大模型智能体（Agent）是基于大语言模型、具备规划、记忆和工具使用能力的通用问题解决器。详细阐述了智能体的核心架构，包括规划（Planning）中的子任务分解、思维链（CoT）、思维树（ToT）及 ReAct 模式；记忆（Memory）中的短期上下文与长期向量库存储；工具使用（Tool use）中的 Function Calling 机制及 OpenAI API 实现。此外，文章介绍了智能体开发框架如 MetaGPT，探讨了多智能体协作模式，并补充了安全性、性能优化及评估指标等最佳实践，旨在为开发者提供从理论到落地的完整指南。
大语言模型（LLM）非常强大，如同拥有思考能力的大脑。然而，仅凭大脑无法与世界互动。如果给 LLM 配备上四肢和工具，它是否能打破次元壁，从数字世界走向现实世界？
LLM 可以接受输入、分析推理、输出文字或代码。但其缺乏人类的规划思考能力、运用工具与物理世界互动的能力，以及记忆能力。
若为 LLM 配备与物理世界互动的工具、记忆能力及规划思考能力，它将能像人类一样自主思考并规划任务过程，检索记忆，使用工具提高效率，最终完成复杂任务。
智能体的英文是 Agent。业界对其有多种定义，个人理解，智能体是一种通用问题解决器。从软件工程角度看，智能体是一种基于大语言模型的、具备规划思考能力、记忆能力、使用工具函数能力的计算机程序，能自主完成给定任务。
如图 1 所示，在基于 LLM 的智能体中，LLM 充当'大脑'角色，同时还有 3 个关键部分：
智能体会把大型任务分解为子任务，并规划执行流程；对任务执行过程进行思考和反思，决定继续执行或终止运行。
为智能体配备工具 API，如计算器、搜索工具、代码执行器、数据库查询工具等。有了这些工具 API，智能体就可以与物理世界交互，解决实际问题。
调研员智能体可根据用户的调研问题，从搜索引擎搜索资料并总结，生成调研报告。这里以 MetaGPT 框架中的调研员示例展示智能体的实际作用。
输入调研课题：调研特斯拉 FSD 和华为 ADS 这两个自动驾驶系统
python3 -m metagpt.roles.researcher "特斯拉FSD vs 华为ADS"
文件：特斯拉 FSD vs 华为 ADS.md
仅有 LLM 大脑无法完成整个调研流程。在调研员智能体中，为 LLM 配备了规划、工具、记忆的能力。其基本构成包括角色、工具、记忆三部分。在角色中，注册各种工具，定义思考规划方式，以及具备短期记忆能力。
规划可理解为观察和思考。类比人类思维模式：接到任务后思考如何完成，审视手头工具及使用方法，将任务拆分成子任务，执行过程中反思完善，思考何时终止。
我们希望智能体拥有这种思维模式，通过 LLM 提示工程赋予其以下能力：
通过 LLM 使智能体把大型任务分解为更小的、更可控的子任务，有效完成复杂任务。
思维链是一种标准提示技术，能显著提升 LLM 完成复杂任务的效果。要求 LLM「think step by step」，使其将问题分解成多个步骤逐步解决，输出结果更准确。
Prompt 示例：
template = "Answer the question: Q: {question}? Let's think step by step:"
对 CoT 的扩展，在每一步推理出多个分支，拓扑展开成思维树。使用启发式方法评估每个分支贡献，选择搜索算法（BFS 或 DFS）探索思维树，进行前瞻和回溯。
智能体在执行过程中，通过 LLM 对完成的子任务进行反思，从错误中吸取教训，完善未来步骤，提高质量。同时反思任务是否完成并终止。
ReAct（Yao et al. 2023）提出结合推理（Reasoning）和行动（Acting）来增强 LLM 效果。
结合推理和行动能有效增强完成任务能力。例如调研问题：
步骤示例：
推理 1：当前知识不足以回答，需知道「特斯拉 FSD」和「华为 ADS」
行动 1：使用搜索工具搜索资料
观察 1：总结行动 1 内容
推理 2：得知是两个自动驾驶方案对比，需生成报告
行动 2：使用生成报告工具
观察 2：任务完成
ReAct Prompt 模版思路：
Thought（思考）: ...
Action（行动）: ...
Observation（观察）: ...
(Repeated many times)
记忆是大脑存储、保留和回忆信息的能力。分为短期记忆和长期记忆。
仿照人类记忆机制，智能体实现两种记忆机制：
LLM 是数字世界程序，与现实世界互动离不开工具。工具可以是锤子、螺丝刀，也可以是函数（function）、SDK。在智能体中，工具就是函数，工具使用就是调用函数。
Function Calling 是实现 LLM 连接外部工具的机制。调用方描述函数功能、参数说明，让 LLM 根据用户输入选择合适的函数，并将自然语言转换为请求参数（JSON 格式）。调用方使用返回的参数调用函数，将响应传给 LLM 组织回复。
具体工作流程如下：
不同 LLM 的 API 接口协议有所不同，下文以 OpenAI 的 API 协议为例说明。
假设函数已实现，需向 LLM 描述该函数。必备要素：函数名、功能描述、请求参数说明、响应参数说明。
「查询最近天气」的函数描述：
{
"type": "function",
"function": {
"name": "get_n_day_weather_forecast",
"description": "获取最近 n 天的天气预报",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市或镇区 如：深圳市南山区"
},
"format": {
"type": "string",
"enum": ["celsius", "fahrenheit"],
"description": "要使用的温度单位"
}
Function Calling 通过请求 LLM 的 chat API 实现。支持 Function Calling 模型的 chat API 参数中有 functions 或 tools 参数。传入此参数，大模型知道可用函数，并根据用户输入推理调用哪些函数，返回请求参数。
OpenAI SDK 示例：
from openai import OpenClient
def chat_completion_request(messages, tools=None, tool_choice=None, model="gpt-3.5-turbo"):
try:
response = client.chat.completions.create(
model=model,
messages=messages,
tools=tools,
tool_choice=tool_choice,
)
return response
except Exception as e:
print(f"Exception: {e}")
return e
if __name__ == "__main__":
messages = []
messages.append({"role": "system", "content": "不要假设将哪些值输入到函数中。如果用户请求不明确，请要求澄清"})
messages.append({"role": "user", "content": "未来 5 天深圳南山区的天气怎么样"})
chat_response = chat_completion_request(messages, tools=tools)
tool_calls = chat_response.choices[0].message.tool_calls
print("===回复===")
print(tool_calls)
LLM 返回函数调用参数：
[
{
"id": "call_7qGdyUEWp34ihubinIUCTXyH",
"function": {
"arguments": "{\"location\":\"深圳市南山区\",\"format\":\"celsius\",\"num_days\":5}",
"name": "get_n_day_weather_forecast"
},
"type": "function"
}
]
调用方获得 LLM 返回的函数调用信息后，自行调用函数，得到响应。如有需要，将响应追加到对话历史传给 LLM，组织成自然语言回复。
for tool_call in tool_calls:
function = tool_call.function.name
arguments_list = json.loads(tool_call.function.arguments)
function_to_call = globals().get(function)
result = function_to_call(**arguments_list)
print("===" + function + "===")
print(result)
messages.append({
"tool_call_id": tool_call.id,
"role": "user",
"name": function,
"content": "函数执行结果为:" + str(result)
})
chat_response = chat_completion_request(messages, tools=tools)
print("===回复===")
print(chat_response.choices[0].message.content)
执行结果：
===get_n_day_weather_forecast===
[{'date': '2023-04-01', 'location': '深圳市南山区', 'temperature': '20°C', 'description': '晴朗'}, ...]
===回复===
未来 5 天深圳南山区的天气情况如下：
- 4 月 1 日：晴朗，温度 20°C
...
2024 年开发 AI 智能体比初期方便许多。随着需求火热，智能体框架层出不穷，抽象封装高频模块（记忆、规划、RAG、大模型调用）。使用框架可快速搭建智能体。
根据 awesome-ai-agents 整理，开源和闭源框架在自定义智能体、编码、研究、数据分析、多智能体等领域均有代表性产品。
上文提到的 MetaGPT 是一个多智能体框架。多智能体框架帮助开发由多个不同职责智能体组合的系统。例如开发软件团队，包含开发（coder）、测试（tester）、评审人（reviewer）三个智能体，各司其职协作。
智能体拥有执行工具的能力，必须考虑安全性。防止 Prompt Injection 攻击，限制智能体可访问的工具范围，对敏感操作增加人工确认环节。确保工具调用的鉴权机制健全，避免凭证泄露。
长上下文窗口虽大但成本高昂。合理管理短期记忆，及时清理无用信息。对于长期记忆，采用高效的向量检索策略，减少延迟。批量处理工具调用以减少 API 请求次数。
评估智能体表现需关注任务完成率、响应时间、资源消耗及输出质量。建立自动化测试集，模拟真实场景验证智能体的鲁棒性。定期复盘失败案例，优化提示词和工具配置。
随着大模型百花齐放，LLM 支持更长上下文、更大参数规模，推理能力愈发强大。基于大模型搭建的智能体能力边界不断突破。通过智能体技术，我们可以创建 Copilot、DB-GPT 等各种 AI 应用。AI 应用将快速全面重构软件形态和交互方式，提升人类生产效率。
智能体技术正处于快速发展期，开发者应关注最新框架动态，深入理解底层原理，构建安全、高效、可靠的智能应用。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online