完整题目
请谈谈你对AI Agent技术架构和应用场景的理解,可以结合具体项目经验进行说明。
本文目录
核心架构
Agent 不是“模型加几个工具”,而是一个带状态、约束和反馈的执行系统。生产架构通常包含:
- 入口与策略层:认证、限流、意图识别、风险分级和预算。
- 规划与状态层:维护目标、步骤、依赖、当前状态和终止条件;确定性流程优先用状态机。
- 工具层:工具 schema、参数校验、权限、超时、幂等、重试、熔断和结果校验。
- 记忆与知识层:短期状态、长期记忆与 RAG 分开治理,并执行租户隔离和删除策略。
- 安全与人工层:敏感动作审批、最小权限、提示注入防护和审计。
- 观测层:记录 trace、模型与 Prompt 版本、工具输入输出、token、延迟、错误码和回退路径。
教学假设:数据分析 Agent
假设系统接收自然语言分析请求。流程可以是:识别数据域 → 检索 schema 和口径 → 生成查询计划 → 生成 SQL → 静态校验与只读执行 → 结果一致性检查 → 生成解释。删除、写入或高风险查询必须经过授权,不由模型直接执行。
失败与取舍
常见失败包括 schema 幻觉、工具循环、状态丢失、外部 API 超时、权限越界和成本失控。应分别用检索真实 schema、最大步骤、检查点、截止时间传播、能力令牌和预算上限处理。简单固定流程使用工作流通常比自由 Agent 更稳定。