🔧 Agent的工作模式

一、最直白定义
Agent（智能代理）不是只会被动回答问题的普通大模型，而是能自主思考、规划任务、调用工具、一步步执行、自我纠错、直到完成目标的 AI 智能体。
二、普通大模型 VS Agent
普通大模型你问啥、它答啥，无自主行动、不会联网、不会操作工具、不会拆分复杂任务。例：问 “帮我安排成都一日游”，只给文字方案，不会查实时天气、不会查车票、不会筛选景点开放时间。
Agent 智能体接收一个最终目标，自己拆步骤、自己选工具、自己执行、遇到问题自己调整。例：目标「帮我规划明天成都一日可行行程 + 预算」Agent 会自动：
思考需要哪些信息（天气、景点开放、交通、票价）
调用联网工具查实时数据
拆分上午 / 下午 / 晚上路线
计算交通 + 门票 + 餐饮预算
整合输出完整方案
三、Agent 核心四大核心能力（必懂）
思考规划（Reasoning）
把复杂大目标，拆解成多个小子任务。
工具调用（Tool Use / Function Calling）
可以主动调用外部能力：联网搜索、数据库查询、代码执行、接口请求、读写文件、爬虫、API 等。
行动执行（Action）
按规划一步步落地执行，不是只停留在文字回答。
记忆 & 反思（Memory & Reflection）
记住上下文历史，做错了能复盘纠错，迭代优化执行流程。
四、结合你技术方向（Python / 爬虫 / 后端）举例
爬虫 Agent
给一个目标：「爬取某网站近 7 天商品价格，存入 MySQL 并生成汇总报表」
Agent 自动：
分析页面结构
调用爬虫工具请求数据
清洗数据
连接数据库入库
统计分析并输出表格
运维 OnCall Agent监控服务报错 → 自动分析日志 → 调用命令排查 → 自动重启服务 / 告警通知。
RAG+Agent不止简单检索文档，还能自主决定查哪些文档、多轮检索、整合信息、引用来源、回答复杂业务问题。
五、一句话极简总结
大模型是只会说话的大脑，Agent 是带手脚、会干活、能自主完成复杂任务的智能机器人。
六、技术核心组成（面试够用精简版）
LLM：大脑，负责思考、决策、写逻辑
Prompt 规划：任务拆解、角色设定
Function Calling：工具调用协议
工具集：搜索、代码、数据库、接口、爬虫
记忆模块：短期上下文 + 长期向量记忆
反思模块：失败重试、流程优化