[!info] related notes

• 所属 MOC: Agent MOC, AI MOC
• 前置概念: LLM, Augmented LLM
• 并列概念: Agentic Systems, Orchestration, Agent Runtime
• 易混淆概念: AI Agent 创建实践, Agent 在前端研发里是什么
• 关系笔记: Agentic Workflow Patterns, Agent 执行闭环

Agent

一句话定义

Agent 是一种围绕目标持续规划、调用工具、读取环境反馈并决定下一步动作的 LLM 驱动执行体。

核心机制 / 工作原理

Agent 和普通聊天助手的本质差异不在“会不会多轮对话”，而在于它能否形成任务闭环：

• 接收目标或和人澄清目标
• 规划接下来要做什么
• 调用工具或访问环境
• 根据真实反馈判断是否继续、修正、停下或请求人工介入

一个成熟 agent 常见会具备：

• 模型本体
• 工具接口
• 状态或记忆层
• 运行时循环
• 停止条件和 guardrails

如果把这些环节串起来看，可以进一步接到 Agent 执行闭环。

最小例子 / 最小场景

一个 coding agent 收到“修复测试失败”后，如果它能：

• 搜索相关文件
• 运行测试
• 读取报错
• 修改代码
• 再次运行测试直到通过

那么它就已经体现了 agent 的核心特征。

边界与易混淆点

• agent 不等于“任何会调工具的 LLM”。如果整个路径都是代码硬控，它更接近 workflow。
• agent 不等于“完全自主很久的系统”。很多生产 agent 仍然会设置强停止条件和人工审批点。
• agent 也不等于“更会聊天的模型”。它的本质是 goal-driven execution，而不是对话轮数。

在前端研发中的应用

Agent 映射到前端工程时的工具链、反馈信号和治理边界独立维护在 Agent 在前端研发中的角色。

学习检查

不看正文回答：

1. Agent 与普通多轮聊天助手最根本的差别是什么？
2. 为什么“会调用一个工具”还不足以自动证明系统就是 Agent？
3. 一个 coding agent 的最小闭环至少需要哪些环节？
4. 为什么生产 Agent 通常仍需要停止条件、权限和人工审批？
5. Agent、Agent Runtime 与 Agentic Workflow 分别主要回答什么问题？
6. 给一个任务，判断它更适合固定 workflow 还是 Agent，并解释依据。

Related notes

• Tool Use in Agents