Agent核心组成

主要包含七个模块：Goal（目标）、State（状态）、Model（模型）、Tools（工具）、Memory（记忆）、Planner/Policy（决策逻辑）、Evaluator/Guardrails（评估与约束）。

Goal：目标（初始化）

• 解决什么样的问题
• 有什么样的输出
• 任务什么时候完成

系统到底在完成什么

State：状态（判断下一步）

• 当前任务输入
• 已完成的步骤
• 已获取的信息
• 中间分析结果
• 下一步待办
• 是否满足结束条件

系统当前处于哪一个状态

Model：模型（生成动作参数）

• 理解任务
• 解释上下文
• 决定下一步动作
• 生成结构化结果
• 生成最终输出

负责理解、推理和生成

Tools：工具（执行外部动作）

解决模型本身做不到的事情

• 搜索
• 数据库查询
• API请求
• 文件读写
• 代码执行
• 外部系统操作

让 Agent 获得外部能力

Memory：记忆

• 会话内记忆——当前任务过程中状态的延续
• 跨会话记忆——用于长期偏好、历史记录或用户画像

让系统不总是失忆（避免系统在任务间丢失上下文）

Planner/Policy：决策逻辑

• 下一步是否需要工具
• 需要哪个工具
• 是否继续收集信息
• 任务何时停止

决定接下来做什么

Evaluator/Guardrails：评估与约束（检查）

Evaluator：事后质量评估与反馈机制（判断做的好与不好）

Guardrails：实时运行时的安全拦截与约束机制（确保"不闯祸"）

• 检查输出格式是否正确
• 检查证据是否充足
• 检查结果是否越权
• 控制低成本、延迟和工具调用
• 在必要时触发人工接管

防止系统看起来在工作，实际上在失控

做一个Agent之前应该搞清楚

1. 目标是什么
2. 状态里放什么
3. 哪些能力必须通过工具获得
4. 哪些决策交给模型，哪些决策交给程序
5. 什么时候结束，什么时候失败，什么时候人工介入

Agent 不是一个“会自己动起来的模型”，而是一套模块协作的系统。