把AIAgent比作一个人,终于把智能体架构讲明白了

智能体科普 · 方法论连载 04

把 AI Agent 比作一个人，
终于把智能体架构讲明白了

你大概每天都能刷到 "AI Agent"、"智能体"：帮你订机票的、写周报的、自动剪片的。可要是追问一句——它里面到底有什么？——LLM、RAG、Planner、Runtime，一堆词砸过来，瞬间劝退。

别背术语。把它当成一个活人看，一遍就懂。

先记住这句：LLM 只是大脑皮层。没有骨架、感官、手脚和免疫系统，它就只是个会聊天的「植物人」。

01全景：Agent 就是一个「数字人」🧍

传统软件像机器：零件坏了修零件，逻辑写死在代码里。AI Agent 更像活人——会想、会看、会记、会动手，当然，也会生病。

图：Agent 的「人体架构」全景——每个组件，都对应一个人体器官。

对照着看：

大脑皮层 = LLM：负责想。GPT、Claude、豆包都在这层。

前额叶 = Planner 规划器：负责排步骤，"先查天气、再订酒店、最后排行程"。

海马体 = Memory 记忆：短期记这轮对话，长期存你的偏好。

眼睛 = Perception 感知：读你打的字、传的文档、发的图。

嘴巴 = Output 输出：说人话、给表格、写代码。

双手 = Tool 工具：真正去做——调接口、跑代码、查资料。

脊椎 = Runtime 运行时：撑起整个循环，调度、超时、重试全靠它。

神经 = Data Bus 数据流：模块之间传信号。

免疫 = Safety 护栏：防诈骗、防注入、控权限。

胃 = RAG 管线：把文档清洗、切碎、消化成能检索的知识。

记住这张图，下面挑最容易误解的三处展开。

专业视角：这套"器官"，工程上有个正式名字——Agent Scaffold（脚手架）。业界的标准定义：Agent 是以 LLM 为核心控制器，能感知环境、自主规划、调用工具、闭环执行任务的软件系统。LLM 提供"认知"，脚手架提供"行动"，两者缺一不可。

02大脑特写：想、排、记，是三个器官 🧠

很多人以为 Agent 的脑子就是一个大模型。其实大脑里至少住着三个角色：

大脑皮层（LLM）：你问什么，它想什么。

前额叶（Planner）：把"帮我策划一次亲子游"拆成四步，安排先后顺序。

海马体（Memory）：记着"用户带 8 岁小孩、喜欢轻松路线"，下次直接用。

说一个内行才看得出的细节：市面上不少所谓 Agent 的"规划"，只是把"请一步一步思考"写进提示词，让模型自己想——那不是独立的前额叶，只是大脑皮层多想了一步。任务一复杂，就会露馅。

专业视角：LLM 的本质是基于 Transformer 架构的自回归模型，一个 token 一个 token 地"接龙"生成文本——temperature 控制随机性，top_p 控制候选范围。海马体的短期记忆就是上下文窗口（Context Window），容量按 token 计数，超了就遗忘；长期记忆通常用向量数据库实现：文本先经 Embedding 模型转成高维向量，检索时按相似度召回。规划的主流实现是 ReAct、Plan-and-Solve 等范式，本质都是"先拆解、再逐步执行、边执行边修正"。

03眼睛、嘴巴和双手：聊天机器人只能"说"，Agent 能"做" 👀✋

聊天机器人只用了三个器官：眼睛听你说，大脑想一下，嘴巴答上来。所以它永远停在"说"。

Agent 多了一双手。你问："成都今天天气怎么样？适合户外的话，推荐 3 条周边徒步路线，整理成出行指南。"它会：

① 调天气接口 → 查到 25°C、晴；

② 翻长期记忆 → 记得你带小孩、要轻松；

③ 从路线知识库里检索 → 筛掉要虐爬的赵公山和太远的西岭雪山；

④ 免疫系统做最后一道安检 → 通过，才输出指南。

中间每一步都在重复同一个循环：想一想 → 动动手 → 看结果 → 再想。这个循环叫 ReAct——它就是 Agent 和聊天机器人的分水岭。

专业视角：双手的机制叫 Function Calling：LLM 从不直接执行任何操作，它只输出一段结构化 JSON（工具名 + 参数），由 Runtime 校验后执行，再把结果拼回上下文供下一轮推理。所以每只"手"都配有一份"说明书"（工具描述 + 参数 Schema）——说明书写得清不清楚，直接决定调用成功率，这也是工具层最常见的故障源。ReAct 即 Reasoning + Acting，推理与行动交替进行。

04骨架、免疫和胃：让它活下来、跑起来、不生病 🦴

还有三个"看不见的器官"，决定 Agent 是玩具还是产品：

脊椎（Runtime）：没有它，Agent 走两步就瘫——死循环停不下来、出错不会重试，都是脊椎的问题。

免疫（Safety）：人会被骗，Agent 也会。有人把恶意指令藏进文件名，Agent 读到就照做——免疫瘫痪，越权操作就来了。

胃（RAG）：胃不好，吃进去的知识就吐出错的。引错资料、胡说八道，多半是胃的锅，不一定是脑子笨。

专业视角：免疫要防的核心攻击是提示注入（Prompt Injection）——把恶意指令伪装成正常内容骗过模型，防御组合拳是输入过滤 + 权限最小化（RBAC）+ 输出审核。胃的正式名字是检索增强生成（Retrieval-Augmented Generation，RAG）：先检索、后生成，相当于让模型"开卷考试"；分块（Chunking）的粒度、检索后的重排序（Rerank），是决定"开卷成绩"的两个关键旋钮。脊椎（Runtime）工程上对应状态机与工作流引擎，负责把"死循环熔断、失败重试、断点恢复"做成确定性代码——确定性的事不能交给概率性的大脑。

05Agent「看病」指南 🩺

理解了器官，排查问题就有了章法：症状对应器官，先找位置，再开药。

（还有完整版：忘了说过的话→海马体、输出格式乱→嘴巴、看不懂图→眼睛……原理相同，对症下药。）

06写在最后

三条结论带走：

1. Agent 不是一个模型，是一套身体。LLM 只是大脑皮层，缺了其他器官，它什么也做不成。

2. 80% 的问题不用改代码。修复优先级：调提示词/数据 → 改工具/检索 → 改代码 → 换模型。一上来就嚷嚷微调的，多半是没找准器官。

3. 人是概率性的。同一个问题，Agent 这次对、下次可能错。所以别追求 100% 正确，要降低出错率——而且要有一套评测体系，批量地测它。这也是我们每天在做的事。

专业视角：概率性来自 LLM 的生成机制——逐 token 采样，天然带随机性，同样的输入也能得到不同的输出。所以 Agent 的质量不是一个定值，而是一个分布：工程上的做法是用固定用例集批量跑、统计成功率和失败模式（即评测/benchmark），而不是写一条"输出必须等于预期"的断言。传统软件的单元测试思维，在这里从根上就不适用。

你最想让 Agent 先长好哪个器官？评论区聊聊。如果这篇让你看懂了，点赞、转发给那个还在背术语的朋友。

Agent 不是一个模型，
而是一套「身体」。

银翼 AI 评测室 · 方法论连载 04

愿所有 Agent 都经得起 Voight-Kampff 测试。