Agent

AI Agent（智能体）是能够自主完成任务的 AI 系统，其核心是模拟人类的”思考→行动→观察”循环。一切 Agent 设计模式的本质都源于 Anthropic 提出的 ReAct（Reasoning + Acting） 框架。

核心机制：Agent Loop

Agent 的运行是一个循环过程，模拟人类解决问题的自然方式：

思考（Thinking）→ 行动（Acting）→ 观察（Observation）→ 再思考 → 再行动 → …… → 得到结论

Agent 何时停止循环也是由模型自主判断的——当它认为已得到最终答案时自动结束。

Agent 从 ReAct 出发，分化出两条主线：

方向	侧重	典型应用
规划型 Agent	任务分解与计划制定	复杂工作流编排
反思型 Agent	结果评估与自我修正	代码生成、内容创作

Anthropic 在官方博客中强调：大多数场景下单 Agent 优于多 Agent。仅在以下三种情况下多 Agent 架构更有优势：

常见的错误是按职能拆分（写作 Agent、测试 Agent、Review Agent）——这会消耗大量 token 在”解释上下文”上，而非实际工作。

核心原则：谁掌握信息，谁就把这一块负责到底。