一agent介绍agent的定义很广不仅仅指的是claude codecodex这类coding ai也包括了平时使用的deepseek豆包网页版ide的插件等这些都能算作agent。agent的核心可以看作由三个部分组成模型、工具和上下文。其中工具为agent的手脚它让agent能真正接触到外部的世界模型为agent的大脑agent所有的决策和执行都是由模型来决定的上下文为agent的眼睛它不只是用户输入那一段文字而是将之前的经验参考资料给到模型让整个agent有了完整场景。1工具调用在agnet中工具可分为五种分别为感知工具执行工具协作工具事件触发工具和用户沟通工具。感知工具提供了查阅的途径包括上网、获取数据库的内容等。执行工具给agent提供执行操作的手让agent能够真正的编写程序执行内容。协作工具则是让agent能与其他的agent相互交流比如一个智慧医院系统中分诊agent给专科agent派遣任务就可算作协作工具的流程协作工具也可以在agent执行到关键点时让人类来做抉择。事件触发工具和前三个完全不同它不是由agent主导调用的工具而是外部系统决定是否驱动agent执行任务比如邮箱接入一个agent只有当收到新邮件才会驱动agent执行任务。用户沟通工具则是agent和用户连接的工具这个工具和其他工具不同其他注重于改变外部世界这个则注重于信息交流典型的例子就是网页版ai返回的文字结果。工具调用分为四个流程1、申明工具。2、模型决定工具调用。3、结果追加在上下文。4、模型基于结果回复。工具调用的决策者为模型我们只需要编写工具即可。2模型模型为agent的大脑agent的所有功能调用和返回结果都离不开模型。所以一个优秀的agent离不开好的模型为了让模型更好的处理agent收到的任务我们会让它进行三种不同学习机制分别为后训练、上下文学习、外部化学习。这个训练的时间从高到低。后训练时间最长也是最能显著优化模型的学习机制通过改变模型的内部权重让它能够永久学习到具体要点。上下文学习通过注意力机制来给出下一步的回答其实这更像是模板匹配通过分析用户的话术来给出返回结果比如用户投诉就给出安抚加赔偿方案这个虽然能套用现成的方案但无法进行创造和学习新的内容。外部化学习就是将知识和流程固化为外部的内容也就是模型可以将一个流程转化为具体的代码实施这个过程是可变的且是永久化的比起前两个这个可验证性更强。3上下文上下文也分为5个部分分别为系统提示词工具定义用户消息模型回复工具执行结果。系统提示词通常作为角色的划分通过固定的模板编写agent现在处在哪种角色。工具定义则是将agent可以调用那些工具给说明出来规定agent的操作范围。用户消息是用户现在的需求给了agent具体执行的方向。模型回复则将模型的思考过程和工具调用给展示了出来能够直观看见模型内部的执行过程。工具执行结果将结果返回给agent这个回复是agent下一步的思考依据避免重复犯错。4react这是agent最为重要的部分之一若只是像上面那样执行想→做→看这样返回的结果仍然不如人意react则是进行了一个循环将一个复杂的问题拆分成多个循环处理将看的那一步在发送给agentagent得到完整的轨迹执行下一个循环开启下一个阶段直至得出最终结果。二Harness工程Harness是给agent作限制的保证其能真正完成任务可以说整个agent除了模型之外的部分都可以属于Harness工程。Harness可以包括上下文工具约束验证纠正。模型上下文工具和模型[上下文工具约束验证纠正]这两个属于不同视角的agent不是替代关系也就是之前说的agent中除了模型都可以看作Harness。模型虽然能力强但不可控Harness就可以做为缰绳来控制agent其中约束是规定了agent的能力范围验证是检查agent做的对不对纠正就是在agent做错时如何补救。我使用agent发送邮件作为例子约束就是规定agent可以发送给谁验证就是检验agent是否发送成功、邮件是否正确发送给对的人纠正则是当agent发错了执行撤回。构建一个好用的agent的系统需要有以下三点保持简单保持透明设计好的工具接口。