AI 智能体（AI Agent）的概念越来越火。

数字分身、数字民工、蒸馏同事，某种程度上都在做同一件事：让 AI 表现得更像一个具体的人，执行复杂任务，而非只是单纯对话。

这是 AI 产品化的一种高级形态。

谁不想拥有一个 Agent，可以自觉地接收任务，拆解目标，执行，反馈，全程只需要很少介入，就能拿到最终结果呢？

AI Agent 实现了任务分发和结果呈现的端到端交付。更重要的，这个过程，几乎完全自动化。

那么 AI Agent 是如何做到的？

1. 概念

根据维基百科上的定义，

AI agents (also referred to as compound AI systems or agentic AI) are a class of intelligent agents🔗 distinguished by their ability to operate autonomously🔗 in complex environments.

人工智能代理（也称为复合人工智能系统或智能体人工智能）是一类智能代理，其特点是能够在复杂环境中自主运行。

ChatGPT 最开始发布的时候，还只是一个聊天工具，背后的 LLM 负责与你对话：你的每一个提问，都能得到一个答案。

效果很好，都不够。因为人们期待它能完成更多具体任务，而不仅仅只是输出一段文字。

我将 AI Agent 理解为一个，内核是 LLM，但被安插了多种技能，可以流程化解决某些特定问题的产品形态。

2. Agent 核心组件

Agent 的典型工作流程，叫 ReAct (Reason + Act)。

大体有这样几个关键环节：

1. 接收目标（Goal）
2. 分解任务（Plan）
3. 调用工具（Action）
4. 观察结果（Observation）
5. 继续调整（Reflection / Iteration）

大致就是一位卓有成效的工作者做事的方式。

举例来说，你想购买一张机票。

Flight Agent 会：

• 查航班 API
• 比较价格
• 判断时间是否合适
• 调用支付接口（如果允许）
• 返回结果甚至自动下单

单纯靠 LLM 是做不到的，因为额外你需要：控制流程（Agent Loop）+ 工具调用（Tools）。

如果想要它记住你的偏好和历史选择，记忆（Memory）不可或缺。

3. Subagent

写代码时，如果一个函数过大，最佳实践是拆成几个功能更内聚的子函数。

Subagent 的作用同样如此。

当 Agent 变得越来越复杂时，效果、可维护性，都会变差。

原因是多方面的：

• LLM 的上下文窗口有长度限制
• Agent 有自己擅长/不擅长的领域
• 巨型 Agent = 巨型 Prompt，不好测试，也不便于迭代

有了 Subagent，Agent 更像是一个团队 Leader，而 Subagent 是被主 Agent 调度的“子智能体”，专门负责某一类任务。

比如你想写一篇技术博客。

主 Agent 要想出色的完成任务，需要“召唤”不同角色：

• 🔍 Research Agent：查资料
• ✍️ Writing Agent：写初稿
• 🧹 Editing Agent：润色
• 📊 SEO Agent：优化关键词

术业有专攻，经过良好地组织和编排，往往能拿到更好的结果。

4. 动手实现

如果想自己动手，有现成的框架可以借鉴：

1. LangChain

   • 支持 Agent + Tools
   • 可以构建多 Agent 系统

2. CrewAI

   • 专门做多 Agent 协作
   • 很适合 Subagent 模式

Python 伪代码大致长这样：

class MainAgent:
    def run(task):
        plan = self.plan(task)

        research = ResearchAgent().run(plan)
        draft = WritingAgent().run(research)
        final = EditingAgent().run(draft)

        return final

5. 总结

Agent 和 Subagent 的出现，满足了人们想要把更多智力工作委托出去的愿望，同样也蕴藏着某种野心：人类社会现存的工作，无论体力还是智力，未来是不是都可以由经过特定优化的 Agent 完成？

没有人知道答案。

目前能看到的是，伴随 LLM 的不断升级，工具和使用模式的日渐成熟，更多工作可以交给 Agent 完成，其中不乏一些复杂任务。

比如，我现在平时，代码很少亲自写，都是把需求和任务描述清楚，交给 GitHub Copilot Chat。很多时候完成得都不错，甚至会产生一些惊讶时刻。

工作方式在快速地发生变化。

我们唯一能做的，是学习如何更好地驾驭 AI，而非与之竞争。

（完）

参考

1. GitHub - alchaincyf/nuwa-skill: 你想蒸馏的下一个员工，何必是同事。蒸馏任何人的思维方式——心智模型、决策启发式、表达DNA。Distill how anyone thinks. · GitHub🔗
2. AI agent - Wikipedia🔗
3. [2210.03629] ReAct: Synergizing Reasoning and Acting in Language Models🔗