8.1 什么是 AI Agent
2023 年被称为 "Year of the Chatbot"（聊天机器人元年），而 2025 年则是 "Year of the Agent"（智能体元年）。 为什么有这个转变？因为人们不再满足于让 AI 只会说话，而是要求它能够做事。
8.1.1 Agent vs. Chatbot
交互模式
被动响应 (Reactive)
主动执行 (Proactive)
核心循环
User Input -> Model -> Output
Output -> Action -> Observation -> Loop
能力边界
受限于训练数据
通过 Tool Use 无限扩展
状态管理
依赖短期 Context Window
依赖 Long-term Memory & External DB
简单来说，Agent = LLM + Memory + Planning + Tools。
8.1.2 核心组件解构
一个现代 AI Agent 的架构通常包含四个重要组件：
Brain
这是控制中心。本书专注于 Claude 4.5 Sonnet / Opus 作为大脑。 Claude 的强项在于推理能力（Reasoning），这对于 Agent 面对未知错误时的自我修正至关重要。
Planning
人类在执行复杂任务时会先列清单。AI 也是如此。
Decomposition: 将 "写一个游戏" 拆解为 "设计角色", "编写逻辑", "调试" 三个子任务。
Reflection: 做完一步后，反思 "我做得对吗？"。
Memory
Short-term: 当前的 Context Window (200k tokens)。
Long-term: 向量数据库 (Vector DB) 或外部文件系统，用于存储长期的交互记录。
Tools
通过 MCP (Model Context Protocol) 调动不同能力和工具，就是 Agent 的四肢。
8.1.3 为什么 Claude 是构建 Agent 的最佳选择？
在众多 LLM 中，Claude 被公认为最适合做 Agent 的模型（"The Agentic Model"），原因有三：
Tool Use 准确率高：在 Berkeley Function Calling Leaderboard 上长期霸榜。它极少出现参数填错或幻觉调用。
超长 Context (200k)：Agent 在运行过程中会产生大量的日志和中间状态。Claude 的超长上下文容量能容纳更长的执行历史，减少 "灾难性遗忘"。
安全性 (Safety)：Constitutional AI 使得 Claude 在面对危险指令（如 "删除所有服务器"）时，有内置的道德刹车，这对于拥有执行权的 Agent 来说是生死攸关的。
8.1.4 Agent 的自动化等级
就像自动驾驶分 L1-L5 一样，Agent 也有分级：
L1 - Copilot: 人类指挥一步，AI 走一步。（"帮我重构这个函数"）
L2 - Router: AI 识别意图，分发给特定工具。（"帮我查天气" -> 调用 Weather API）
L3 - Generalist: AI 自主拆解任务，并在遇到困难时重试。（"帮我写一个贪吃蛇游戏并运行"）
L4 - Autonomous: 长期运行，无需人类干预。（"每周五自动爬取竞品价格，生成报告发送给 CEO"）
本章将重点探讨如何构建 L3 和 L4 级别 的 Agent。
构建 Agent 类似于搭建积木。虽然组件是一样的，但搭建方式（设计模式）决定了它是摇摇欲坠还是坚若磐石。 接下来将探讨业界最流行的几种 Agent 设计模式。
最后更新于