面试题 · Prompt
请详细阐述一个AI Agent系统通常包含哪些核心组件，并说明每个组件的主要功能。
一个完整的AI Agent系统通常包含以下核心组件：
学习内容与项目面试，在同一条路上。
典型协作流程：感知输入 → 记忆检索 → 规划决策 → 工具执行 → 结果反馈 → 记忆更新。
实际框架参考：LangChain/LangGraph、AutoGPT、MetaGPT等，核心差异在于规划策略的自动化程度和Multi-Agent协作机制。
场景切入
假设我们做一个智能客服助手，用户问“帮我查一下上周的订单”，然后系统需要自己规划步骤、调API、摘要结果。你感觉这类系统里该有哪些核心模块？各自管什么事？
层层追问
一个AI Agent能自主完成任务，你觉得它内部得有几个基本部分？……那它怎么知道先做什么后做什么？……记忆和工具又分别起什么作用？……能不能串起来讲讲它们怎么配合？
直球架构
请直接说说一个AI Agent系统的核心组件，至少四个，每个组件的功能是什么，以及它们之间的协作流程。
这个问题其实是在问，你要怎么把一个纯语言模型变成一个能自主完成任务的系统。核心就是一个感知-规划-记忆-工具-行动的闭环。
先说感知模块。它负责接收外部输入，比如用户问的问题、图片、或者工具返回的结果。它的工作不只是接收，还要把这些原始数据转化成模型能理解的格式，比如把图片转成描述文本，或者把工具返回的 JSON 解析成自然语言。
再一个就是规划模块，这是 [[Agent]] 的脑子。它负责把复杂目标拆成可执行的子步骤，比如用户说“帮我订一张去北京的机票”，它要拆成查航班、比价格、下单、支付这些步骤。推理策略上，[[ReAct]] 和 [[Chain-of-Thought]] 是两种主流模式。CoT 适合纯推理任务，比如数学题，让模型一步步思考；ReAct 更适合需要跟外界交互的场景，比如搜索、查数据库，它让模型在思考和行动之间交替。实际落地时，我一般会混合使用，比如先用 CoT 做任务分解，再用 ReAct 执行每个子步骤。这里有个坑：如果任务需要频繁调用工具，ReAct 容易陷入循环，所以我会在规划时加一个最大步数限制，超时就直接报错。
然后是记忆系统。短期记忆就是当前对话的上下文，靠 sliding window 控制长度。长期记忆靠 [[Vector Database]] 存储历史经验和用户画像。举个例子，客服场景里，用户之前投诉过退款问题，下次来问其他订单时，Agent 能检索到那个历史记录，给出更个性化的回复。但长期记忆有个前提：向量检索的召回质量要够高，否则检索到不相关的内容反而会干扰模型。我见过一个失败案例，因为 [[Embedding]] 模型没做好领域适配，导致 Agent 总是引用错误的历史对话，越帮越忙。
工具和行动模块是 Agent 的手脚。它通过 [[Function Calling]] 把用户的自然语言请求转化成 API 调用。这里的关键是工具注册和参数解析。比如用户说“查一下这个订单的状态”，Agent 要能识别出“订单号”这个参数，并从上下文提取出来。工具执行后，返回结果还要解析，决定是继续规划还是直接输出。异常处理也很重要，比如工具超时或者返回错误，我会设计重试机制，重试三次还失败就降级，比如改用备选工具或者直接告诉用户“暂时查不到”。
最后是执行与反馈循环。整个流程是观察-思考-行动的闭环：感知输入，检索记忆，规划决策，调用工具，拿到结果后更新记忆，然后进入下一轮。真正上线时，我最关注的是失败场景。比如工具调用失败后，Agent 有没有能力重新规划，而不是卡死。另一个风险是 [[Hallucination]]，如果 Agent 对工具返回的结果过度解读，可能会编造不存在的功能，所以我会在系统 Prompt 里强调“只基于工具返回的事实回答，不要猜测”。
说到这个，其实现在很多框架像 LangChain 已经封装好了这些组件，但我觉得它们有个共同问题：规划策略太死板。比如 ReAct 在复杂任务中容易产生冗余步骤。我更倾向自己实现一个轻量的规划器，用 [[Few-shot]] 示例来引导模型做更高效的分解。当然，这需要领域数据来构造示例，不是所有场景都适用。
所以我的理解是，Agent 不是一个固定的架构，而是根据场景做取舍。比如客服场景，记忆和工具是核心；而代码生成场景，规划和执行更重要。我会把 Agent 看成一套可插拔的组件，根据需求灵活组合。