AI Agent / 技术文章

AI Agent 的核心组成:规划、记忆、工具和执行

这篇文章解决 AI Agent 为什么能够连续完成复杂任务的问题,适合准备学习或开发智能体应用的读者。读完后,你将能分清规划、记忆、工具和执行的职责,并理解它们如何组成可验证的行动闭环。

四个组件如何组成行动闭环

AI Agent 不是简单地把用户问题交给大模型并返回文本,而是让模型围绕一个目标持续进行观察、决策和行动。大模型主要负责理解语义与生成决策,其他组件则负责保存状态、连接外部能力并控制任务运行。

一个典型循环可以概括为:接收目标,读取当前状态,生成计划,调用工具,检查结果,再根据新信息继续执行或结束。只要任务尚未完成,Agent 就可能重新规划,而不是一次生成全部答案。

AI Agent 四个核心组件的协作闭环

这四项描述不同职责,可以由同一个程序承担。短任务可由模型选择下一步,用本轮上下文保存工具结果,并由一个小循环执行。跨会话继续的任务需要额外的持久状态。若每一步及分支都能提前确定,可以用预定义工作流,让模型处理其中需要理解语言的步骤。参见 Anthropic 的 Agent 与工作流设计说明。

规划:把目标拆成可验证的步骤

规划组件负责把模糊目标转换为一组可以执行和检查的步骤。例如“分析最近一周的订单异常”并不是一个可直接执行的动作,它至少需要确定数据范围、查询数据、识别异常、汇总原因和生成报告。

有效的计划通常包含任务步骤、依赖关系、完成条件和失败后的替代路径。每一步应尽量小到可以被工具执行,并且能够根据输出判断成功或失败。这样,即使中间出现权限不足、数据为空或接口超时,Agent 也能定位失败位置。

规划不一定每次都由模型自由生成。规则稳定、风险较高的业务更适合预定义工作流;目标开放、路径难以提前确定的任务,才适合动态规划。实际系统经常将两者结合:固定关键流程,只让模型决定有限范围内的步骤和参数。

当计划依赖尚未取得的事实时,先执行可以核验的一步,再根据返回结果决定是否补查、结束或标记未完成。固定顺序的任务可以把这些判断写成有限分支。开放任务可以由模型重新规划,但仍要遵守最大步数、预算和停止条件。

记忆:保存对当前决策真正有用的信息

记忆组件解决的是上下文连续性问题。没有记忆,Agent 每次行动都像第一次开始,无法知道已经执行了什么、获得了哪些结果,也无法利用过去任务中的有效经验。

Agent 中常见的记忆可以分为三类:

  • 工作记忆保存当前任务的目标、计划、变量、工具结果和运行状态,任务结束后通常可以清理。
  • 情景记忆记录过去任务的过程与结果,用于识别相似场景、复用成功路径或避免重复失败。
  • 知识记忆保存相对稳定的事实、文档和业务规则,通常通过检索系统按需读取。

记忆的重点不是保存得越多越好,而是在正确时间取回正确内容。把全部历史对话直接塞入模型上下文,会增加成本并引入无关信息。更可靠的设计需要明确写入条件、检索范围、优先级、有效期和敏感数据处理方式。

模型上下文只包含本次推理可见的信息。跨轮或跨进程恢复的状态要写入外部存储,例如数据库或文件,并记录任务归属、数据来源和更新时间。恢复时优先读取当前任务的计划、检查点和经过授权的上下文。旧任务的摘要若与当前规则冲突,应按当前规则和已核实数据重新判断。

工具:把语言决策连接到真实能力

大模型擅长理解和生成内容,但不能仅凭文本直接查询数据库、发送邮件或操作业务系统。工具组件通过受控接口向 Agent 暴露外部能力,使模型生成的意图能够转换为真实动作。

一个工具至少应定义名称、用途、输入参数、返回结构和错误类型。生产环境还需要补充权限、超时、限流、幂等性和审计规则。描述越明确,模型越容易选择正确工具并提供合法参数。

模型可以提出工具与参数,实际请求由执行器发出。执行器按当前用户和任务的权限校验租户、数据范围和动作。工具返回的网页、文档和文本字段属于待解释的数据,即便放在结构化结果里,其中要求改变目标、追加权限或调用其他工具的文字也不具备执行权限。

对于删除数据、转账、发布内容等高风险动作,还应加入人工确认或审批节点。Agent 的自主性不等于无限权限,工具边界越清晰,系统越容易测试、审计和追责。

执行:控制动作顺序、状态和失败处理

执行组件负责把计划变成连续动作,并维护整个任务的运行状态。它需要知道当前执行到哪一步、工具是否成功、是否允许重试,以及什么时候应该暂停、取消或结束。

一个任务通常会经历待执行、运行中、等待外部结果、成功、失败和已取消等状态。可恢复的执行器在发起有副作用的操作前先持久化任务 ID、步骤 ID、参数和幂等键。请求成功并核验结果后,再保存回执及下一步位置。远端操作与本地检查点之间仍有崩溃窗口,恢复时可能只有请求记录,无法仅凭本地状态判断远端是否已经执行。

临时错误应采用有限次数和退避策略。只读查询可按条件重试,有副作用的调用则需先判断接口是否保证幂等。若支持,使用原来的幂等键和相同参数重试,或通过操作状态接口核对结果。若请求超时、远端状态未知且接口没有可靠的查询或去重能力,应暂停等待核对。参数或权限错误需要修正参数或获得授权后才能继续。参见 AWS 关于幂等重试的说明。

执行组件还承担结果验证职责。工具返回成功状态并不一定表示业务目标已经完成。例如文件上传接口返回成功后,还需要确认文件可访问;订单查询执行成功后,也要判断结果是否覆盖目标时间范围。只有满足任务完成条件,Agent 才能结束循环。

一个任务中四个组件如何协作

以“找出最近七天的异常订单并生成摘要”为例,四个组件会按以下方式协作:

  1. 规划组件把目标拆成确定时间范围、查询订单、识别异常、归类原因和生成摘要。
  2. 记忆组件保存固定的查询时间范围(例如 UTC 下的起始时间含、结束时间不含)、经授权的商户范围、异常规则版本与分页检查点。
  3. 工具组件调用订单查询接口和统计服务,返回结构化数据。
  4. 执行组件记录调用状态,处理分页、超时和重试,并检查查询范围是否完整。
  5. 规划组件根据结果决定是否补查数据,或者进入原因归类和摘要生成步骤。
  6. 最终结果写入任务记忆,执行组件确认完成条件后结束任务。

这个过程说明,模型并不负责所有工作。模型更像决策核心,而工具和执行器负责与真实系统交互,记忆负责保持连续性,规划负责控制方向。四者之间必须通过结构化状态传递信息,不能只依赖不断增长的自然语言对话。

用检查点处理分页重试

假设接口基于同一查询快照返回两页,第一批结果落盘后进程退出,恢复时可能重新拿到同一页。以下 JavaScript 例子用订单 ID 去重,每页合并后同时推进游标。保存为 orders.mjs,再运行 node orders.mjs。

javascript
import assert from "node:assert/strict";

function applyPage(checkpoint, requestedCursor, page) {
  if (requestedCursor !== checkpoint.cursor) return checkpoint;
  const orderIds = new Set(checkpoint.orderIds);
  for (const order of page.orders) {
    if (order.flagged) orderIds.add(order.id);
  }
  return { cursor: page.nextCursor, orderIds: [...orderIds] };
}

const first = {
  orders: [{ id: "A", flagged: true }, { id: "B", flagged: false }],
  nextCursor: "page-2",
};
const second = {
  orders: [{ id: "A", flagged: true }, { id: "C", flagged: true }],
  nextCursor: null,
};

const afterFirst = applyPage({ cursor: "start", orderIds: [] }, "start", first);
const restored = JSON.parse(JSON.stringify(afterFirst));
const afterRetry = applyPage(restored, "start", first);
assert.deepEqual(afterRetry, restored);
const complete = applyPage(afterRetry, "page-2", second);

assert.deepEqual(complete, { cursor: null, orderIds: ["A", "C"] });
console.log("异常订单数:" + complete.orderIds.length);

输出为 异常订单数:2。null 表示分页结束,单页为空也可能仍有下一页。示例用序列化演示恢复,真实执行器要将聚合结果和下一页游标原子保存,并绑定原查询参数或快照。还要检查游标停滞和步数上限。若分页期间源数据变化且接口不提供稳定快照,去重只能抑制重复计数,无法证明结果没有遗漏。

落地时优先检查的设计边界

设计 AI Agent 时,可以先检查以下问题:

  • 每一步计划是否都能被具体工具执行并验证结果。
  • 记忆中是否只保存完成任务所需的信息,并设置访问范围与有效期。
  • 每个工具是否具有明确的参数结构、权限限制和错误返回。
  • 执行器是否记录状态,并能安全处理重试、暂停和恢复。
  • 高风险操作是否需要人工确认,是否保留完整审计记录。
  • 系统是否设置最大步骤数、成本上限和明确的停止条件。

一个可靠的 Agent 不取决于模型生成了多少步骤,而取决于每一步是否可执行、可验证、可恢复和可追踪。先建立受控的行动闭环,再逐步增加动态规划和长期记忆,通常比一开始追求完全自主更容易得到稳定结果。

目录与阅读设置

记录一个想法

AI Agent 的核心组成:规划、记忆、工具和执行

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通