AI Agent是开发大模型应用的关键但很多人对其概念和运作方式感到困惑。本文图文并茂地解释了Agent如何通过接入工具使大模型能够感知和改变外界环境。重点介绍了ReAct和Plan-And-Execute两种主要设计模式包括它们的运作原理、优势及如何通过系统提示词和具体处理程序实现Agent行为。掌握Agent原理和方法论结合合适工具和框架开发者能高效开发出基于大模型的应用。下一期将以“代码生成系统”为例详细讲解Agent的实际运用。什么是Agent大模型本身擅长回答问题但是在使用时我们会发现一个问题它们无法感知和改变外界的环境比如开发一个博客系统它确实可以写出代码但是写完之后把代码写入到文件还是要自己动手拷贝、启动服务、调试已经有了博客系统的代码想让大模型基于这些代码来改写增加一些功能就必须把已有的所有代码复制给大模型才行我们不主动告诉大模型它是不知道这些代码的这就是大模型无法感知和改变外界环境的体现那么有没有办法解决这个问题呢我们只需要接入对应的工具即可比如读写文件内容的工具、查看文件列表的工具、运行终端命令的工具。工具就像大模型的感官和四肢有了它们大模型就可以自己读、写代码运行调试代码整个过程完全自动化。把大模型和工具组织起来变成一个能感知和改变外界环境的软件实体我们就称之为AI Agent。Agent的设计模式Agent的设计模式很多本文主要讲解应用最多的两个模式ReAct模式和Plan-And-Execute模式。1、ReAct模式在ReAct模式下用户先提交任务Agent先做思考Thought思考后会决定是否调用工具如果需要就会调用对应的工具ReAct称这一步为行动Action在行动后Agent会去查看工具的执行结果比如读取文件内容、写入文件是否成功等ReAct称这一步为观察Observation在观察之后ReAct会继续思考它会再次判断是否需要调用工具如果还是需要的话它会继续重复之前所说的行动、观察、思考的流程直到某一个时刻可以给出结论了此时它就输出了最终答案整个流程如下ReAct模式的实现原理为什么ReAct模式拿到用户输入的内容后需要先思考、再行动为什么不直接行动是因为模型就这样训练的吗这和模型的训练没有关系主要的奥秘其实都集中在系统提示词上它规定了模型的角色、运行的规则、环境信息等等示例你是一个智能助手工作方式如下 1. 你会基于用户的问题先进行“思考Thought”写出你的推理过程。 2. 然后根据推理结果执行“行动Action”调用可用的工具。 3. 当你获得观察结果Observation后再继续思考或给出最终答案。 严格遵循以下输出格式 Thought: ... Action: ... Observation: ... Final Answer: ... 你可以使用的工具如下 1. WebSearch(query: str) —— 用于搜索网络信息 2. Calculator(expression: str) —— 用于数学计算 3. PythonRunner(code: str) —— 运行 Python 代码备注除了上述提示词外还需要具体的处理程序。2、Plan-And-Execute模式在这种模式下根据用户输入的任务先制定一个多步骤的计划然后逐项执行该计划在执行过程中可以根据新获取的信息动态调整计划。Plan-And-Execute模式将Agent的工作流程明确划分为两个主要阶段规划阶段Agent首先对接收到的复杂任务或目标进行整体分析和理解。然后它会生成一个高层次的计划将原始任务分解为一系列更小、更易于管理的子任务或步骤。这种分解有助于在执行阶段减少处理每个子任务所需的上下文长度这个计划通常是一个有序的行动序列指明了要达成最终目标需要完成哪些关键环节。这个蓝图可以先呈现给用户允许用户在执行开始前对计划步骤给出修改意见。执行阶段计划制定完成后可能已采纳用户意见Agent进入执行阶段。它会按照规划好的步骤逐一执行每个子任务。在执行每个子任务时Agent可以采用标准的ReAct循环来处理该子任务的具体细节例如调用特定工具、与外部环境交互、或进行更细致的推理。执行过程中Agent会监控每个子任务的完成情况。如果某个子任务成功则继续下一个如果遇到失败或预期之外的情况Agent可能需要重新评估当前计划可以动态调整计划或返回到规划阶段进行修正此阶段同样可以引入用户参与允许用户对子任务的执行过程或结果进行反馈甚至提出调整建议。与标准的ReAct相比Plan-and-Execute模式的主要优势在于结构化与上下文优化通过预先规划将复杂任务分解为小步骤不仅使Agent行为更有条理还有效减少了执行各子任务时的上下文长度提升了处理长链条任务的效率和稳定性。提升鲁棒性将大问题分解为小问题降低了单步决策的复杂性。如果某个子任务失败影响范围相对可控也更容易进行针对性的调整。增强可解释性与人机协同清晰的计划和分步执行过程使得Agent的行为更容易被理解和调试。更重要的是任务的分解为用户在规划审批和执行监控等环节的参与提供了便利用户可以对任务的执行步骤给出修改意见从而实现更高效的人机协作确保任务结果更符合预期。这种规划-执行的思考框架因其在复杂任务处理上的卓越表现已成为AI Agent领域广泛采用的核心策略之一。总结无论是刚入门的大模型应用开发者还是工程化的团队只要掌握了Agent底层原理和方法论结合合适的工具和框架都能轻松、高效开发出基于大模型的应用。从下一期开始我会以一个“代码生成系统”为实例详细讲解Agent如何在实际项目中进行运用整个“代码生成系统”的业务流程大致如下最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
收藏！小白程序员必看：用图文彻底搞懂AI Agent与大模型应用开发
发布时间：2026/5/20 1:49:00
AI Agent是开发大模型应用的关键但很多人对其概念和运作方式感到困惑。本文图文并茂地解释了Agent如何通过接入工具使大模型能够感知和改变外界环境。重点介绍了ReAct和Plan-And-Execute两种主要设计模式包括它们的运作原理、优势及如何通过系统提示词和具体处理程序实现Agent行为。掌握Agent原理和方法论结合合适工具和框架开发者能高效开发出基于大模型的应用。下一期将以“代码生成系统”为例详细讲解Agent的实际运用。什么是Agent大模型本身擅长回答问题但是在使用时我们会发现一个问题它们无法感知和改变外界的环境比如开发一个博客系统它确实可以写出代码但是写完之后把代码写入到文件还是要自己动手拷贝、启动服务、调试已经有了博客系统的代码想让大模型基于这些代码来改写增加一些功能就必须把已有的所有代码复制给大模型才行我们不主动告诉大模型它是不知道这些代码的这就是大模型无法感知和改变外界环境的体现那么有没有办法解决这个问题呢我们只需要接入对应的工具即可比如读写文件内容的工具、查看文件列表的工具、运行终端命令的工具。工具就像大模型的感官和四肢有了它们大模型就可以自己读、写代码运行调试代码整个过程完全自动化。把大模型和工具组织起来变成一个能感知和改变外界环境的软件实体我们就称之为AI Agent。Agent的设计模式Agent的设计模式很多本文主要讲解应用最多的两个模式ReAct模式和Plan-And-Execute模式。1、ReAct模式在ReAct模式下用户先提交任务Agent先做思考Thought思考后会决定是否调用工具如果需要就会调用对应的工具ReAct称这一步为行动Action在行动后Agent会去查看工具的执行结果比如读取文件内容、写入文件是否成功等ReAct称这一步为观察Observation在观察之后ReAct会继续思考它会再次判断是否需要调用工具如果还是需要的话它会继续重复之前所说的行动、观察、思考的流程直到某一个时刻可以给出结论了此时它就输出了最终答案整个流程如下ReAct模式的实现原理为什么ReAct模式拿到用户输入的内容后需要先思考、再行动为什么不直接行动是因为模型就这样训练的吗这和模型的训练没有关系主要的奥秘其实都集中在系统提示词上它规定了模型的角色、运行的规则、环境信息等等示例你是一个智能助手工作方式如下 1. 你会基于用户的问题先进行“思考Thought”写出你的推理过程。 2. 然后根据推理结果执行“行动Action”调用可用的工具。 3. 当你获得观察结果Observation后再继续思考或给出最终答案。 严格遵循以下输出格式 Thought: ... Action: ... Observation: ... Final Answer: ... 你可以使用的工具如下 1. WebSearch(query: str) —— 用于搜索网络信息 2. Calculator(expression: str) —— 用于数学计算 3. PythonRunner(code: str) —— 运行 Python 代码备注除了上述提示词外还需要具体的处理程序。2、Plan-And-Execute模式在这种模式下根据用户输入的任务先制定一个多步骤的计划然后逐项执行该计划在执行过程中可以根据新获取的信息动态调整计划。Plan-And-Execute模式将Agent的工作流程明确划分为两个主要阶段规划阶段Agent首先对接收到的复杂任务或目标进行整体分析和理解。然后它会生成一个高层次的计划将原始任务分解为一系列更小、更易于管理的子任务或步骤。这种分解有助于在执行阶段减少处理每个子任务所需的上下文长度这个计划通常是一个有序的行动序列指明了要达成最终目标需要完成哪些关键环节。这个蓝图可以先呈现给用户允许用户在执行开始前对计划步骤给出修改意见。执行阶段计划制定完成后可能已采纳用户意见Agent进入执行阶段。它会按照规划好的步骤逐一执行每个子任务。在执行每个子任务时Agent可以采用标准的ReAct循环来处理该子任务的具体细节例如调用特定工具、与外部环境交互、或进行更细致的推理。执行过程中Agent会监控每个子任务的完成情况。如果某个子任务成功则继续下一个如果遇到失败或预期之外的情况Agent可能需要重新评估当前计划可以动态调整计划或返回到规划阶段进行修正此阶段同样可以引入用户参与允许用户对子任务的执行过程或结果进行反馈甚至提出调整建议。与标准的ReAct相比Plan-and-Execute模式的主要优势在于结构化与上下文优化通过预先规划将复杂任务分解为小步骤不仅使Agent行为更有条理还有效减少了执行各子任务时的上下文长度提升了处理长链条任务的效率和稳定性。提升鲁棒性将大问题分解为小问题降低了单步决策的复杂性。如果某个子任务失败影响范围相对可控也更容易进行针对性的调整。增强可解释性与人机协同清晰的计划和分步执行过程使得Agent的行为更容易被理解和调试。更重要的是任务的分解为用户在规划审批和执行监控等环节的参与提供了便利用户可以对任务的执行步骤给出修改意见从而实现更高效的人机协作确保任务结果更符合预期。这种规划-执行的思考框架因其在复杂任务处理上的卓越表现已成为AI Agent领域广泛采用的核心策略之一。总结无论是刚入门的大模型应用开发者还是工程化的团队只要掌握了Agent底层原理和方法论结合合适的工具和框架都能轻松、高效开发出基于大模型的应用。从下一期开始我会以一个“代码生成系统”为实例详细讲解Agent如何在实际项目中进行运用整个“代码生成系统”的业务流程大致如下最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
