MVP Demo 03
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：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？
1 / 5
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。
选择一个失败路径，观察 Agent 如何从观察结果回到修正计划。
学习目标
- 理解 Agent 的 plan → tool call → observation → revise → final answer 循环。
- 观察工具失败时为什么需要回到计划修正，而不是直接输出答案。
- 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