AI Knowledge

外观

Agent 核心机制 极简一问一答 ​

定位｜ Agent 核心机制 一分钟速答页。每章固定 10 题，只保留结论、机制、边界与验证关键词；单个回答控制在 10～60 秒。

1. 怎么使用 ​

本页重点｜ L1 概念 → L2 边界 → L3 原理 → L4 实现 → L5 工程 → L6 架构 → L7 复盘 → 误区、验证、证据强化。不会展开时，再进入正式主题或专项题库。

图：Agent 核心机制 十题极简脑图

替代文本： Agent 核心机制从 L1 概念和 L2 边界，依次进入 L3 原理、L4 实现、L5 工程、L6 架构与 L7 项目复盘，再用误区、最小自测和证据边界三题强化。

图表加载中…

读图结论： 掌握 Agent 核心机制 不能停在定义；先顺着七层链路说清机制与工程，再用误区、自测和证据边界确认没有虚假掌握。

2. 极简一问一答 ​

Q001｜Agent、Tool Calling 和 Workflow 的核心区别是什么？

Tool Calling 是模型表达一个或多个结构化动作的机制，是否继续由外层代码决定；Workflow 的节点和主要路径由代码或 DAG 预定义；Agent 则由运行时组织循环，允许模型根据中间 Observation 动态选择下一步。无论哪种形态，模型只提出动作，真正执行、授权、持久化和终止的是确定性运行时。

Q002｜State、Context、短期记忆和长期记忆有什么区别？

State 是用于执行与恢复的结构化事实，如步骤、预算、工具结果和错误；Context 是本轮模型可见的指令、最近对话、工具 Schema 与必要观察；短期记忆保留当前任务工作信息，长期记忆跨会话复用但必须有来源、作用域、TTL、更新和删除策略。完整日志属于审计材料，不应无界进入上下文，否则会带来窗口、噪声、隐私和污染问题。

Q003｜Agent Loop 如何工作，谁决定继续与结束？

模型根据目标和当前状态产生动作 a_t，运行时校验动作并执行工具得到观察 o_t，再由确定性状态转移 T(s_t,a_t,o_t) 生成下一状态并决定是否继续。模型可发出完成或求助信号，但最大步数、时间、Token/费用、重复动作、权限违规、不可重试错误和结果验收必须由运行时硬终止。

Q004｜最小可用 Agent 运行时应该实现哪些控制？

运行时至少要有结构化动作类型、工具白名单与输入 Schema、服务端授权、工具超时和错误结构、持久化 State、Observation 回写、步数/时间/Token/费用预算、重复动作检测以及最终输出校验。未知工具和非法参数必须在副作用前拒绝；真实模型输出不能靠脆弱正则解析自由文本。

Q005｜Agent 持续调用同一工具或总选错工具，如何排查？

先按 run_id 固定模型/Prompt/工具版本、动作签名、Observation、状态变化、步数和预算；循环时先取消 Run 或限流，再查硬上限、重复动作/无进展检测、工具错误是否被正确分类以及 Observation 是否进入上下文。错工具则比较候选工具描述、Schema 重叠、路由和固定标注样本的混淆对；修复后重放失败轨迹，加入重复观察、持续失败和非法参数回归。

Q006｜何时选 Workflow、单 Agent 或多 Agent？

路径稳定、规则明确且副作用高的任务优先 Workflow；下一步依赖中间观察且工具组合难枚举时，可在受控边界内使用单 Agent。只有专长、权限或上下文边界明确时才考虑 Manager-as-Tool 或 Handoff 等多 Agent 组织；多 Agent 不保证更强，会增加调用、延迟、上下文损失、协调错误和责任模糊，必须用基线与任务评测证明价值。

Q007｜AI 面试教练为什么适合“受控 Agent + 固定 Workflow”？

这是源文档中的示例设计：Agent 根据候选人上一轮回答中的遗漏和错误动态选择下一问，知识检索只在需要事实依据时调用；Rubric 与权重版本、严重错误硬门禁、最大轮次、问题去重、退出指令、权限和最终状态验收由 Workflow/运行时代码固定。若答案语义评分由模型或 Judge 完成，具体分数仍是概率输出，必须绑定回答证据、知识来源及模型、Prompt、Rubric 版本，并通过重复评分和人工一致性校准控制漂移，不能称为确定性评分。仓库没有真实实现或用户评测，因此不能声称准确率、延迟或学习收益。

Q008｜这个专题最常见的误区是什么？

常见误区有三类：认为调用一个函数就是 Agent，或只要用了 LLM 就不是 Workflow；任意执行模型生成的函数名，或只靠自然语言判断动作；按角色名堆 Agent，或声称多 Agent 天然提升准确率。

Q009｜怎样做最小自测？

最小自测分三步：分别举一个普通 Tool Calling、固定 Workflow 和 Agent Loop 的例子；设计 State、Context、短期记忆和长期记忆四份字段清单；为未知工具、参数错误、重复观察和持续超时写终止测试。

Q010｜回答这个专题时，证据边界是什么？

模型只能提出候选动作，没有天然执行权限；多 Agent 是可选组织方式，不保证质量更强。

3. 总结 ​

一句话记忆： Tool Calling 是模型表达一个或多个结构化动作的机制，是否继续由外层代码决定。

  • Tool Calling 是模型表达一个或多个结构化动作的机制，是否继续由外层代码决定。
  • 先按 run_id 固定模型/Prompt/工具版本、动作签名、Observation、状态变化、步数和预算。
  • 常见误区有三类：认为调用一个函数就是 Agent，或只要用了 LLM 就不是 Workflow。
  • 模型只能提出候选动作，没有天然执行权限。