Demo 11
Agent：大模型如何执行多步任务？
为什么 Agent 不是一次回答，而是一个循环控制系统？这个章节把 Agent 放在 LLM 和 RAG 之后，解释计划、工具、观察和修正如何构成多步任务执行。
教学型交互案例
Agent 循环演示
为什么 Agent 不是一次回答，而是一个循环控制系统？
正常成功
第一次工具调用返回可用结果，Agent 在观察后直接进入最终回答。
1 / 4
拆解任务并制定计划
Agent 先把用户目标拆成可执行步骤，决定需要查什么、算什么、再回答什么。
学习目标
- 理解 Agent 如何在计划、工具调用、观察结果和最终回答之间流转。
- 观察工具失败时为什么必须修正计划，并再次经过工具调用和结果观察。
- 区分一次性 LLM 回答和带外部行动闭环的 Agent 系统。
简化说明
本案例是教学示意，不调用真实工具或大模型；工具结果和修正路径都是预设，用来解释 Agent loop。
观察指南
Agent 的关键不是“更会聊天”，而是进入行动循环
它之前的问题是：普通 LLM 往往只能一次性生成答案，不能持续观察外部状态。Agent 解决的是多步任务控制问题，但没有天然解决工具安全、目标漂移、成本和评估问题。后续影响是工具调用、工作流自动化、多智能体系统和安全评估。
参考资料
Concept Check
用一个问题检验核心直觉
自测只帮助你检查理解，不影响继续学习。记录仅保存在本设备。