Agent（智能体）

概念

Agent 是一种能够自主规划、决策、执行任务的组件。其核心是让大语言模型（LLM）根据任务需求选择并调用工具，完成单靠模型自身无法解决的复杂问题。

有无 Agent 的区别

	无 Agent	有 Agent
能力边界	仅基于训练数据回答	可调用外部工具获取实时数据、执行计算
工作方式	单次问答	思考 → 选工具 → 执行 → 根据结果调整策略，循环直至完成
典型局限	实时数据、复杂计算、外部系统调用等场景易「卡壳」	LLM 作为「指挥官」协调工具链完成任务

核心特点

• 目标驱动：围绕用户的具体任务目标展开工作
• 工具调用：连接外部工具，弥补 LLM 的局限性
• 自主决策与迭代：根据工具返回结果，判断继续调用工具或生成最终答案，无需每步人工干预

ReAct

ReAct（Reasoning + Acting，推理 + 行动）是大模型智能体的核心思考与行动框架，让 Agent 像人类一样「思考问题 → 制定策略 → 执行行动 → 验证结果」。

与传统「直接回答问题」不同，ReAct 通过自然语言思考过程指导工具调用，逐步解决复杂问题，适合多步推理、工具协作等场景（如智能客服、报告生成、任务规划）。

执行循环

思考（Reason）→ 行动（Act）→ 观察（Observe）→ 再次思考 → …

LangChain 的 Agent 对象遵循 ReAct 框架，在执行过程中持续进行自我思考、自我行动、自我观察。在 LangGraph 中，这一循环通过图结构的节点与边实现，详见 LangGraph。