Agent 基础速查
快速查阅 Agent 等级、推理模式选择和记忆架构决策。
一、Agent 等级速查（L0-L5）
| 等级 | 名称 | 核心特征 | 典型场景 |
|---|---|---|---|
| L0 | 传统软件 | 确定性逻辑，输入 A 必然输出 B | if-else、规则引擎 |
| L1 | Prompt + Tool | 单次调用 + 工具调用，无自主循环 | 翻译、总结、简单问答 |
| L2 | ReAct Agent | 思考 → 行动 → 观察，自主循环 | 信息检索、简单任务执行 |
| L3 | Planning Agent | 任务分解、依赖管理、多步骤执行 | 研究报告、复杂数据分析 |
| L4 | Reflection Agent | 自我评估、反馈循环、迭代改进 | 代码审查、高质量内容生成 |
| L5 | Multi-Agent | 多 Agent 协作、分工、编排 | 战略分析、端到端项目 |
判断该用哪一级
二、推理模式速查
什么时候用 ReAct vs Planning vs Reflection？
| 维度 | ReAct | Planning | Reflection |
|---|---|---|---|
| 核心机制 | 思考→行动→观察 循环 | 任务分解→排序→执行 | 生成→评估→反馈→改进 |
| 适合任务 | 探索性、步骤不确定的任务 | 复杂、多步骤、依赖关系明确的任务 | 需要高质量输出、有明确评估标准的任务 |
| 优势 | 灵活、可纠正、可追溯 | 结构清晰、可并行、可追踪 | 提高下限、减少明显错误 |
| 劣势 | 可能陷入死循环 | 分解粒度难把握 | 成本翻倍、不保证改进 |
| 典型场景 | 信息检索、故障排查 | 研究报告、数据处理流水线 | 代码生成、文档撰写 |
ReAct 详解
| 要素 | 说明 |
|---|---|
| 循环结构 | Reason（思考）→ Act（行动）→ Observe（观察）→ 循环 |
| 解决的问题 | 信息过时（可以去查）、无法验证（做完再检查）、无法追溯（每步有记录） |
| 关键约束 | 需要预算上限、终止条件、验收机制（否则可能死循环） |
| 生产底线 | ReAct 不是正确保证，预算 + 终止 + 验收才是真正的底线 |
Planning 详解
| 要素 | 说明 |
|---|---|
| 三个核心问题 | ① 如何分解？② 如何执行（并行/串行）？③ 何时停止？ |
| 最容易忽视 | 第三个问题——不知道什么时候该停，导致无限循环 |
| 分解原则 | 能画出流程图 → 用工作流；画不出来 → 考虑多 Agent |
| 执行策略 | 有依赖 → 串行；无依赖 → 并行；混合 → DAG |
Reflection 详解
| 要素 | 说明 |
|---|---|
| 核心组件 | 质量评估 → 反馈生成 → 带反馈重生成 |
| 适用场景 | 高价值输出、可客观评估的任务、迭代改进 |
| 本质 | 锦上添花，不是核心依赖——不能让烂回答变好 |
| 成本 | 约 2 倍调用成本（生成 + 评估 + 可能的重生成） |
三、记忆架构选择速查
记忆类型对比
| 类型 | 时间跨度 | 存储方式 | 适用场景 | 选择标准 |
|---|---|---|---|---|
| 工作记忆 | 秒-分钟级 | 上下文窗口 | 正在处理的任务 | 所有 Agent 必需 |
| 会话记忆 | 分钟-小时级 | Redis 缓存 | 单次对话历史 | 需要多轮交互的场景 |
| 长期记忆 | 天-月级 | PostgreSQL | 用户偏好、成功模式 | 需要跨会话个性化 |
| 语义记忆 | 永久 | 向量数据库 | 相关历史问答、知识库 | 需要语义相似度检索 |
记忆架构选择决策
三层存储架构
| 存储 | 职责 | 典型数据 |
|---|---|---|
| PostgreSQL | ACID 事务数据 | 执行历史、审计日志、用户偏好 |
| Redis | 热数据缓存（毫秒级） | 活跃会话、Token 预算、速率限制 |
| Qdrant | 向量相似度搜索 | 语义记忆、压缩摘要、文档分块 |
另一种选择：本地文件存储
| 方案 | 优势 | 劣势 | 适合谁 |
|---|---|---|---|
| 本地文件（CLAUDE.md 等） | 零部署、Git 友好、隐私 | 语义检索弱、多设备同步难 | 单机开发者工具 |
| 服务器端存储 | 多租户、语义检索强 | 需要部署、数据在云端 | 企业级多租户应用 |
四、Agent 四大核心组件速查
Agent = 大脑 + 手脚 + 记忆 + 主见
(LLM) (Tools) (Memory) (Autonomy)| 组件 | 职责 | 没有会怎样 |
|---|---|---|
| 大脑 (LLM) | 思考，决定下一步 | 没有智能，只是死板脚本 |
| 手脚 (Tools) | 执行，搜索/读写/调用 API | 只能聊天，不能做事 |
| 记忆 (Memory) | 记住之前发生了什么 | 每次从零开始，效率极低 |
| 主见 (Autonomy) | 自己做决定 | 只是 Chatbot，不是 Agent |
生产环境的第五层：护栏（Guardrails）
| 护栏类型 | 说明 |
|---|---|
| 预算 | Token 消耗上限 |
| 权限 | 操作范围限制 |
| 审批 | 关键操作需要人工确认 |
| 审计 | 全过程可追溯 |
| 沙箱 | 隔离执行环境 |
五、Agent 与传统软件对比
| 维度 | 传统软件 | Agent |
|---|---|---|
| 确定性 | 确定性：给定输入 A，必然产出 B | 概率性：给定输入 A，可能产出 B 或 C |
| 灵活性 | 低——按固定逻辑执行 | 高——能自主调整策略 |
| 可预测性 | 高 | 低（每次运行路径可能不同） |
| 调试方式 | 调试代码 | 调试环境——"环境里缺了什么导致 Agent 犯错？" |
| 错误来源 | 代码 bug | 环境缺失（工具、上下文、约束） |
六、Chain-of-Thought 速查
| CoT 类型 | 做法 | 适用场景 |
|---|---|---|
| Zero-shot CoT | Prompt 中加"Let's think step by step" | 简单推理任务 |
| Few-shot CoT | 提供推理示例 | 需要特定推理模式 |
| Tree-of-Thoughts | 多条推理路径并行探索 | 复杂决策、需要多视角 |
七、常见问题速查
| 问题 | 原因 | 解法 |
|---|---|---|
| Agent 死循环 | 没有终止条件 | 设置最大轮次 + Token 预算上限 |
| Agent 偏离目标 | 目标漂移 | 用文件记录计划，定期读回检查 |
| Agent 调用错误工具 | 工具设计不匹配模型能力 | Seeing Like an Agent，简化工具接口 |
| 输出质量不稳定 | LLM 概率性 | 引入 Reflection 模式 |
| 长对话质量下降 | 上下文腐烂 | 上下文工程（卸载/缩减/隔离） |