什么是 Agent？
从修复一个网页按钮的例子出发，理解 Agent 如何调用工具、读取结果并继续执行，以及怎样判断任务是否完成。
前面我们已经知道，模型可以请求调用工具，AI Chat 也可以帮我们生成和修改交互内容。
这些都是 Chat 产品的功能，现在流行的所谓的智能体（Agent）又是什么？它和 Chat 有什么区别？
一、Agent 是什么？
Agent 常被译为「智能体」或「代理」。
前面的课程中我们提到，当用户使用 Chat 产品的时候，模型程序接收到服务器程序的输入后，会进行一系列的计算，然后生成回答。最后，服务器程序将回答传回给 Chat 程序，Chat 程序再将其展示给你。
而 Agent 则稍微有点区别，Agent 程序会先让模型思考当前应该做什么，然后获得结果后，调用工具行动，再观察工具返回的结果，并继续思考下一步。
这个「想」 → 「做」 → 「看」 → 「想」 → 「做」 → 「看」 → …… 的过程，会一直重复，直到任务完成。
二、模型怎么从「回答」变成「能想」和「能做」？
我们将通过一个具体的例子，来理解模型怎么从「回答」变成「能想」和「能做」。
假设模型的训练数据里没有任何《盗梦空间》和《黑客帝国》的信息，然后用户问模型：电影《盗梦空间》（Inception）导演的出生年份，加上《黑客帝国》（The Matrix）第一部的上映年份，总和是多少？
Agent 程序发送消息到服务器程序后，经过一系列运算，会返回如下结构的数据。
{
"messages": [
{
"role": "user", // 消息身份：用户
"content": "电影《盗梦空间》（Inception）导演的出生年份，加上《黑客帝国》（The Matrix）第一部的上映年份，总和是多少？" // 用户的问题内容
},
{
"role": "assistant", // 消息身份：模型
"reasoning": "要算出总和，我需要先知道两个未知数：《盗梦空间》导演是谁及其出生年份，以及《黑客帝国》第一部的上映年份。先查《盗梦空间》的导演。", // 模型的思考过程
"content": null, // 模型生成的内容：空。因为没有回答，而是直接生成了工具调用请求。
"tool_calls": [
{
"type": "function",
"function": {
"name": "search_web",
"arguments": "{\"query\":\"Inception movie director\"}" // 搜索盗梦空间导演
}
}
]
},
{
"role": "tool", // 消息身份：工具
"content": "《盗梦空间》（Inception）是 2010 年上映的科幻动作片，由克里斯托弗·诺兰（Christopher Nolan）编剧并执导。" // 工具返回的结果
}
]
}可以细看对比一下和之前的区别，多了一个 reasoning 字段，这个字段里显示的就是模型思考的过程。这一步就是前面提到的 「想」:
{
"reasoning": "要算出总和，我需要先知道两个未知数：《盗梦空间》导演是谁及其出生年份，以及《黑客帝国》第一部的上映年份。先查《盗梦空间》的导演。", // 模型的思考过程
}有了这个思考后，模型会根据这个思考，生成一个搜索工具请求，搜索「盗梦空间的导演」，这一步就是前面提到的 「做」:
{
"tool_calls": [
{
"type": "function",
"function": {
"name": "search_web",
"arguments": "{\"query\":\"Inception movie director\"}" // 搜索盗梦空间导演
}
}
]
}工具会返回搜索结果，然后模型会进行「看」：
{
{
"role": "tool", // 消息身份：工具
"content": "《盗梦空间》（Inception）是 2010 年上映的科幻动作片，由克里斯托弗·诺兰（Christopher Nolan）编剧并执导。" // 工具返回的结果
}
}从上面的 JSON 数据可以看到，工具返回了导演的名字「克里斯托弗·诺兰（Christopher Nolan）」，但并没有给出导演的出生年份，于是模型会根据这个结果，进行第二次思考和工具调用（第二次的想、做、看），并获得结果：
{
"messages": [
{
"role": "user", // 消息身份：用户
"content": "电影《盗梦空间》（Inception）导演的出生年份，加上《黑客帝国》（The Matrix）第一部的上映年份，总和是多少？" // 用户的问题内容
},# 第一次思考和工具调用18 行
{
"role": "assistant", // 消息身份：模型
"reasoning": "要算出总和，我需要先知道两个未知数：《盗梦空间》导演是谁及其出生年份，以及《黑客帝国》第一部的上映年份。先查《盗梦空间》的导演。", // 模型的思考过程
"content": null, // 模型生成的内容：空。因为没有回答，而是直接生成了工具调用请求。
"tool_calls": [
{
"type": "function",
"function": {
"name": "search_web",
"arguments": "{\"query\":\"Inception movie director\"}"
}
}
]
},
{
"role": "tool", // 消息身份：工具
"content": "《盗梦空间》（Inception）是 2010 年上映的科幻动作片，由克里斯托弗·诺兰（Christopher Nolan）编剧并执导。" // 工具返回的结果
} # 第二次思考和工具调用
{
"role": "assistant", // 消息身份：模型
"reasoning": "导演是 Christopher Nolan。但我还没有他的出生年份，也没有《黑客帝国》的上映年份。接下来先查 Christopher Nolan 的出生年份。", // 模型的思考过程
"content": null, // 模型生成的内容：空。因为没有回答，而是直接生成了工具调用请求。
"tool_calls": [
{
"type": "function",
"function": {
"name": "search_web",
"arguments": "{\"query\":\"Christopher Nolan birth year\"}"
}
}
]
},
{
"role": "tool", // 消息身份：工具
"content": "克里斯托弗·诺兰（Christopher Nolan）出生于 1970 年 7 月 30 日。" // 工具返回的结果
}
]
}这次模型就从工具返回的结果中，得到了导演的出生年份「1970 年 7 月 30 日」，于是模型会根据这个结果继续进行剩余的查询和计算任务，直到获得所有需要的数据后，最终得到如下结果：
{
"messages": [
{
"role": "user", // 消息身份：用户
"content": "电影《盗梦空间》（Inception）导演的出生年份，加上《黑客帝国》（The Matrix）第一部的上映年份，总和是多少？" // 用户的问题内容
},# 第一次思考和工具调用37 行
{
"role": "assistant", // 消息身份：模型
"reasoning": "要算出总和，我需要先知道两个未知数：《盗梦空间》导演是谁及其出生年份，以及《黑客帝国》第一部的上映年份。先查《盗梦空间》的导演。", // 模型的思考过程
"content": null, // 模型生成的内容：空。因为没有回答，而是直接生成了工具调用请求。
"tool_calls": [
{
"type": "function",
"function": {
"name": "search_web",
"arguments": "{\"query\":\"Inception movie director\"}"
}
}
]
},
{
"role": "tool", // 消息身份：工具
"content": "《盗梦空间》（Inception）是 2010 年上映的科幻动作片，由克里斯托弗·诺兰（Christopher Nolan）编剧并执导。" // 工具返回的结果
},
# 第二次思考和工具调用
{
"role": "assistant", // 消息身份：模型
"reasoning": "导演是 Christopher Nolan。但我还没有他的出生年份，也没有《黑客帝国》的上映年份。接下来先查 Christopher Nolan 的出生年份。", // 模型的思考过程
"content": null, // 模型生成的内容：空。因为没有回答，而是直接生成了工具调用请求。
"tool_calls": [
{
"type": "function",
"function": {
"name": "search_web",
"arguments": "{\"query\":\"Christopher Nolan birth year\"}"
}
}
]
},
{
"role": "tool", // 消息身份：工具
"content": "克里斯托弗·诺兰（Christopher Nolan）出生于 1970 年 7 月 30 日。" // 工具返回的结果
}, # 第三次思考和工具调用
{
"role": "assistant", // 消息身份：模型
"reasoning": "导演是 Christopher Nolan。但还没有《黑客帝国》的上映年份。接下来先查《黑客帝国》的上映年份。", // 模型的思考过程
"content": null, // 模型生成的内容：空。因为没有回答，而是直接生成了工具调用请求。
"tool_calls": [
{
"type": "function",
"function": {
"name": "search_web",
"arguments": "{\"query\":\"The Matrix first movie release date\"}"
}
}
]
},
{
"role": "tool", // 消息身份：工具
"content": "《黑客帝国》（The Matrix）第一部上映于 1999 年 3 月 31 日。" // 工具返回的结果
},
# 第四次思考和工具调用
{
"role": "assistant", // 消息身份：模型
"reasoning": "两个数字都齐了：1970 和 1999。为了避免心算出错，我调用计算器工具求它们的和。", // 模型的思考过程
"content": null, // 模型生成的内容：空。因为没有回答，而是直接生成了工具调用请求。
"tool_calls": [
{
"type": "function",
"function": {
"name": "calculate",
"arguments": "{\"operation\":\"add\",\"numbers\":[1970,1999]}"
}
}
]
},
{
"role": "tool", // 消息身份：工具
"content": "1970 + 1999 = 3969" // 工具返回的结果
}
# 最终结果
{
"role": "assistant", // 消息身份：模型
"reasoning": "计算结果是 3969，所有步骤均已验证完毕，可以输出最终答案。", // 模型的思考过程
"content": "《盗梦空间》导演克里斯托弗·诺兰出生于 1970 年，《黑客帝国》上映于 1999 年，两者年份之和为 3969。", // 模型生成的内容：最终答案
}
]
}JSON 的阅读可能有点困难，我们将关键信息整理成图，整个过程如下：
三、为何有这种模式？
上述的这个过程「想」 → 「做」 → 「看」 → 「想」 → 「做」 → 「看」 → …… 的过程，又被称为 ReAct。这就是 Agent 的核心工作原理，它也是和传统的 AI Chat 最大的区别。
为何会有这种使用模式？
原因是 AI Chat 在某些情况下，仅运行一次，并不足以让大语言模型答出答案。如果上述的例子（还是假设大语言模型不知道什么是《盗梦空间》和《黑客帝国》），在 AI Chat 里提问，可能获得的答案将会是：
电影《盗梦空间》（Inception）导演的出生年份，加上《黑客帝国》（The Matrix）第一部的上映年份，总和是多少？
search_web
调用参数
{
"query": "Inception movie director"
}返回结果
{
"director": "Christopher Nolan"
}抱歉，我仅知道《盗梦空间》的导演是 Christopher Nolan，但不知道他的出生年份。
四、接下来学什么？
到这里，你已经能把 AI Chat 等知识都搞懂了。接下来你可以选择继续学习 Agent 101，了解更多与 AI Agent 相关的知识。
如果你对 AI Agent 不感兴趣，对 AI 编程更感兴趣，则可以先去看看 Coding 101。这个课程会从基础的编程知识讲起，然后逐步教会你使用 AI 开发一个网站。