一、核心总览

LLM 融入软件架构核心后，软件从被动工具升级为主动智能体，人机交互从 “命令 - 控制” 转向 “意图 - 协作”，Agent 是具备感知、记忆、推理、行动能力的数字新物种。

二、Agent 的本质：从工具到伙伴

1. 交互范式升维

• CLI/GUI 时代：人机交互单元是指令 / 点击，人负责 “怎么做”，机器仅执行。
• Agent 时代：交互单元是对话 / 意图，机器理解意图、自主处理，降低用户认知负荷。

2. 核心能力：意图理解

Agent 是意图编译器，搭建人类模糊语言与机器精确指令的桥梁，分 4 层：

1. 语义理解：提取动作、对象、范围、约束。
2. 目的识别：洞察显性指令背后的隐性目标。
3. 上下文关联：结合代码、目录、偏好、历史等环境信息。
4. 风险澄清：意图模糊时主动提问，避免误操作。

3. 记忆与身份：自我连续性

• LLM 无状态，Agent 通过上下文工程实现 “记忆幻觉”。
• 短期记忆：保持会话上下文，支持多轮一致推理。
• 长期记忆：沉淀用户偏好、历史行为，形成持续身份。

三、Agent 核心工程能力

1. 上下文工程：Agent 的 “数字感官”

• 本质：将现实世界状态序列化、结构化投射给模型，决定 Agent 判断质量。
• 三大来源：
  1. 用户上下文：开发风格、技术栈、工作内容。
  2. 环境上下文：文件结构、代码、日志、运行状态。
  3. 任务上下文：任务进度、依赖、工具调用历史。
• 技术趋势：选择性上下文、结构化摘要、图结构上下文、优先级排序。

2. 任务分解：目标→计划→执行

• 核心：把模糊目标拆解为可执行步骤，是 Agent 智能化关键指标。
• 三步法：理解目标→确定路径→管理执行。
• 关键特性：动态规划 + 自我审查，执行中可调整计划，提前校验合理性。

3. 工具、技能与行动策略：影响真实世界

（1）工具调用：Agent 的 “数字具身性”

• 工具需包含：功能描述、参数约束、副作用声明。
• 标准协议：MCP、Function Calling、LangChain Tools。

（2）技能：工具 + 领域知识 + 标准流程

• 工具：原子化操作（执行 SQL、读写文件）。
• 技能：业务化能力（生成财报、代码审查），封装企业知识与安全规范。

（3）核心循环：ReAct 范式

思考→行动→观察，形成动态闭环推理，支持试错与自我修正。

（4）行动安全：三道防线

1. 只读沙箱：探索阶段仅允许无副作用操作。
2. 人类介入（HITL）：高风险操作需人工批准。
3. 确定性护栏：底层嵌入硬性安全规则（禁止删系统文件）。

四、人机关系变革：从 Copilot 到 Autopilot

• Copilot：人主导，AI 辅助。
• Autopilot：AI 主导，人监督（设定目标、审查计划、关键决策）。
• 人从操作员变为监督者 + 评估者。

五、Agent 心智架构：感知 - 推理 - 行动循环

1. 感知：上下文映射，获取外部世界状态。
2. 推理：任务拆解、思维链推理。
3. 行动：工具调用，产生环境副作用。

• 核心：非线性管道，而是持续循环进程，实现自主智能。

六、关键总结

1. Agent 不是脚本，是有记忆、能思考、会行动的数字伙伴。
2. 两大核心工程：上下文工程（看得清）+任务分解（做得对）。
3. 安全底线：工具调用必须搭配行动策略 + 人类介入。
4. 终极价值：从 “设计系统” 变为 “培育智能物种”。