Agent 工程
Agent：能幹活的 AI
點選能力卡片，右側逐步演示 Agent 在真實場景中的執行過程
普通 LLM 只能「說」，Agent 能「做」。區別在於 Agent 有四個額外能力，讓它可以在真實世界中執行任務。
經典架構 · 出處必讀
Lilian Weng（翁荔）@lilianweng
前 OpenAI 研究副總裁、Thinking Machines Lab 聯合創始人 · 現已重返 OpenAI，領導遞迴自我改進（RSI）等核心前沿研究
本節乃至整個 Agent 工程章節的很多想法，都來自她 2023 年 6 月的部落格 《LLM Powered Autonomous Agents》。她是一位令人尊敬的前輩，明確提出了影響深遠的 Agent 架構——就是上面這張著名的「螃蟹圖」：Agent（LLM）居中當大腦，向四周伸出 Planning 規劃、Memory 記憶、Tools 工具、Action 行動。
這張圖對整個 AI Agent 行業影響深遠，今天幾乎所有 Agent 框架都能在裡面找到影子。非常推薦關注她的推特。
四大能力（源自 Lilian Weng 架構）· 點選切換演示
Plan 規劃
把複雜任務拆解為可執行的步驟序列，先想清楚再動手
Tool Use 工具
呼叫搜尋、程式碼執行、資料庫、API，是手腳的延伸
Memory 記憶
短期上下文 + 長期向量儲存，跨對話記住使用者
Act / Reflect 反思
執行後觀察結果，失敗則自動分析原因並糾錯
普通 LLM vs Agent
普通 LLM
問題 → 生成回答 → 結束
只能「說」，不能「做」
只能「說」，不能「做」
→
Agent
任務 → 規劃 → 調工具 → 觀察 → 糾錯 → 完成
逐步演示
進入視野自動播放 · 點選能力卡片切換演示
Takeaway
Takeaway Agent = LLM + 工具 + 迴圈。核心是「思考 → 行動 → 觀察 → 再思考」——這正是 Lilian Weng 那張架構圖跑起來的樣子：LLM 是大腦，Planning / Memory / Tools 是四肢。每個 AI 產品背後都是在設計這個迴圈。迴圈設計得越好，Agent 就越可靠。