解释 Agent 的核心组件：感知、推理、行动、记忆
解释 Agent 的核心组件：感知、推理、行动、记忆
难度：基础
分类：Agent 架构
简短回答
一个完整的 LLM Agent 由四大核心组件构成：感知模块（接收和解析输入）、推理模块（LLM 作为"大脑"进行思考和规划）、行动模块（调用工具执行操作）、记忆模块（存储和检索上下文信息）。这四个模块形成一个持续运转的认知闭环：感知→推理→行动→记忆→感知...
详细解析
1. 感知模块（Perception）
感知模块是 Agent 的"感官系统"，负责接收和预处理来自环境的各种信号。
职责：
- 接收用户自然语言输入
- 解析多模态数据（文本、图像、音频、视频）
- 处理工具返回的结果（Observation）
- 解析外部事件和通知（如 Webhook、消息队列）
关键设计要点：
- 感知不是被动接收，而是主动过滤和转换。原始数据需要被结构化为 Agent 可理解的格式
- 感知质量直接影响下游所有决策。如果 Agent 误解了用户意图或错误解析了工具输出，后续的推理和行动都会出错
- 现代 Agent 通常支持多模态感知：文本（NLP）、视觉（Computer Vision）、结构化数据（API Response Parsing）
# 感知模块示例：解析用户输入并提取意图
class PerceptionModule:
def process_input(self, raw_input: dict) -> dict:
"""将原始输入转化为结构化的感知数据"""
return {
"user_query": raw_input.get("text", ""),
"images": raw_input.get("images", []),
"tool_results": raw_input.get("observations", []),
"context": self._extract_context(raw_input)
}2. 推理模块（Reasoning / Cognitive Core）
推理模块是 Agent 的"大脑"，通常由 LLM 担任，负责理解任务、制定计划、做出决策。
核心能力：
- 任务理解：解析用户目标，理解隐含需求
- 任务分解：将复杂任务拆解为可执行的子任务
- 规划：制定行动序列，确定工具使用顺序
- 决策：在多个可选方案中选择最优路径
- 反思：评估中间结果，判断是否需要调整策略
主流推理范式：
| 范式 | 描述 | 适用场景 |
|---|---|---|
| ReAct | 交替进行思考和行动 | 需要动态探索的任务 |
| Plan-and-Execute | 先完整规划，再逐步执行 | 结构化的多步任务 |
| Chain-of-Thought | 逐步推理，但不执行行动 | 纯推理问题 |
| Tree-of-Thought | 探索多条推理路径 | 需要回溯的复杂问题 |
| ReWOO | 一次性生成完整计划，减少 LLM 调用 | 成本敏感场景 |
# 推理模块：LLM 作为决策核心
class ReasoningModule:
def think(self, perception: dict, memory: dict) -> dict:
"""基于感知和记忆进行推理"""
prompt = self._build_prompt(perception, memory)
response = self.llm.generate(prompt)
return {
"thought": response.reasoning, # 思考过程
"plan": response.plan, # 行动计划
"next_action": response.action, # 下一步行动
"should_stop": response.is_final # 是否完成
}3. 行动模块（Action / Execution）
行动模块是 Agent 与外部世界交互的"手脚"，负责执行推理模块做出的决策。
行动类型：
- 工具调用：执行 Function Calling（搜索、计算、API 请求）
- 代码执行：在沙箱中运行代码
- 数据操作：读写数据库、文件系统
- 通信：发送消息、邮件、触发通知
- 最终输出：向用户返回最终答案
关键设计考量：
- 行动需要有明确的成功/失败反馈，作为下一轮推理的 Observation
- 工具调用应有超时、重试和降级机制
- 危险操作（删除数据、发送邮件）需要 Human-in-the-Loop 确认
# 行动模块：执行工具调用
class ActionModule:
def execute(self, action: dict) -> dict:
"""执行推理模块决定的行动"""
tool_name = action["tool"]
tool_input = action["input"]
try:
result = self.tools[tool_name].run(tool_input)
return {"status": "success", "observation": result}
except ToolError as e:
return {"status": "error", "observation": str(e)}4. 记忆模块（Memory）
记忆模块为 Agent 提供跨步骤和跨会话的上下文保持能力。
记忆类型：
| 类型 | 类比 | 实现 | 生命周期 |
|---|---|---|---|
| 工作记忆 | 当前任务的"便签纸" | LLM Context Window | 单次任务 |
| 短期记忆 | 对话上下文 | 对话历史 + 摘要 | 单次会话 |
| 长期记忆 | 经验知识库 | 向量数据库 / 知识图谱 | 持久化 |
关键设计要点：
- 上下文窗口有限，需要摘要和压缩策略
- 长期记忆的检索质量（Recall + Precision）直接影响 Agent 表现
- 需要遗忘机制来处理过时信息
# 记忆模块：管理不同层次的记忆
class MemoryModule:
def __init__(self):
self.working_memory = [] # 当前任务步骤
self.conversation_history = [] # 对话历史
self.vector_store = VectorDB() # 长期记忆
def store(self, entry: dict):
"""存储新记忆"""
self.working_memory.append(entry)
if entry.get("persist"):
self.vector_store.upsert(entry)
def recall(self, query: str, k: int = 5) -> list:
"""检索相关记忆"""
return self.vector_store.search(query, top_k=k)四大模块的协作闭环
四大模块构成认知闭环：感知把输入结构化，推理结合记忆做决策，行动的 Observation 反馈回感知，循环直至任务完成。
这个闭环持续运转，直到推理模块判断任务已完成（或达到最大步数限制）。四个模块的集成质量决定了 Agent 的整体能力——推理依赖记忆提供上下文，记忆依赖感知获取新信息，行动依赖推理做决策，感知处理行动的结果。
常见误区 / 面试追问
误区："LLM 就是 Agent 的全部" — LLM 只是推理模块的核心，一个完整的 Agent 还需要感知、行动、记忆模块的协同工作。
误区："记忆就是对话历史" — 对话历史只是短期记忆的一部分。完整的记忆系统还包括工作记忆（当前任务状态）和长期记忆（持久化知识库）。
追问："如果推理模块（LLM）出错了怎么办？" — 需要 Guardrails（安全护栏）+ 自我反思机制 + 人工审核介入。好的 Agent 设计应该假设 LLM 会犯错，并在架构层面做好容错。
追问："四个模块的耦合度应该怎么设计？" — 模块间应该通过标准化接口通信（如统一的消息格式），实现松耦合。这样可以独立替换某个模块（比如换一个 LLM、换一个向量数据库），不影响其他部分。