Agent 是这两年 AI 圈最热的词但十个人里有八个说不清它和普通大模型调用的区别。这篇不讲概念直接拆开一个能干活的 Agent看它内部到底在转什么。Agent 与普通调用的本质区别普通调用是「一问一答」输入问题输出文本结束。Agent 是「目标驱动的过程」给它一个目标它自己拆任务、调工具、看结果、修正方向循环直到目标完成或放弃。这个循环就是 Agent 的全部秘密。ReAct最经典的循环模式ReAct 的名字来自 Reasoning 加 Acting。每一轮里模型先输出思考我想解决什么、下一步该干什么再输出行动调用哪个工具、参数是什么拿到工具返回的结果后进入下一轮思考。循环往复直到模型判断目标已完成。一个查询天气的例子思考「用户问北京天气我需要调天气工具」行动是调用 weather 函数传北京观察返回「晴15 度」再思考「拿到了可以回答了」最后输出答案。真实业务里的循环可能转十几轮涉及搜索、数据库、API 多个工具。工具调用Agent 的手脚工具是模型与世界交互的接口。现代大模型的 Function Calling 已经相当成熟你用 JSON Schema 描述每个工具的名字、参数、用途模型在需要时输出结构化的调用请求由你的代码执行后把结果喂回去。工程上的三个要点工具描述要写给模型看把使用场景和边界写清楚描述写得差模型就乱调工具返回要简洁结构化塞一大段 HTML 进去只会浪费上下文要对工具调用做权限和预算控制否则一个死循环就能把 API 额度烧光。规划与记忆从反应到策略简单任务 ReAct 够用复杂任务需要规划先行先让模型输出一个任务分解清单再逐项执行执行中发现变化就重排。记忆则分两层——短期记忆是当前任务的对话上下文长期记忆靠外部存储向量库或数据库用时检索注入。别神化也别低估Agent 不是 AGI它会在工具描述不清时乱调、在目标模糊时跑偏、在多步任务中途丢上下文。但它把「大模型从能说到能做」这一步跨出去了。工程实践的一句忠告先用最小循环跑通业务闭环再逐步加规划、加记忆、加多智能体——反过来做的团队大多死在了过度设计上。