什么是Agent？一篇讲清楚

先看Tool Calling的局限

上篇我们给AI装了天气和计算器两个工具。你问"北京天气？"，它调工具，拿到结果，回你。

但整个流程是这样的：

你问一个 → LLM调一个 → 你传结果 → LLM回你 → 结束

问题是：一次只能走一轮。

如果你问"北京、上海、杭州三个城市的天气分别怎样，温差最大的是哪两个？"，Tool Calling只能调一个工具就停住。剩下的你得自己再问一遍。

就像你给实习生下指令，但他做完一步就站着不动等你再发指令。

加一个while循环，瞬间变了

我改了一行代码。真的就一行。

把"调一次工具→结束"改成"调完→把结果塞回去→再问LLM还调不调→不调了才结束"。

whileTrue: response = LLM(消息, 工具列表)if response 没有要调的工具:break# 做完了else: 执行工具() 把结果塞回消息里()# 继续循环

然后同样的问题跑一遍：

[Step 1] 调工具: get_time() → 2026-05-24 14:30:00[Step 2] 调工具: get_weather("北京") → 晴，25°C[Step 3] 调工具: get_weather("上海") → 多云，28°C[Step 4] 调工具: get_weather("杭州") → 阴，22°C[Step 5] LLM最终回复: "北京25°C、上海28°C、杭州22°C。 温差最大的是上海和杭州，差6度。"

五次工具调用，一次回复。中间我什么都没干，它自己调了四次。

Agent就是这三样东西加起来

把上面的代码拆开，Agent就三个零件：

1. LLM（大脑）

跟之前一样，就是个API。负责判断"现在该调哪个工具，还是直接回答"。

2. 工具列表（双手）

能查天气、能看时间、能算数学。LLM只能选菜单上的东西，不能无中生有。

3. while循环（自主性）

区别在这。没有循环 = 遥控车，你按一下动一下。有循环 = 扫地机器人，你按开始它自己转。

Agent = LLM + 工具 + while循环

就这。不是魔法。

类比一下就懂了

你给实习生布置任务：“帮我查一下北京和深圳今天的温差。”

• 实习生 = LLM

• 实习生会的技能

  （打开天气App、按计算器）= 工具列表

• 实习生自己判断做几步

  （先查北京、再查深圳、最后按计算器）= while循环

你不会每一步都遥控他。你说完目标，他自己查两个城市天气、自己算温差、自己组织语言汇报。

Agent就是你这个实习生。

那Agent框架又是什么

你可能听过LangChain、AutoGPT这类名词。看完上面你会发现，它们的核心全一样。

区别在于框架帮你封装好了：

• 消息管理（messages怎么存、怎么清理）
• 工具注册（把工具按JSON Schema写好）
• 循环控制（max_steps、超时、错误处理）
• 日志追踪（每一步干了什么）

但你如果自己写过一遍while循环，这些框架剥开就是你的代码，没什么神秘的。

框架是帮你省事的，不是帮你变魔术的。

Agent的两条命门

用Agent有两个坑，一踩就翻：

**命门一：死循环。**LLM可能调完还不满意，再调、再确认、再调…永远不停。

解法：**max_steps。**设个上限，10步没搞定强制停。就像你跟实习生说"半小时内搞定，搞不定回来问我"。

**命门二：幻觉调用。**LLM可能调一个不存在的工具，或者传一个离谱的参数。

解法：工具名校验 + 参数类型检查。再强的Agent也得在安全笼子里跑。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】