Agent 智能体：从概念到实践 —— 从概念到实践：如何打造一个真正能干活的 AI 助手 思维链 大模型 观察 思考 行动》 从概念到实践 —— 如何打造一个真正能干活的 AI 助手

尽管大语言模型（LLM）已经能在广泛问题上提供令人惊叹的答案，但在需要记忆过往对话、访问外部数据或执行实际操作时，其结构性短板便暴露无遗。Agent智能体通过整合记忆模块、工具调用能力与知识检索机制，将LLM从纯粹的“对话者”重塑为能够主动执行的“行动者”。

这些局限并非源于模型不够聪明，而是大模型固有的结构性短板所致。

第一，LLM 缺乏持久记忆。 每次交互中模型都将对话视为全新开端，无法保留上周讨论的项目背景。要让模型记住上下文，必须引入记忆模块，将历史对话存入数据库或本地存储，并在每次请求时将相关记录一起提交给模型。

第二，LLM 只能生成文本，无法执行具体操作。 当要求它访问网页、读写文件或调用API时，模型只能提供思路却无法亲自操作。要赋予模型执行能力，需要配备工具调用功能，使其能够调用外部函数、发送网络请求或执行系统命令。

第三，LLM 的知识存在时效性限制。 模型训练完成后，其知识便固化于训练数据的截止时间点。最新新闻、实时股价或内部私有文档均无法触及。这需要借助RAG接入外部知识库，并利用MCP标准化第三方工具的接入方式。

第四，LLM 缺乏领域专精能力。 制作PPT、分析股市并执行交易、实施多步骤工作流等任务，需要将通用能力蒸馏为特定领域的专业技能。

Agent正是针对上述问题，为LLM附加记忆模块、工具调用能力、RAG知识检索、MCP协议支持与技能体系后的产物。这并非简单的叠加，而是一次质的飞跃——LLM从“能聊天的模型”转变为“能干活的智能体”。

Agent 的工作原理：从接收到完成任务的全流程

当用户以提示词形式向Agent提出复杂任务时，系统内部会经历一套精密的协作流程：

1. 规划与推理：LLM首先解析用户意图，将任务拆解为可执行的子步骤。例如针对“分析项目代码质量”的请求，Agent会规划出列出文件结构、读取关键文件、分析代码模式、生成报告等步骤。

2. 记忆检索：Agent检查是否需要加载历史记忆。若用户曾讨论过项目背景，系统将从记忆模块中提取相关上下文，避免重复说明。

3. 工具调用：Agent判断所需工具并按步骤执行。读取文件、搜索代码、运行测试等操作均有明确的输入参数和返回结果，Agent根据上一步结果决定下一步行动。

4. 知识增强：当任务涉及内部私有知识时，Agent从向量数据库中检索相关文档片段，通过提示词模板将检索结果注入上下文，使模型获得超出训练数据的知识。

5. 响应与反馈：Agent汇总所有工具执行结果与推理过程，生成最终回答，完成用户任务。

整个流程的核心在于：LLM 作为大脑，工具作为双手，记忆作为经验，RAG 作为外部知识库——四者缺一不可。

LangChain：Agent 开发的“万能胶水”

在Agent开发领域，LangChain是最成熟的开源框架之一。其核心价值在于统一与兼容——面对数十家大模型厂商各异的API格式，LangChain提供一层抽象，使开发者能用同一套代码调用DeepSeek、OpenAI、Anthropic等不同模型。

我们的实践中采用如下技术栈：

1. 后端框架：NestJS（Node.js企业级框架）
2. Agent 框架：LangChain.js（单智能体）与 LangGraph（多智能体协作）
3. 工具生态：MCP / RAG / Skills

以下通过一个真实代码示例展示LangChain如何赋予LLM工具调用能力。

第一步：绑定模型

 复制代码import { ChatOpenAI } from '@langchain/openai';const model = new ChatOpenAI({
  modelName: 'deepseek-v4-flash',
  apiKey: process.env.DEEPSEEK_API_KEY,
  temperature: 0,
  configuration: {
    baseURL: 'https://api.deepseek.com/v1',
  },
});

LangChain的ChatOpenAI兼容OpenAI接口规范，只需修改baseURL与modelName，即可无缝切换至DeepSeek等国产模型。这种按需加载、即插即用的设计使团队能够灵活选择性价比最高的模型，而不被单一厂商锁定。

第二步：定义工具

 复制代码import { tool } from '@langchain/core/tools';
import { z } from 'zod';const readFileTool = tool(
  async ({ filePath }) => {
    const content = await fs.readFile(filePath, 'utf-8');
    console.log(`[工具调用] read_file(${filePath}) 成功读取 ${content.length} 字节`);
    return content;
  },
  {
    name: 'read_file',
    description: '用此工具来读取文件内容，当用户要求读取文件、查看代码、分析文件内容时，调用此工具。',
    schema: z.object({
      filePath: z.string().describe('要读取的文件路径'),
    }),
  }
);

一个Tool由两大部分组成：

1. 功能函数（异步处理函数）：实际执行操作的逻辑，此处为读取文件内容并返回。
2. 描述对象：包含name（工具名称）、description（详细功能说明，覆盖使用场景与参数需求）和schema（参数约束）。schema使用Zod定义，确保LLM调用工具时传入的参数类型与格式完全正确。

这里有一个容易被忽视但至关重要的设计细节：工具执行中需要时刻反馈执行状态。Agent任务可能复杂耗时，若用户长时间看不到反馈，会误以为程序卡死而退出。每执行一步便输出日志，是Agent开发的基本素养。

第三步：注册工具并创建 Agent

 复制代码const tools = [readFileTool];
const modelWithTools = model.bindTools(tools);const messages = [
  new SystemMessage('你是一个代码助手，可以使用工具读取文件并解释代码。'),
  new HumanMessage('请读取 tool.mjs 文件内容并解释代码'),
];let response = await modelWithTools.invoke(messages);
messages.push(response);

LangChain通过bindTools方法将工具注册到模型。当用户提出“读取文件并解释代码”的请求时，模型会：

1. 识别出需要调用read_file工具
2. 生成结构化的tool_calls数组，包含工具ID、名称与参数
3. 暂停自身文本生成，等待工具返回结果
4. 将工具返回结果关联至对应的tool_call_id，拼接到历史会话中
5. 基于完整上下文（用户问题与工具返回内容）生成最终回答

这一过程十分精妙：LLM具备“自知之明”——当判断需要调用工具时，它不会强行编造内容，而是生成tool_calls数组告知系统调用需求。工具异步执行完毕，结果通过id关联回对应调用，整个任务上下文完整保存在历史会话列表中。LLM凭借自然语言理解实现精确的函数调用编排。

性能优化：Promise.all 并行执行

当Agent需要调用多个工具时，若采用串行方式（先读文件A，再读文件B，再读文件C），总耗时为所有操作时间之和。这在复杂任务中可能导致用户等待数十秒甚至数分钟。

解决方案是利用JavaScript的Promise机制实现并行执行：

 复制代码const [weatherData, tweetsData] = await Promise.all([
  getWeather(),  // 耗时 2000ms
  getTweets(),   // 耗时 500ms
]);
// 总耗时 ≈ 2000ms（取最长的那个），而不是 2500ms

Promise是ES6引入的异步编程核心，具有三种状态：

1. Pending（等待中）：异步操作尚未完成
2. Fulfilled（已成功）：操作成功完成，状态从Pending变为Fulfilled
3. Rejected（已拒绝）：操作失败，状态从Pending变为Rejected

关键特性在于：状态只能从Pending切换至Fulfilled或Rejected之一，且改变后不可逆转，这保证了异步操作的确定性。

Promise.all()接收一个Promise数组，并行启动所有异步任务，等待全部完成返回结果数组，结果顺序与输入数组严格一致。配合async/await（ES8语法），异步代码读起来如同同步代码般清晰。

在Agent场景中，当LLM判断多个工具调用无依赖关系时（例如同时读取三个不相关配置文件），应使用Promise.all并行执行，将总耗时从“三个操作之和”降至“最慢操作”，这是打造高性能Agent的关键技巧。

从 Demo 到产品：Agent 开发的完整图景

以一个具体实例说明：让Agent“创建一个React + Vite的TodoList应用”。任务会被LLM规划为三步：

1. 用Vite脚手架创建项目 → 调用CLI工具
2. 编写TodoList组件代码 → 调用文件写入工具
3. 启动开发服务器验证 → 再次调用CLI工具

每一步均为工具调用，每一步结果影响下一步决策。这便是手写简化版Claude Code的核心原理——LLM与文件系统工具、命令行工具的结合。

而LangGraph更进一步，支持多智能体协作：可以分配一个“架构师Agent”负责规划设计，一个“编码Agent”负责实现，一个“审查Agent”负责检查代码质量——它们通过消息传递协作，各司其职。

结语：Agent 其实不复杂

拆解来看，Agent的每个组成部分都不复杂。LLM本身具备思考与规划能力，为其配备工具便能执行操作，增添记忆即可保留关键信息，接入RAG就能查询内部知识库。将这些组件整合——一个知晓内部知识、能够思考规划、能够动手执行的大模型——便构成了Agent。

真正的挑战不在于理解概念，而在于工程落地。如何设计稳定的工具接口？如何处理工具调用异常？如何在并发与串行间做出最优调度？如何使Agent行为可预测、可调试？

这正是智能体产品开发的使命：通过扎实的工程实践让AI技术落地，实现其商业价值。从第一行演示代码到支撑千万用户的智能体产品，这条路才刚刚开启。