Agent 核心理论

Agent 是一套围绕目标、环境、工具、状态和反馈组织起来的执行系统。本章面向 Agent 工程师面试：你要能讲清模式，也要能讲清失败时怎么定位。

本章内容

• Agent 定义与认知架构 — Agent / Workflow / Chatbot 的边界
• ReAct 模式 — 推理与行动交替的原始论文与实现
• 先规划后执行 Plan-and-Execute — Planner / Executor 分工与 ReWOO 变体
• 自我反思 Reflexion — 失败反馈如何写回下一轮尝试
• Agent 运行循环 — 从用户输入到任务完成的状态机
• 规划算法 — ToT、MCTS、任务图在 Agent 中的用法
• 记忆架构 — MemGPT、Mem0、LangMem 的工程取舍
• Agent Skills — 把稳定经验做成可加载能力包
• 自我纠错机制 — 检测、回滚、重试和拒绝

学习路径

1. 从 Agent 定义 开始，明确 Agent、工作流、聊天机器人的边界。
2. 掌握 ReAct，它是很多工具调用 Agent 的最小可用模式。
3. 学习 运行循环，理解一个完整任务如何被推进、暂停、失败和恢复。
4. 进阶学习 规划、反思、记忆、Skills、纠错。面试里真正拉开差距的，通常是你能不能说清这些模块什么时候该加、什么时候该删。