Agent 与工作流的分界线只有一条:下一步调用什么工具、要不要重试,是模型在运行时看着执行结果临时决定的,还是在编码阶段就写死的。这条线一旦跨过去,工程重心就彻底变了。传统软件的控制流由开发者掌握,异常路径可以穷举;Agent 把控制权交给了一个概率模型,路径不确定、行为可能漂移、错误可能以“看起来很合理”的方式出现。Agent 工程的核心任务,不是让模型“更聪明”,而是为运行时的不确定性设计一套可兜底的执行结构。
所有 Agent 框架,剥开包装,底层都是“模型决策 → 执行工具 → 回传结果 → 再次决策”的循环。ReAct 把这个循环显式化,关键在于三个工程约束:最大步数、工具异常转观察、参数校验。
def run_agent(client, registry, query, max_steps=8):
messages = [{"role": "user", "content": query}]
for _ in range(max_steps):
resp = client.chat.completions.create(
model="gpt-4o-mini", messages=messages,
tools=registry.to_openai_tools(), temperature=0,
)
msg = resp.choices[0].message
messages.append(msg)
if not msg.tool_calls:
return msg.content
for call in msg.tool_calls:
try:
args = json.loads(call.function.arguments or "{}")
result = registry.get(call.function.name).func(**args)
except Exception as e:
result = f"工具执行失败: {e}" # 异常不中断循环
messages.append({"role": "tool", "tool_call_id": call.id,
"content": str(result)})
return "达到最大步数,任务未完成。"max_steps 不是可选项。没有它,一个工具反复返回模糊错误就可能让 Agent 陷入死循环,单次对话消耗数十万 Token。assistant 的 tool_calls 消息必须原样回传,漏掉这一步,下一轮 tool_call_id 对不上,请求直接 400——这是新手最高频的错误。工具描述也必须写“什么时候用”而非“这个函数做什么”,前者决定模型的调用边界,写模糊了误调率会明显上升。
ReAct 适合短链路、路径高度依赖中间结果的任务,但每一步都重新让模型决策,全局视野弱,长任务容易“走着走着偏了”。Plan-and-Execute 先让规划器把目标拆成有序步骤,再由执行器逐步完成,每一步的输入输出都可被记录和审计。代价是规划阶段的错误会向后传播,且不适合需要频繁根据观察调整路径的场景。工程上常见的折中是 DAG Plan & Execute:在较小规模、流程可预先结构化的场景中,它的精度和并行度优于纯 ReAct。选型判据不是哪个“更先进”,而是任务的可枚举程度:路径越难预先枚举,越偏 ReAct;步骤越稳定、越需要审计和并行,越偏 Plan-and-Execute。
多 Agent 的第一诱惑是让几个 Agent 互相聊天、自主分工。这种方式在 Demo 中看起来灵活,生产环境却往往因为对话发散、状态不可见而失控。2026 年的工程共识明显偏向状态图编排:LangGraph 把 Agent 系统建模为节点、边和共享状态,执行路径显式写在代码里,支持检查点、中断恢复和人工审核。CrewAI 的角色制适合快速搭建分工明确的协作,但控制粒度较粗;AutoGen 的对话式协调已经被 Microsoft 归档,新项目不再推荐。对于任何需要“出了错能回放、能定位到具体节点”的生产系统,状态的可见性比 Agent 的“自主性”更重要。
Agent 的记忆需要分层:短期记忆是当前会话的对话线程和工具结果,由检查点机制持久化,使任务可以恢复和重放;长期记忆跨会话存储用户偏好和事实,通过向量检索按语义召回。关键工程细节是召回必须带命名空间:LangGraph 的 DynamoDBStore 把租户和用户编码进分区键,语义搜索在结构上被限制在单一命名空间内,不同租户的记忆从查询形状上就不可能串到一起。
比记忆更常被跳过的是评估。Gartner 的数据是:缺乏可观测性与科学评估体系,88% 的 Agent 试点项目无法跨越生产环境的鸿沟。Agent 的非确定性意味着“人工试了几个 case 觉得还行”远远不够。一个可落地的最小闭环是:先人工审阅 20–50 条真实 trace,定义无歧义的成功标准,再把关键场景固化为回归评估集,每次改动跑一遍,通过率接近 100% 才允许上线。成本、步数、工具调用轨迹都必须进入日志,否则线上出了错,你看到只是一长串 JSON,分不清是检索错了、模型错了还是工具返回了脏数据。
Agent 的价值在于把 LLM 从“文本生成器”升级为“任务执行器”。但执行器的前提是执行结构本身足够健壮:循环有步数边界,工具调用有校验和超时,多 Agent 的状态可回放,记忆的可见范围在结构上被隔离,每一次行为变化都能被评估集捕获。把这些“不性感”的工程约束做扎实,模型运行时的那部分不确定性,才真正被兜住。访问地址:xcnysqigiht4.feishu.cn/wiki/Sfy0wBIwmiaN3vkN3NTcdqarnIB?from=from_copylink
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。