什么是Agent

**agent是一种架构模式，功能基于人们的需求 Hermes、Codex、Claude Code——这些是通用Coding Agent（功能很全）

**一个最小 Agent 工作流：以 Coding Agent 为例

你对一个 Coding Agent 说：“把项目里所有旧的 logV1() 调用换成 logV2()，跑通测试。“它内部大致这样跑：

第一轮：思考”先找到所有调用点” → 调用 grep("logV1(") → 12 个文件、37 处调用。

第二轮：思考”逐个文件替换” → 调用 edit_file(...) 批量修改 → 其中一处替换失败（有人手写了带空格的变体 logV1 (，和预期字符串对不上）→ 模型读到失败信息，换更宽松的匹配方式重试，成功。

第三轮：思考”改完了，跑测试确认” → 当前上下文里没有现成的测试工具 → 调用 tool_search("run tests")，从工具库里按需加载出 run_tests → 执行。

第四轮：测试挂了 3 个 → 模型读报错，发现 logV2() 的参数顺序和 v1 不一样 → 回去重新修正那几处调用 → 再跑测试 → 全绿。

第五轮：思考”任务完成” → 向用户汇报：改了哪些文件、中途踩了什么坑、测试结果。

**Agent = 一个 LLM 在一个循环里，反复地”想一下、做一下”，直到任务完成。

**Agent 的四件套

把这四件套串起来，你就建立了理解 Agent 工程的基本框架。它们是便于入门的典型组件，不是判断一个系统”算不算 Agent”的硬性清单。

大脑（LLM）：就是模型本身。思考和决策，接收当前状态，输出下一步动作（回答用户 / 调用工具）。这里有一个值得尽早建立的视角：模型是四件套里唯一一件你不用（也没法）自己做的——所以 Agent 开发，做的其实是”模型以外的一切”。业内把这套外围工程统称为 Harness：记忆、工具、循环、上下文管理、可靠性兜底，全是 Harness 的一部分。

记忆（Memory）：先按两层建立直觉——短期记忆是当前任务的上下文（用户刚说了什么、刚调了什么工具）；长期记忆是跨会话的持久信息（用户偏好、关键事实）

手（Tools / Function Calling / MCP）：Agent 与外部世界交互的接口——搜索引擎、代码执行、邮件 API、数据库查询都是工具。主流 LLM 厂商都提供原生的 Function Calling（机器人把执行命令告诉harness的格式，老板只发令不干活，员工只听令不决策）能力；第三方工具的标准化接入方式是 MCP。

循环（Agent Loop）：感知 → 思考 → 行动 → 感知 → ... 最经典的实现叫 ReAct（Reason + Act）。终止条件通常是：模型自己判断完成 / 达到最大步数 / 用户中断。