Agent 的运行范式ReActReasoningActing原文链接点这里查看聊天机器人是“你问一句、我答一句”Agent 是“你说目标、我反复尝试直到完成”。让它能干活的不是模型变聪明了而是它学会了“循环”。ChatGPT 很强大但它基本是一次性对话你提问它生成答案。即便它能联网、能写代码本质上也是一次性输出。Agent 不一样。你让它“帮我订一张明天早上飞往上海、价格不超过 800 的经济舱机票”它不会直接给一段话而是会自己查航班、比价、看余票、再决定怎么回复你。这个“查→看→再查→再决定”的过程就是 Agent 的运行循环。它是 Agent 和聊天机器人最核心的区别。一、循环四步Think → Act → Observe → Repeat李博杰在书里把 Agent 的核心动作归纳得很清楚Agent 不是一次性生成答案而是在一个循环里反复运转直到任务完成。这个循环通常分成四步Think思考LLM 读一遍当前上下文判断“我现在该做什么”。Act行动调用一个外部工具比如查天气、跑 SQL、发邮件、搜索网页。Observe观察把工具返回的结果写回上下文。Repeat重复带着新的观察结果再次思考直到任务完成或触发停止条件。也就是说Agent 的每一次“回复”背后可能经历了多轮内部的思考—行动—观察。举个例子你说“把上周的销售数据汇总成图发给我。”Agent 可能会这样跑Think要查数据库 →Act调用 SQL 工具查数 →Observe拿到结果 →Think要画图 →Act调用代码工具生成图表 →Observe图出来了 →Think要发邮件 →Act调用邮件工具发送 →Observe发送成功停止。把每一步拆开看你会觉得“这不就是我写自动化脚本时常干的事吗”没错Agent 的循环本质就是把“人处理复杂任务时的试错过程”自动化了。二、停止条件什么时候该停下来循环不能无限跑否则就会变成“死循环”。Agent 必须知道什么时候停。常见的停止条件有三种任务完成达到了用户目标比如成功订票、图已生成并发送。达到最大步数超过预设的轮次限制比如最多跑 10 轮防止失控。模型主动判断“可以结束了”LLM 自己输出停止信号比如“我已经完成任务可以向用户汇报结果”。三、为什么“循环”这么重要没有循环大模型只能“一次性猜测”。它可能会给你一份看起来很完整的机票推荐但实际上没有查任何实时数据。有了循环Agent 就能根据真实反馈修正查不到数据就换关键词报错就看日志再调。把复杂任务拆成多步每一步只做一件小事降低出错概率。引入外部系统通过工具调用把模型的“脑子”和真实世界连接起来。这其实和工程师做交付很像。你不可能一次性把一个复杂项目写完都是提交、看结果、改 bug、再提交。Agent 的运行循环就是这种工程直觉的自动化。用日常开发的经历做类比提交任务 → 看日志 → 报错就改 → 再提交 … 。这个“提交—观察—修正—再提交”的循环和 Agent 的 Think-Act-Observe-Repeat 是不是一回事也许你在使用agent工具时可以也见到过打印的灰色思考过程中经常出现“欸这个不对让我重新检查下代码”类似的日志包括你自己开发一个简单的agent把思考过程输出出来就会清晰的感觉到循环的作用。四、普通人需要记住什么不用去背那四步的英文。你只需要记住一句话Agent 不是一次回答而是一次“尝试—反馈—再尝试”的循环。聊天机器人靠模型的训练知识回答问题Agent 靠循环把目标一步步执行出来。下次再有人说“Agent 不就是大模型套壳吗”你可以告诉他壳就是循环没有这层壳模型只能动嘴皮子。参考李博杰《深入理解 AI Agent》第 1 章 Agent 基础__本文同步自作者原创转载请注明出处。更多 AI / 大模型实战内容欢迎回看原文Agent 的运行范式ReActReasoningActingcting](https://mp.weixin.qq.com/s/g7SdSG8ZjWXaJqZzuF2ChQ) Agent 的运行范式：ReAct（Reasoning+Acting）
Agent 的运行范式ReActReasoningActing原文链接点这里查看聊天机器人是“你问一句、我答一句”Agent 是“你说目标、我反复尝试直到完成”。让它能干活的不是模型变聪明了而是它学会了“循环”。ChatGPT 很强大但它基本是一次性对话你提问它生成答案。即便它能联网、能写代码本质上也是一次性输出。Agent 不一样。你让它“帮我订一张明天早上飞往上海、价格不超过 800 的经济舱机票”它不会直接给一段话而是会自己查航班、比价、看余票、再决定怎么回复你。这个“查→看→再查→再决定”的过程就是 Agent 的运行循环。它是 Agent 和聊天机器人最核心的区别。一、循环四步Think → Act → Observe → Repeat李博杰在书里把 Agent 的核心动作归纳得很清楚Agent 不是一次性生成答案而是在一个循环里反复运转直到任务完成。这个循环通常分成四步Think思考LLM 读一遍当前上下文判断“我现在该做什么”。Act行动调用一个外部工具比如查天气、跑 SQL、发邮件、搜索网页。Observe观察把工具返回的结果写回上下文。Repeat重复带着新的观察结果再次思考直到任务完成或触发停止条件。也就是说Agent 的每一次“回复”背后可能经历了多轮内部的思考—行动—观察。举个例子你说“把上周的销售数据汇总成图发给我。”Agent 可能会这样跑Think要查数据库 →Act调用 SQL 工具查数 →Observe拿到结果 →Think要画图 →Act调用代码工具生成图表 →Observe图出来了 →Think要发邮件 →Act调用邮件工具发送 →Observe发送成功停止。把每一步拆开看你会觉得“这不就是我写自动化脚本时常干的事吗”没错Agent 的循环本质就是把“人处理复杂任务时的试错过程”自动化了。二、停止条件什么时候该停下来循环不能无限跑否则就会变成“死循环”。Agent 必须知道什么时候停。常见的停止条件有三种任务完成达到了用户目标比如成功订票、图已生成并发送。达到最大步数超过预设的轮次限制比如最多跑 10 轮防止失控。模型主动判断“可以结束了”LLM 自己输出停止信号比如“我已经完成任务可以向用户汇报结果”。三、为什么“循环”这么重要没有循环大模型只能“一次性猜测”。它可能会给你一份看起来很完整的机票推荐但实际上没有查任何实时数据。有了循环Agent 就能根据真实反馈修正查不到数据就换关键词报错就看日志再调。把复杂任务拆成多步每一步只做一件小事降低出错概率。引入外部系统通过工具调用把模型的“脑子”和真实世界连接起来。这其实和工程师做交付很像。你不可能一次性把一个复杂项目写完都是提交、看结果、改 bug、再提交。Agent 的运行循环就是这种工程直觉的自动化。用日常开发的经历做类比提交任务 → 看日志 → 报错就改 → 再提交 … 。这个“提交—观察—修正—再提交”的循环和 Agent 的 Think-Act-Observe-Repeat 是不是一回事也许你在使用agent工具时可以也见到过打印的灰色思考过程中经常出现“欸这个不对让我重新检查下代码”类似的日志包括你自己开发一个简单的agent把思考过程输出出来就会清晰的感觉到循环的作用。四、普通人需要记住什么不用去背那四步的英文。你只需要记住一句话Agent 不是一次回答而是一次“尝试—反馈—再尝试”的循环。聊天机器人靠模型的训练知识回答问题Agent 靠循环把目标一步步执行出来。下次再有人说“Agent 不就是大模型套壳吗”你可以告诉他壳就是循环没有这层壳模型只能动嘴皮子。参考李博杰《深入理解 AI Agent》第 1 章 Agent 基础__本文同步自作者原创转载请注明出处。更多 AI / 大模型实战内容欢迎回看原文Agent 的运行范式ReActReasoningActingcting](https://mp.weixin.qq.com/s/g7SdSG8ZjWXaJqZzuF2ChQ)