Agent 工作流：让多个智能体协作

Agent 不是又一个聊天框，而是「能自己决定下一步做什么」的程序：它观察环境、调用工具、根据结果再决策，直到任务完成。这篇讲清它的骨架。

一、什么是 Agent

普通接口调用是「一问一答」；Agent 是「给目标，它自己循环去完成」。它把大模型当作「大脑」，把代码、API、搜索引擎当作「手和眼睛」。

二、最小闭环

任何 Agent 都绕不开这个循环：思考（Think）→ 行动（Act）→ 观察（Observe），然后回到思考，直到满足终止条件。

while not done:
    plan = think(goal, memory)        # 思考下一步
    action, args = plan.next_action
    result = run_tool(action, args)   # 行动
    memory.append(result)             # 观察并记忆
    done = plan.is_finished(result)

三、多智能体分工

复杂任务拆给不同角色更稳：Planner 拆解目标、Worker 执行子任务、Reviewer 检查结果。三者用消息传递协作，避免一个模型又想又做又查。

四、工具调用

让模型声明「我能调用哪些函数」，它返回函数名和参数，由我们的代码真正执行——这就是 Function Calling。模型只决策，执行永远在我们手里。

{"name": "search_web", "description": "搜索互联网",
 "parameters": {"query": "string", "top_k": "integer"}}

五、别让它停不下来

• 设最大步数上限，防止无限循环烧钱；
• 明确「完成」的判定标准，而不是靠模型自觉；
• 关键动作加人工确认，尤其是会改数据的操作。