从零理解 AI Agent：概念、ReAct、Prompt 五要素与面试要点

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}

🥰个人主页：会编程的土豆（欢迎来访） 💎作者简介：后端学习者 ❄️个人专栏：数据结构与算法，数据库，leetcode ✨那些你一个人走过的夜路，终将化作照亮未来的光

适合对象：几乎零基础、想搞懂 Agent 是什么、顺便准备面试的同学 本文不堆框架源码，先把「能讲清楚」这件事做扎实

写在前面

很多人一上来就打开 LangChain、Eino 之类的仓库，结果越看越懵。其实 Agent 本身并不神秘，复杂的是工程实现。

先记住一句就够入门：

Agent = 会围绕目标，自己决定要不要用工具，并动手完成工作的 AI 助手。

• 普通聊天机器人：主要「动嘴」——你问一句，它回一句。
• Agent：不但会说话，还会「动手」——需要时去查天气、算数、搜文档、调 API，再根据真实结果回答你。

本文会按这个顺序讲：

一、用生活例子理解 Agent

1.1 查天气

你问：「外面冷不冷？」

手机上的天气 App，在 Agent 里就叫 Tool（工具）。

1.2 算数题

你问：「3×7 等于多少？」

Agent 的典型过程：

这就是 Agent 最核心的行为模式：想 → 做 → 看 → 再想/再答。

1.3 一句话定义（建议背下来）

Agent 能够 围绕目标，自主完成工作。 「自主」不是完全没人管，而是：步骤不必你每一步手把手指定，它可以自己选择行动。

二、LLM、工作流、Agent：三者别混

这是面试和入门最容易混淆的地方。

2.1 只用大模型（LLM）

输入 → LLM → 输出

例子：你说「给我一个会议纪要模板」，模型直接写出模板。

特点：

• 擅长生成文字、总结、改写
• 不会真正去操作你的邮箱、日历、数据库（除非另外接工具）
• 本质是「会写字的大脑」

2.2 工作流（Workflow）

输入 → 步骤1 → 步骤2 → 步骤3 → 输出

例子：发会议纪要的流水线（步骤由人写死）：

特点：

• 路径固定，可控、可预期
• 适合流程明确、合规要求高的业务
• 模型通常只负责其中某几步，不会自己改路线

2.3 Agent（智能体）

输入 →（Agent 自己决定执行步骤）→ 输出

例子：你说「帮我把上次会议纪要发给参会人」。

Agent 可能自己决定：

特点：

• 目标导向，步骤动态选择
• 更灵活，也更难控、成本可能更高

2.4 对比小结

三、Agent 的构成：像招了一个「数字员工」

可以把 Agent 理解成公司里的实习生 / 数字员工：你给目标，他尽量自己干完。

中间是 LLM 大脑，周围通常还有：

3.1 Prompt（岗位说明书）

规定：

• 你是谁（角色）
• 负责什么（任务）
• 什么能做/不能做（约束）
• 怎么说话、输出什么格式

没有说明书，员工就容易自由发挥；Agent 也一样。

3.2 Memory（记忆）

记得你们之前聊过什么、任务做到哪一步。 短期可以是当前对话的消息列表；长期可以是存进数据库的历史。

3.3 Tools（工具）

真正「干活的手」：

• 查天气 API
• 计算器
• 搜索
• 读写文件 / 查数据库
• 发邮件

关键认知：

模型通常只「提议」要调哪个工具、带什么参数； 真正执行工具的是你的程序，不是模型自己神秘连上了数据库。

3.4 外部知识（可选）

公司文档、知识库、RAG 检索结果等，让回答有据可依，而不是只靠模型「背」。

3.5 构成公式

Agent ≈ LLM（大脑）
+ Prompt（说明书）
+ Tools（手）
+ Memory / 知识（记得住、查得到）
+ 循环控制（想→做→看，直到完成）

四、Agent 推理模式与 ReAct

4.1 常见推理模式有哪些？

「推理模式」指 Agent 如何组织思考与行动。常见包括：

入门优先掌握：ReAct。

4.2 ReAct 是什么？

ReAct = Reasoning（推理）+ Acting（行动）

不是「一次想完再一口气做完」，而是循环：

思考（Reason）
→ 行动（Act，例如调用工具）
→ 观察（Observe，看工具返回）
→ 再思考
→ ……
→ 给出最终答案

也可以记成笔记里的三字循环：

思考 → 行动 → 检查（不够就再思考）

黄字级别的记忆点：

会推理，会行动。

4.3 用「竞品分析」理解循环

任务：帮我做竞品分析。

可能循环：

直到目标基本完成，才对用户给最终结果。

4.4 ReAct 具体怎么实现？（面试高频）

不必背某个框架源码，讲清通用实现即可。

（1）需要的零件

• 消息历史 history（对话上下文）
• 工具列表（名字、描述、参数说明、执行函数）
• 最大步数 maxSteps（防止死循环）
• 一个能对话、最好支持工具调用的 LLM

（2）伪代码

history = [系统提示词, 用户问题]

循环 最多 N 次:
回复 = 调用 LLM(history, 可用工具)

如果 回复是最终答案（没有工具调用）:
返回给用户
结束

如果 回复里包含 tool_call:
结果 = 执行对应工具(参数)
把工具结果追加进 history
继续下一轮循环

（3）三个关键点

（4）工程上还要有什么

• 最大迭代次数
• 超时、重试
• 工具白名单与参数校验
• 日志 / Trace（每一步想了什么、调了什么）
• 高风险操作的人工确认（可选）

4.5 和小例子对齐（建议写进笔记）

用户：3×7 等于多少？

这就是最小可用的 ReAct。

五、基础零件：Message 与 Tool

即使暂时不写代码，也建议建立这两个概念——它们是几乎所有 Agent 框架的通用语言。

5.1 Message（聊天气泡）

Agent 处理的不是「单独一句话」，而是 一串消息历史。

常见角色：

普通聊天

system → user → assistant

Agent 调工具时（典型顺序）

system
→ user（提问）
→ assistant（决定调用某某工具）
→ tool（工具结果）
→ assistant（基于结果给出最终回答）

记住：

对话上下文 = []Message 工具结果也要进历史，模型下一轮才能「看见」真实数据。

5.2 Tool（工具）

工具至少包含：

• 名字：如 calculator、get_weather
• 描述：什么时候该用它（给模型看的说明书）
• 参数 schema：需要哪些字段
• 执行逻辑：真正跑起来的函数 / API

模型侧看到的是「有哪些工具可用」； 运行时侧负责「真的执行并返回字符串或结构化结果」。

5.3 和框架的对应关系（仅作地图，不必深挖）

以 Go 生态的 Eino 为例（知道分层即可）：

学习建议： 会用示例、能讲清概念即可；不要一上来通读 internal/ 或超长实现文件。

六、Prompt 五要素框架（输入-处理-输出闭环）

Prompt（提示词）解决的是：怎么把话跟大模型说清楚。 对 Agent 来说，System Prompt 往往就是「岗位说明书」。

6.1 为什么 Prompt 重要

模型不会读心。你写得越清楚，它越按意图做事；写得模糊，就容易：

• 跑偏
• 幻觉编造
• 格式混乱
• 乱调工具或不调工具

6.2 五要素总览

完整 Prompt 常包含：

口诀：

你是谁 → 干什么 → 有啥规矩 → 材料是啥 → 答成啥样

它们共同形成 输入 → 处理 → 输出 的闭环。

6.3 ① 角色（Role）

定义： 模型扮演谁。

粒度：

• 粗：你是一个助手
• 细：你是电商售后客服，只处理退换货，语气礼貌，不承诺无法兑现的时效

角色越具体，视角和语气越稳定。

6.4 ② 任务（Task）

定义： 这次要完成什么。

写法建议：

• 用清晰动词：判断、总结、提取、生成、调用工具后回答
• 复杂任务要 拆解：先…再…最后…

示例：

任务：根据用户问题处理退货咨询。
拆解：
1）识别用户意图
2）必要时查询订单状态
3）用三条要点给出处理建议

6.5 ③ 约束（Constraint）

定义： 边界与禁止项。

常见类型：

• 内容约束：不编造；不确定就说不确定
• 长度/风格：不超过 100 字；必须中文
• 行为约束：最多调用工具 3 次；高风险先确认
• 安全约束：不泄露隐私；拒绝危险指令

示例：

不要编造订单号与物流信息；
金额必须以工具返回为准；
信息不足时只追问一个关键问题。

面试可说：约束用于降低幻觉、控制风险、稳定行为。

6.6 ④ 输入（Input）

定义： 给模型的原材料（用户问题、文档、工具结果等）。

组织输入时的关键技巧：

示例：

### 用户问题
我想退货，订单号 123

### 工具结果（可信，优先采信）
订单状态：已发货；签收前可退

为什么分隔符重要？ 因为如果不隔开，模型可能把「用户粘贴的内容」误当成「系统指令」，造成注入或混乱。

6.7 ⑤ 输出（Output）

定义： 结果应该长什么样。

常规定：

• 输出结构：先结论后理由；分点列出
• 格式要求：Markdown / JSON / 表格
• 引用规则：是否标注来源
• 异常处理：做不到时追问、拒绝或说明原因，而不是瞎编

示例：

请用 JSON 输出：
{
"can_refund": true,
"reason": "…",
"next_step": "…"
}
若信息不足：can_refund 为 null，并给出需要用户补充的字段。

对 Agent 而言：结构化输出也是 Tool Calling 能稳定工作的基础。

6.8 五要素关系

角色 + 任务 → 定方向（以什么身份处理什么事）
约束 → 控过程（别越界、别胡来）
输入 → 供材料（闭环的输入）
输出 → 收结果（闭环的输出）

缺一块，模型更容易自由发挥；五块齐全，行为更稳。

6.9 五要素完整示例（可直接改着用）

【角色】你是电商售后助手。

【任务】回答用户关于退货的问题；需要订单状态时使用查询工具。

【约束】
– 不编造物流与金额
– 不确定就明确说明
– 回复简洁，避免官话套话

【输入】
### 用户问题
（用户原文）

### 工具结果（优先采信）
（工具返回）

【输出】
– 先给出「可否退货」的结论
– 再列 2～3 条依据
– 若信息不足，只问一个澄清问题

6.10 Prompt 与 Agent 的关系（别混）

一句话：

Prompt 是说明书，Tool 是手，ReAct 循环是干活方式。

七、面试要点整理（可直接口述）

7.1 什么是 AI Agent？

Agent 是在大模型之上，结合工具、记忆与决策循环，能够围绕目标自主选择行动并完成任务的系统。它不只生成文本，还能在需要时调用外部能力，并根据观察结果继续推理。

7.2 Agent 和普通 Chatbot、工作流有什么区别？

Chatbot 侧重多轮问答与文本生成；工作流是人类预定义的固定步骤；Agent 则在目标约束下动态决定下一步，既可以调用工具，也可能询问用户，路径不事先完全写死。

7.3 ReAct 是什么？怎么实现？

ReAct 是 Reasoning + Acting 的交替循环：模型先推理，必要时发起行动（工具调用），系统执行后把观察写回上下文，再继续推理，直到给出最终答案。实现上通常维护消息历史、注册工具、循环调用 LLM，解析 tool_call 并执行，设置最大步数防止死循环。

7.4 好的 Prompt 应包含什么？

常见五要素：角色、任务、约束、输入、输出，形成输入-处理-输出闭环。角色任务定方向，约束控风险，输入要分块与分隔并标明可信度，输出要规定结构、格式与异常处理。

7.5 如何避免 Agent 乱调工具或死循环？

设置最大迭代次数；工具白名单与参数校验；在 Prompt 中明确何时用工具、禁止编造；对关键路径用工作流写死；高风险操作增加人工确认；做好日志与评测。

7.6 什么时候用 Agent，什么时候用 Workflow？

流程清晰、强可控、强合规 → 优先 Workflow/Graph；任务开放、需要动态决策与多工具协作 → 更适合 Agent。也可以混合：Agent 负责决策，关键子流程用工作流封装成工具。