23.5 立起了 Agent 的骨架:ReAct 心跳、熔断保险丝、记忆与工具四肢。这一节往骨头缝里走——反思机制怎么实现、规划模式怎么选、记忆系统分几层,三个 2026 年的高频考点,也是 Agent 从「能跑」到「能上线」的三级台阶。
| 对比 | LLM Chain | Agent |
|---|---|---|
| 决策 | 固定流程写死在代码 | 模型自主决定下一步 |
| 工具 | 无或固定调用 | 动态选择与组合 |
| 循环 | 单次调用即结束 | 多轮循环直到目标 |
| 适用 | 简单确定的任务 | 复杂多步任务 |
| 可控性 | 高 | 中,需护栏约束 |
这张表的工程含义是升级要有门票:Chain 三行代码可测可预期,Agent 每一步都有不确定性。判断口径一句话——下一步动作能不能在写代码时确定:能确定就走 Chain(抽取、分类、固定问答),不能确定才上 Agent。八成业务其实是 Chain,先问自己「真的需要模型做决策吗」,再谈架构。反过来的亏也真实存在:明明要按订单状态走不同处理分支,硬做成 Agent 让模型现场决策——确定逻辑交给代码,不确定才交给模型,这是两边的边界线。
普通 Agent 的执行链是「执行→输出→结束」,结果不好也就不好了;Reflexion(反思机制:执行后自我评估、发现问题、修正重试的循环)把链路弯成一个环,三步一圈:Action 执行产出初始结果;Evaluation 自我评估(或由独立评估器打分)——结果对不对、要求满足没、有没有遗漏;Reflection 不满意时反思原因,生成「这次哪里没考虑周全、下次应该怎么办」的改进策略,并把反思存入记忆供下轮参考。Java 视角的实现思路三段拼装:先 chatClient.prompt().user(task).call() 出初始结果;再让模型以「评估以下结果的质量打分并指出问题」的系统提示词自评;分数低于阈值就把「原结果+评估意见」拼进反思提示词,生成改进方案后重新执行——三段都是普通调用,弯成的环才是新东西。
三条纪律管住这个环:反思次数上限两三次(无限反思就是无限烧钱,与 23.5 的步数熔断同一条红线);反思本身消耗 token,简单任务一次到位别开环;反思文本进记忆是它的精髓——第二轮不是从头试错,而是带着第一轮的教训出发。适用场景对号:代码生成(生成→跑测试→失败→分析→修正)、文案撰写(自评质量再改方向)、数据分析(检查结论合理性再调方法)——有客观反馈信号的任务收益最大,纯主观任务的自评容易自我感觉良好。
ReAct 是「走一步看一步」,另一种模式 Plan-and-Execute(先列完整计划再逐项执行的规划模式)是「先看地图再出发」:第一轮让模型把任务拆成有序子任务清单(查数据→算指标→画图→写结论),然后逐项执行、每项完成即勾销。两种模式的取舍:ReAct 灵活、每步都能根据新观察调整方向,但容易绕路;Planning 方向明确、子任务可并行(互不依赖的两项同时跑),但计划赶不上变化时要重规划。实战常杂交——先 Planning 出骨架,执行中每步用 ReAct 的观察反馈微调:宏观有计划、微观能变通,这正是 23.5 说「Planning 适合可分解任务」的完整含义。
Agent 的记忆不是一坨聊天记录,是三层各司其职的架构。短期记忆(当前对话上下文):内存里的消息列表,受上下文窗口限制(8K 到 128K),溢出处理就是 23.2 的老三样——滑动窗口、摘要压缩、关键信息下沉。长期记忆(跨会话的持久知识):用户偏好、历史结论做 Embedding 存进向量库,下次对话检索相关记忆注入 Prompt——「记住老用户上次的偏好」这个产品需求,实现路径就是摘要向量化加检索,24 章的 RAG 管道原样复用。工作记忆(Scratchpad:当前任务的中间状态):多步执行时的推理链、已完成子任务的结果清单,存内存或 Redis——它与短期记忆的区别是任务级而非会话级,任务结束即可丢弃。三层合起来的面试标准答案:「短期记忆对话内、工作记忆任务内、长期记忆跨会话——分别对应窗口管理、状态暂存、向量检索三套工程」。
Agent 模式的深化在三个器官:Reflexion 给它从错误学习的能力(环加记忆)、Planning 给它看地图的习惯(先拆解再执行)、三层记忆给它分层存取的秩序——骨架之上装好这三个器官,「数字员工」才算培训合格。