Agent 架构解析

AI Agent 的主要架构由 Lilian Weng提出：

┌─────────────────────────────────────────────────────────┐
│ Agent 架构 │
├─────────────────────────────────────────────────────────┤
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ Profile │ │ Memory │ │Planning │ │ Action │ │
│ │ 角色 │ │ 记忆 │ │规划 │ │ 行动 │ │
│ └─────────┘ └─────────┘ └─────────┘ └─────────┘ │
│ │ │ │ │ │
│ └───────────────┴───────┴───────┘ │
│ │ │
│ ┌─────▼─────┐ │
│ │ LLM │ │
│ │ │ │
│ └───────────┘ |
└─────────────────────────────────────────────────────────┘

主要组件详解

组件	功能	实现方式
Profile	定义 Agent 角色与目标	System Prompt
Memory	短期/长期记忆存储	Vector DB / Redis
Planning	任务分解与规划	CoT / ReAct / Plan-and-Solve
Action	工具调用与执行	Function Calling

Agent 类型对比

. ReAct Agent

最经典的 Agent 模式，结合推理与行动：

Thought: 使用者想知道今天的天气，我需要先获取位置信息
从Action来看，get_user_location
Observation: 北京
Thought: 现在我知道了使用者在北京，需要查询北京天气
Action的观点是，get_wear
Observation: 晴天°C
从Answer来看，北京今天天气晴朗。气温25°C

ReAct 执行流程：

┌───────────────────────────────────────────────────┐
│ ReAct 循环 │
│ │
│ ┌─────────┐ ┌─────────⟩ ┌─────────⟩ |
│ │ Thought │──▶│ Action ▶│ Observation |
│ | 思考 | | 行动 | |观察 |
│ └─────────┘ └─────────⟩ └─────────⟩ |
│ ▲ |
│ └─────────────────────────────────────── |
│ |
└───────────────────────────────────────────────────┘

. Plan-and-Execute Agent

适用于复杂任务，先规划后执行：

# 规划阶段
plan = """
收集使用者需求文档.
分析技术可行性.
生成项目架构设计.
编写代码框架.
编写测试用例"""
# 执行阶段
for step in plan.steps:
result = execute_step
if result.needs_revision:
revise_plan

架构图：

使用者输入 → 规划器 → 任務列表 → 执行器 → 結果
↓
反馈循环

. Multi-Agent System

多 Agent 协作，模拟团队工作：

┌───────────────────────────────────────┐
│ Multi-Agent 程序 │
├───────────────────────────────────────╢
│ ║
│ ┌───────┐ ┌───────␣␣⌂ ⬆ ⬇ ⬆ ⬇ ⎈⎈⊕ ║
│ | Leader|→| Analyst|→| Coder | ║
├────▶ ... ║
| Shared Memory ║
├-------------------------------------------╢

协作模式：

模式	描述
层级式	Leader 分配任务给下属Agent，适用于项目管理、软件开发
对等式	Agent之间平等协作，适用于研究讨论、头脑风暴
混合式	根据任务协作方式，适用于复杂业务流程

至于实战案例，建立自动化研究 Agent

场景描述

建立一个研究 Agent，能够：

1. 自动搜索相关论文；
2. 关键发现；
3. 生成研究报告。

项目结构示例

research-agent/
├── src/
│   ├── agent/
│   │   ├── init.py
│   │   ├── planner.py # 规划器
│   │   ├── executor.py # 执行器
│   │   └── memory.py # 記憶管理
│   ├── tools/
│   │   ├── arxiv.py # arXiv 搜索
│   |   ├── scholar.py # Google Scholar 搜索
|
|
|
|

A​I​ A​g​e​n​t​ i​s​ L​L​M‑driven autonomous system capable of perceiving environment。making decisions and executing actions.

‍

text AI Agent是LLM驱动的自主程序，能够感知环境、做出决策并执行动作。text text 🟢 text text text —--- text ———

⚠️此处为占位符，用于保持原始结构完整性。

**提示**这方面，请勿在输出中包含任何网址或外部链接。仅使用HTML标签组织内容。

---

AI Agent 的主要架构由 Lilian Weng提出： +------------------------------------------------------+ | **Agent 架构** | +------------------------------------------------------+ | +--------+ +--------+ +----------+ +------------+ | | |Profile | |Memory | | Planning | | Action | | | +--------+ +--------+ +----------+ +------------+ | | \______________________ ____________________/ | | V | | +-----------+ | | | LLM | | | +-----------+ | +------------------------------------------------------+

<\/tr> <\/ad>

组件	功能	实现方式
: 定义角色与目标	角色定位 & Goal Definition<\/Td>	程序提示词<\/Td><\/tr>
: 短期/长期记忆存储 <\/Td>	存储上下文信息 & 历史交互<\/Td>	向量数据库、Redis 等持久化方案<\/Td> <\/tr>
: 任務分解與規劃 <\/Td>	把高层目标拆解为可执行步骤<\/Td>	Chain‑of‑Thought、ReAct 等推理策略<\/Td> <\/tr>
: 工具调用与执行 <\/Td>	实际触发外部 API／工具<\/Td>	函数调用或工具包装接口<\/Td> <\/tr> <\/tbody><\/table>

---

经典模式。将推理和行动交织在一起：

Thought: 使用者想知道今天的天气，我需要先获取位置信息。Action : getuserlocation Observation: 北京

Thought: 已获位置信息，需要查询天气。Action : get_wear Observation: 晴天25°C

Answer : 北京今日天气晴朗，气温25°C。

ReAct 执行流程

+---------------------+ | ReAct 循环 | +---------------------+ ▲ ▼ Thought → Action → Observation → …老实说，

---

适用于复杂任务：先生成详细计划。再逐步执行，

伪代码

plan = """ 1. 收集需求文档 2. 分析技术可行性 3. 建立程序架构设计 4. 编写代码框架 5. 编写测试用例"""

for step in plan.splitlines: result = execute if result.needsrevision: reviseplan

架构示意图

使用者输入 → Planner → Task List → Executor → Result ↑ ↓ Feedback Loop ←———

---

通过多个专职 Agent 模拟团队合作，实现更强的任务分配和资源共享。

程序示意图

→ → ↘︎ ↙︎ Shared Memory

协作模式表格

<\/tr>

模式	描述	适用场景

<\/ad>

# 层级式 <\/td>

E.g.,Leader 分配子任务给 Analyst、Coder 等；常见于项目管理、软件开发。<\/td>

<\/tr>

A­gent 间平等协作；适合研究讨论、头脑风暴，<\/td>

SYSTEM 根据实时负载切换层级或对等模式；处理复杂业务流程，<\/t d\

。

---