37｜Agent 是什么：计划-执行-反馈循环与停止条件

欢迎来到 卷 5：Agent 系统：规划、执行、记忆与可靠性。

在前面的章节中，我们给了 AI 知识（RAG），也给了它工具（MCP/Skills）。但此时的 AI 依然像是一个**“算盘”或者“点读机”**——你拨一下，它动一下；你问一句，它答一句。

如果你的需求是：“去把昨天的报错日志查出来，分析一下原因，如果是个小 Bug 就直接写代码修复，然后提一个 PR（代码合并请求）。”
面对这种跨越多个步骤的复杂任务，只会“一问一答”的模型会瞬间宕机。

这就需要引入目前 AI 领域最火的概念：Agent（智能体）。
本篇，我们就来揭开 Agent 的神秘面纱，看看它究竟是怎么“自己动起来”的。

1. 核心概念：什么是 Agent？

Agent（智能体）不是一个特定的模型（比如 GPT-4），而是一种系统架构设计。
你可以把 Agent 理解为：让大模型（LLM）充当系统的“大脑”，赋予它自主规划任务、调用工具、并根据反馈不断调整策略的能力。

Copilot vs Agent

• Copilot（副驾驶）：人是司机，AI 是副驾。人决定什么时候踩油门，AI 只负责在旁边递递地图。
• Agent（自动驾驶）：AI 是司机。人只需要说“送我去机场”，AI 会自己看红绿灯、自己打方向盘、遇到修路自己绕道，直到把你送到目的地。

2. Agent 的灵魂：计划-执行-反馈循环（ReAct）

Agent 之所以能“自动驾驶”，核心秘密在于一个被称为 ReAct（Reasoning and Acting，推理与行动） 的底层循环机制。
当 Agent 接收到一个复杂任务时，它会在后台开启一个死循环，直到任务完成。这个循环包含三个关键动作：

然后，Agent 再次进入 Thought（思考第二步该干嘛），接着 Action，接着 Observation……如此反复，一步步逼近最终目标。

3. 悬崖勒马：致命的“停止条件（Stop Condition）”

Agent 的这种死循环机制非常强大，但也极其危险。
想象一下，如果 Agent 遇到一个解不开的 Bug，它可能会：修改代码 -> 运行测试 -> 报错 -> 继续修改 -> 继续报错……
如果不加以限制，它会在后台疯狂循环几千次，一晚上的时间就能把你的大模型 API 账额刷掉几万块钱！

因此，每一个合格的 Agent 系统，必须设置严格的 停止条件（Stop Condition）。

4. 本篇产出：通用 Agent 状态机图

为了让你更直观地理解 Agent 是如何在后台运行的，这里提供一张标准的 Agent 状态机（State Machine）流转图。
这也是目前业界主流 Agent 框架（如 LangChain 的 AgentExecutor、AutoGPT 等）的底层运行逻辑：

#mermaid-svg-2NIvEcdST7miwjqL{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-2NIvEcdST7miwjqL .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-2NIvEcdST7miwjqL .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-2NIvEcdST7miwjqL .error-icon{fill:#552222;}#mermaid-svg-2NIvEcdST7miwjqL .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-2NIvEcdST7miwjqL .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-2NIvEcdST7miwjqL .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-2NIvEcdST7miwjqL .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-2NIvEcdST7miwjqL .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-2NIvEcdST7miwjqL .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-2NIvEcdST7miwjqL .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-2NIvEcdST7miwjqL .marker{fill:#333333;stroke:#333333;}#mermaid-svg-2NIvEcdST7miwjqL .marker.cross{stroke:#333333;}#mermaid-svg-2NIvEcdST7miwjqL svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-2NIvEcdST7miwjqL p{margin:0;}#mermaid-svg-2NIvEcdST7miwjqL defs #statediagram-barbEnd{fill:#333333;stroke:#333333;}#mermaid-svg-2NIvEcdST7miwjqL g.stateGroup text{fill:#9370DB;stroke:none;font-size:10px;}#mermaid-svg-2NIvEcdST7miwjqL g.stateGroup text{fill:#333;stroke:none;font-size:10px;}#mermaid-svg-2NIvEcdST7miwjqL g.stateGroup .state-title{font-weight:bolder;fill:#131300;}#mermaid-svg-2NIvEcdST7miwjqL g.stateGroup rect{fill:#ECECFF;stroke:#9370DB;}#mermaid-svg-2NIvEcdST7miwjqL g.stateGroup line{stroke:#333333;stroke-width:1;}#mermaid-svg-2NIvEcdST7miwjqL .transition{stroke:#333333;stroke-width:1;fill:none;}#mermaid-svg-2NIvEcdST7miwjqL .stateGroup .composit{fill:white;border-bottom:1px;}#mermaid-svg-2NIvEcdST7miwjqL .stateGroup .alt-composit{fill:#e0e0e0;border-bottom:1px;}#mermaid-svg-2NIvEcdST7miwjqL .state-note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-2NIvEcdST7miwjqL .state-note text{fill:black;stroke:none;font-size:10px;}#mermaid-svg-2NIvEcdST7miwjqL .stateLabel .box{stroke:none;stroke-width:0;fill:#ECECFF;opacity:0.5;}#mermaid-svg-2NIvEcdST7miwjqL .edgeLabel .label rect{fill:#ECECFF;opacity:0.5;}#mermaid-svg-2NIvEcdST7miwjqL .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-2NIvEcdST7miwjqL .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-2NIvEcdST7miwjqL .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-2NIvEcdST7miwjqL .edgeLabel .label text{fill:#333;}#mermaid-svg-2NIvEcdST7miwjqL .label div .edgeLabel{color:#333;}#mermaid-svg-2NIvEcdST7miwjqL .stateLabel text{fill:#131300;font-size:10px;font-weight:bold;}#mermaid-svg-2NIvEcdST7miwjqL .node circle.state-start{fill:#333333;stroke:#333333;}#mermaid-svg-2NIvEcdST7miwjqL .node .fork-join{fill:#333333;stroke:#333333;}#mermaid-svg-2NIvEcdST7miwjqL .node circle.state-end{fill:#9370DB;stroke:white;stroke-width:1.5;}#mermaid-svg-2NIvEcdST7miwjqL .end-state-inner{fill:white;stroke-width:1.5;}#mermaid-svg-2NIvEcdST7miwjqL .node rect{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-2NIvEcdST7miwjqL .node polygon{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-2NIvEcdST7miwjqL #statediagram-barbEnd{fill:#333333;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-cluster rect{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-2NIvEcdST7miwjqL .cluster-label,#mermaid-svg-2NIvEcdST7miwjqL .nodeLabel{color:#131300;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-cluster rect.outer{rx:5px;ry:5px;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-state .divider{stroke:#9370DB;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-state .title-state{rx:5px;ry:5px;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-cluster.statediagram-cluster .inner{fill:white;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-cluster.statediagram-cluster-alt .inner{fill:#f0f0f0;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-cluster .inner{rx:0;ry:0;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-state rect.basic{rx:5px;ry:5px;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-state rect.divider{stroke-dasharray:10,10;fill:#f0f0f0;}#mermaid-svg-2NIvEcdST7miwjqL .note-edge{stroke-dasharray:5;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-note rect{fill:#fff5ad;stroke:#aaaa33;stroke-width:1px;rx:0;ry:0;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-note rect{fill:#fff5ad;stroke:#aaaa33;stroke-width:1px;rx:0;ry:0;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-note text{fill:black;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram-note .nodeLabel{color:black;}#mermaid-svg-2NIvEcdST7miwjqL .statediagram .edgeLabel{color:red;}#mermaid-svg-2NIvEcdST7miwjqL #dependencyStart,#mermaid-svg-2NIvEcdST7miwjqL #dependencyEnd{fill:#333333;stroke:#333333;stroke-width:1;}#mermaid-svg-2NIvEcdST7miwjqL .statediagramTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-2NIvEcdST7miwjqL :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

核心循环_ReAct

用户输入模糊需求

LLM 评估当前状态

还没完成，决定调用工具 X

执行工具并获取返回结果

将结果喂给 LLM，重新思考

任务成功，输出最终结果

循环次数超过 Max_Steps

遇到严重系统错误

触发高危动作 (如发布/删除)

审批通过

审批驳回

抛出异常或半成品，请求人类介入

接收任务

Thought_思考

判断是否完成

Action_执行

Observation_观察

强制终止

人类审批

看懂这张图的关键点：

• 整个 Agent 的核心就在中间那个不断旋转的**“核心循环_ReAct”**里。大模型在这里面既当“军师”又当“总司令”。
• 左下角那排灰色的**“安全停止机制”**，是区分一个 Agent 是“实验室玩具”还是“工业级产品”的试金石。

总结与复盘

• Agent 不是一个新模型，而是一种让大模型“做循环”的工程架构。
• 它通过 Thought（思考） -> Action（执行） -> Observation（观察） 的反馈循环，一步步拆解并解决复杂问题。
• 设计 Agent 时，最考验功力的不是怎么让它跑起来，而是怎么让它安全地停下来（停止条件）。

下一步路线提示：
有了这个底层循环机制，Agent 看起来似乎无所不能了。
但是，如果你给它一个极其模糊的任务，比如“帮我开发一个贪吃蛇游戏”，如果它不做详细的规划，一上来就直接写代码，大概率会写成一团乱麻。
如何让 Agent 学会像人类架构师一样，先把大目标拆成小任务？下一篇，我们将探讨：《任务分解：从模糊目标到可执行子任务》。