 DevSupport AI 实战项目 → 在 GitHub 上编辑此页上次编辑于: 2026/8/19 01:07:37 贡献者: Percygu 下一页 2. 请详细解释 ReAct 框架。它是如何将思维链和行动结合起来，以完成复杂任务的？