从 LLM 到 Agent：什么是智能体

从 LLM 到 Agent：什么是智能体：用控制权、环境反馈和停止条件区分模型调用、工作流与智能体，通过架构、轨迹和故障重放完成验收。

学习目标

  • 能解释“从 LLM 到 Agent：什么是智能体”如何用控制权、环境反馈和停止条件区分模型调用、工作流与智能体
  • 能区分工作流、智能体、环境反馈、自主性、停止条件，并指出控制权、数据与副作用边界
  • 能固定输入与版本，沿以下证据定位首个分叉：任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因
  • 能注入“模型只凭自己的上一段文字继续推演，却把没有工具证据的结论标成完成”，完成阻断、恢复、复位和同输入重放

来源、课程编排与适用边界

“从 LLM 到 Agent：什么是智能体”以Anthropic 公开全文《Building effective agents》为总纲，并用Anthropic《Building effective agents》核对本单元机制；涉及 MCP 的控制权边界再由MCP 2025-06-18 官方规范交叉检查。

这不是 Anthropic 出版的“19 章教材”。平台把公开文章、官方工具文档与协议规范重组为 19 个应用单元；下列 152 个节点是站内课程地图，不冒充原文目录。正文、代码、图表、实验和练习均为独立教学重写；产品接口、模型行为或协议版本变化时必须重新验证。

本单元的八个课程坐标

  • 从 LLM 到 Agent：什么是智能体：这是“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的第 1 个课程坐标；必须进入机制解释、实验观察或练习证据，不能只停在目录。
  • 先打个比方：这是“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的第 2 个课程坐标；必须进入机制解释、实验观察或练习证据，不能只停在目录。
  • 第一个概念：裸 LLM 是个「只会背书的实习生」：这是“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的第 3 个课程坐标；必须进入机制解释、实验观察或练习证据，不能只停在目录。
  • 第二个概念：智能体 = LLM 大脑 + 四件外挂：这是“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的第 4 个课程坐标；必须进入机制解释、实验观察或练习证据，不能只停在目录。
  • 第三个概念：智能体 vs 工作流 vs 聊天机器人：这是“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的第 5 个课程坐标；必须进入机制解释、实验观察或练习证据，不能只停在目录。
  • 第四个概念：自主性是一根可调的旋钮：这是“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的第 6 个课程坐标；必须进入机制解释、实验观察或练习证据，不能只停在目录。
  • 动手看：一圈智能体循环长什么样：这是“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的第 7 个课程坐标；必须进入机制解释、实验观察或练习证据，不能只停在目录。
  • 用代码看循环的骨架：这是“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的第 8 个课程坐标；必须进入机制解释、实验观察或练习证据，不能只停在目录。

术语与运行合同

、、、、。

本页不变量是：每次自主决策都受工具权限、环境事实和显式停止条件约束。任何“成功”结论都要保存以下证据：任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因，模型生成的计划或自信不能替代环境事实。

关键机制与可推翻实验

控制流才是分界

两种系统都能调用工具；区别在路径由代码预写还是由模型根据中间结果选择。

动手验证：把退款、翻译和未知故障分别放入三种实现，标出真正决定下一步的主体。

自主性是一段区间

从单次调用、固定链到开放循环，自主性增加时成本、延迟和故障面也同步增加。

动手验证：固定任务集，逐档比较成功率、尾延迟、调用数和人工接管率。

外部事实推进循环

计划和解释只能提出候选动作，工具结果与环境状态才有资格改变任务状态。

动手验证：让工具返回空结果，检查系统是否停止猜测并重新规划。

完成必须可判定

最大轮数不是成功条件；系统还要区分 done、blocked、rejected 与 handoff。

动手验证：注入永远无结果的工具，确认系统不会把预算耗尽伪装成完成。

先预测，再操作三类证据

分步1 / 3

1. 架构与复杂度边界

在“从 LLM 到 Agent：什么是智能体”中切换简单基线、受控工作流与自主循环，先预测“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”在哪个阶段需要增加控制权，再比较延迟、成本、可观测性和自主性。

Architecture decision laboratory

从 LLM 到 Agent：什么是智能体

用控制权、环境反馈和停止条件区分模型调用、工作流与智能体

复杂度档位

不变量：每次自主决策都受工具权限、环境事实和显式停止条件约束

受控工作流：只激活能够由收益证明的阶段1任务合同2控制权选择3工具行动4环境反馈5停止验收蓝色表示当前方案承担的责任；虚线阶段仍留在系统边界外。关键证据：任务合同、控制权归…
自主性46
延迟52
成本48
可观测78

最小可运行实现

type Status = "done" | "blocked" | "handoff";
 
async function runAgent(task: Task, tools: Tool[], maxSteps = 6) {
  const trace: Event[] = [];
  for (let step = 0; step < maxSteps; step += 1) {
    const decision = await decide(task, tools, trace);
    if (decision.kind === "final") return { status: "done" as Status, trace };
    trace.push(await executeAndObserve(decision, tools));
  }
  return { status: "blocked" as Status, reason: "step_budget", trace };
}

这段切片只暴露“用控制权、环境反馈和停止条件区分模型调用、工作流与智能体”的最小运行合同。交付版本还要补齐超时、密钥隔离、结构化日志、幂等和批量评测；缺少任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因时，代码能运行也不代表本章结论成立。

小结

  • 用控制权、环境反馈和停止条件区分模型调用、工作流与智能体
  • 控制流才是分界，不在能否调用工具
  • 自主性是一段区间，增加自主性同步增加成本和故障面
  • 外部事实推进循环，模型自评不能替代工具结果
  • 完成必须可判定，须区分 done、blocked 与 handoff

练习与答案

练习

问题 1：最小证明。 怎样用最少样本证明“每次自主决策都受工具权限、环境事实和显式停止条件约束”？

问题 2：课程覆盖。 从 LLM 到 Agent：什么是智能体、先打个比方、第一个概念：裸 LLM 是个「只会背书的实习生」、第二个概念：智能体 = LLM 大脑 + 四件外挂、第三个概念：智能体 vs 工作流 vs 聊天机器人、第四个概念：自主性是一根可调的旋钮、动手看：一圈智能体循环长什么样、用代码看循环的骨架如何进入可操作验证？

问题 3：恢复闭环。 怎样证明“模型只凭自己的上一段文字继续推演，却把没有工具证据的结论标成完成”已经修复？

本章回顾

  • “从 LLM 到 Agent：什么是智能体”的主问题是用控制权、环境反馈和停止条件区分模型调用、工作流与智能体。
  • 核心不变量是每次自主决策都受工具权限、环境事实和显式停止条件约束。
  • 首要反例是模型只凭自己的上一段文字继续推演，却把没有工具证据的结论标成完成。
  • 最小证据包包含任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因。

名词解释

本章出现的专业名词，用大白话再讲一遍。

工作流

由代码预先规定模型和工具调用路径的系统。在“从 LLM 到 Agent：什么是智能体”中必须能按以下证据重新定位：任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因。

智能体

由模型根据环境反馈动态决定下一步的系统。在“从 LLM 到 Agent：什么是智能体”中必须能按以下证据重新定位：任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因。

环境反馈

来自工具、执行器或用户的可观察事实。在“从 LLM 到 Agent：什么是智能体”中必须能按以下证据重新定位：任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因。

自主性

系统在既定权限内自行选择下一步的程度。在“从 LLM 到 Agent：什么是智能体”中必须能按以下证据重新定位：任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因。

停止条件

完成、阻塞、预算耗尽或人工接管的退出合同。在“从 LLM 到 Agent：什么是智能体”中必须能按以下证据重新定位：任务合同、控制权归属、工具调用、环境结果、轮次预算与停止原因。

阅读导航

← 本课程起点 · 增强型 LLM：工具、检索与记忆 →

讨论

评论区加载中…