Agent（智能代理）概念

📚 学习目标

学完这篇文章后，你将能够：

• 理解 Agent 与传统固定流程应用的核心区别
• 掌握三种主要的 Agent 架构（路由器、工具调用、ReAct）
• 学会在 LangGraph 中实现基本的 Agent 逻辑
• 了解 Human-in-the-Loop（人机交互）模式

前置知识

在开始学习之前，建议先阅读：

• 02-core-concepts

你需要了解：

• 基本的图结构和节点定义
• LLM 的基本能力（推理、生成）

1️⃣ 什么是 Agent？

Agent（智能代理） 是一个使用 LLM 来决定应用控制流的系统。

核心能力

• 自主决策：根据当前情况选择下一步行动
• 动态适应：根据环境变化调整策略
• 工具使用：选择和使用各种外部工具
• 学习记忆：从历史经验中学习和改进

Agent vs 传统应用

2️⃣ Agent 架构类型

1. 路由器（Router）

最简单的 Agent 类型，从预定义的多个路径中选择一条。

实现要点：使用 addConditionalEdges 根据分类结果路由到不同节点。

2. 工具调用代理（Tool Calling Agent）

能够分析需求并自主调用工具。

工作流程：

1. LLM 分析用户需求。
2. LLM 决定是否调用工具，以及调用哪个工具。
3. 执行工具，将结果返回给 LLM。
4. LLM 根据工具结果生成最终回答。

代码示例：

const searchTool = tool(async ({ query }) => "搜索结果...", {
  name: "search",
  description: "搜索相关信息",
  schema: z.object({ query: z.string() })
});
// LLM 会根据 description 决定何时调用

3. ReAct 架构

ReAct = Reasoning（推理）+ Acting（行动）。

它让 Agent 在每一步都能“思考-行动-观察”，从而解决复杂问题。

3️⃣ Agent 的核心组件

工具调用（Tool Calling）

Agent 的手和脚。通过清晰的 description 和 schema，让 LLM 能够准确使用外部能力。

记忆管理（Memory）

• 短期记忆：对话历史（Messages），通过状态传递。
• 长期记忆：用户偏好、知识库，通过持久化存储。

规划能力（Planning）

对于复杂任务，Agent 需要先分解任务，再逐个执行。

4️⃣ 自定义 Agent 架构

人机协作（Human-in-the-Loop）

在关键节点（如转账、敏感操作）暂停，等待人工确认。LangGraph 提供了 interrupt 机制来实现这一点。

多代理系统

多个专业 Agent（如“研究员”、“撰稿人”、“审核员”）协作完成任务。

💡 练习题

1. 选择题：以下哪种架构最适合处理“根据用户问题类型，转发给不同部门”的场景？

   • A. ReAct 架构
   • B. 路由器架构
   • C. 工具调用架构
   • D. 纯 LLM 生成

2. 分析题：为什么工具的 description 对于 Tool Calling Agent 至关重要？如果描述不清晰会发生什么？

📚 参考资源

官方文档

• LangGraph JS

✅ 总结

本章要点：

• Agent 的核心在于利用 LLM 进行动态决策。
• 从简单的路由到复杂的 ReAct 循环，架构的选择取决于业务复杂度。
• 工具调用和记忆管理是构建强大 Agent 的两大基石。

下一步：掌握了理论，我们需要动手实践了。下一章《环境搭建》将带你准备好开发环境。