前言

这周在组内做了一次关于 Agent 设计模式 的分享，主要介绍和讲解了 ReAct 模式 与 P&A（Plan and Execute）模式。我计划将这次分享拆分为三篇文章，对我在组会中讲解的内容进行更加系统和细致的整理。

在正式进入具体的 Agent 模式实现之前，有一个绕不开的问题需要先回答清楚：

什么是 AI Agent？它解决了什么问题？以及在近几年 AI 技术与应用快速演进的过程中，AI 应用的开发范式经历了哪些关键变化？

这一篇将不直接展开某一种 Agent 模式的实现细节，而是先回到更宏观的视角，从 AI 应用形态与工程范式的演进 入手，梳理 Agent 出现的技术背景与必然性。

需要说明的是，下文对 AI 应用演进阶段的划分，是一种以“应用开发范式”为核心的抽象总结。真实的技术演进在时间上存在明显重叠，但这种阶段化的叙述有助于我们理解：为什么 Agent 会在当下成为主流方向。

AI 应用的发展历程

第一阶段：提示词工程

2022 年 11 月，GPT-3.5 发布后，大模型开始从研究领域进入大众视野。对开发者来说，这是第一次可以在实际产品中直接使用通用语言模型。

这一阶段的 AI 应用形态非常简单，大多数产品本质上都是一个对话界面：用户输入问题 → 模型生成回答 → 结束。

很快，围绕 Prompt 的工程实践开始出现。由于模型对上下文非常敏感，系统提示词（System Prompt）成为当时最直接、也最有效的控制手段。常见的做法是通过提示词约束模型的角色、输出形式和关注重点，例如：

“你是一个资深的前端开发工程师，请严格以 JSON 格式输出结果……”

这类“身份面具”式的提示，本质上是通过上下文约束来减少模型输出的发散性，让结果更贴近预期。在这一阶段，也陆续出现了 Chain-of-Thought、Few-shot Prompting 等推理增强技巧，但它们依然属于单次生成模式：模型在一次调用中完成全部推理，过程中无法获得外部反馈，也无法根据中间结果调整策略。

第二阶段：RAG

当 AI 开始被用于真实业务场景时，很快暴露出两个问题：模型不了解私有知识，以及生成结果难以校验。以 GPT-3.5 为例，它的训练数据截止在 21 年左右，对于新技术以及企业内部文档、业务规则更是不了解，直接使用往往不可控。

RAG（Retrieval-Augmented Generation）是在这种背景下被广泛采用的方案。它的核心做法是：

• 将私有知识进行切分和向量化存储；
• 用户提问时，先进行相似度检索；
• 将命中的内容作为上下文提供给模型，再由模型完成生成。

通过这种方式，模型不需要记住所有知识，而是在生成时按需获取参考信息。

RAG 的价值不仅在于补充新知识，更重要的是带来了可控性和可追溯性：生成内容可以明确对应到原始文档，这一点在企业场景中尤为关键。

第三阶段：Tool Calling

如果说 RAG 让模型能够“查资料”，那么 Function / Tool Calling 则让模型开始能够“做事情”。

在这一阶段，开发者会把可用能力（如查询数据库、调用接口、执行脚本）以结构化的方式提供给模型，包括函数名、参数说明和功能描述。模型在理解用户意图后，可以返回一个明确的工具调用请求，再由程序完成实际执行。

这一能力的出现，标志着 AI 第一次在工程上具备了可靠调用外部系统的能力。它不再只是一个聊天机器人，而是一个可以触发真实世界动作的“控制器”，这也是后续 Agent 能够落地的关键技术支撑。

第四阶段：AI Workflow

当 RAG 能力和 Tool Calling 能力逐渐成熟后，开发者开始尝试把多个步骤组合起来，形成完整的业务流程。这催生了以 Dify、Coze 为代表的 AI Workflow 范式。

在 Workflow 模式下，一个 AI 应用会被拆解为多个固定节点，并按照预设顺序执行，例如：检索 → 判断 → 工具调用 → 汇总输出。

Workflow 的优势非常明显：

• 流程清晰，行为可预期；
• 易于测试和运营；
• 对非工程人员友好。

但问题也同样明显：流程完全由人设计，模型只是执行者。无论问题复杂与否，都必须走完整条路径。这种方式在应对高度动态或非标准任务时，灵活性有限。

第五阶段：Agent

在 Agent 出现之前，大多数 AI 应用仍然遵循一种典型模式：输入 → 单次/编排好的推理 → 输出。

而 Agent 的出现，本质上是将“任务编排”的控制权从人类手中交还给了 AI。在 Agent 架构下，AI 不再是被动执行一段代码，而是一个具备以下核心能力的闭环系统：

• 将复杂目标拆解为多个可执行步骤；
• 根据工具执行结果调整后续行动；
• 在失败时尝试修正策略；
• 在多步过程中维护上下文状态。

这些能力并不是一次模型调用完成的，而是通过多轮推理与执行形成闭环。也正是在这一点上，Agent 与前面的应用形态拉开了差距。

Agent 设计模式解决的问题

当 Agent 开始承担更复杂的任务时，问题也随之出现：

• 多步推理容易跑偏；
• 执行失败后缺乏统一的修正策略；
• 成本和稳定性难以控制。

Agent 设计模式的作用，就是把这些反复出现的问题抽象成可复用的结构。

无论是 ReAct，还是 Plan and Execute，它们关注的核心并不是“让模型更聪明”，而是：如何在工程上组织模型的推理、行动和反馈过程，使系统整体可控、可维护。

理解这些模式，有助于我们在构建 Agent 系统时少走弯路，而不是每一次都从零开始设计整套交互与控制逻辑。

结语

从最初基于 Prompt 的简单对话，到如今具备一定自主能力的 Agent，我们看到的不只是模型能力的提升，更是 AI 在实际使用方式上的变化。

回顾整个过程会发现，很多关键技术并不是最近才出现的。RAG 的核心思路早在几年前就已经被提出，ReAct 也并非新概念，只是在最近随着模型推理能力提升、工具链逐渐成熟，才真正具备了工程落地的条件。很多时候，并不是想法不存在，而是时机还没到。

理解这些演进背景，有助于我们判断哪些能力是短期噱头，哪些是长期方向。下一篇文章将聚焦 Agent 设计模式中最常见、也最实用的 ReAct 模式，结合实际实现，看看它是如何让 AI 在执行任务的过程中逐步思考、不断调整策略的。

参考资料

• 提示工程指南
• Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.
• Language Models are Few-Shot Learners
• Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks.
• Toolformer: Language Models Can Teach Themselves to Use Tools.
• A Survey on Large Language Model based Autonomous Agents.