Agent 四要素——模型 / 工具 / 记忆 / 评估

任何 Agent，不管它用什么框架、跑什么任务，都能拆成四要素：模型、工具、记忆、评估。 这不是某家公司规定的，是现有 Agent 系统共同遵守的底层结构——掌握这把刀，看到一个新 Agent 你就知道该往哪里问问题。

这一节给你这把刀。

---

为什么要有"四要素"框架

看 Agent 的介绍，你很容易迷进细节：这个用了 LangGraph，那个接了 RAG，另一个说自己会"自主规划"……术语满天飞，很难看出门道。

框架的价值就是穿透细节，直接问：大脑在哪？手脚是什么？记了什么？怎么判断完没完？

这四个问题，对应四个要素。回答完，你对这个 Agent 的理解就足够深了。

而且这个框架是实用的。你要调试一个跑偏的 Agent，先问"评估逻辑对不对"比瞎改提示词有效得多；你要给 Agent 加新功能，先问"加的东西是工具还是记忆"，就知道改哪一层。

---

四要素逐个讲

① 模型——大脑，负责决策

作用：接受输入，推理出下一步该做什么。

模型是 Agent 里唯一"会想"的部分。它读取任务描述、历史记录、工具清单，然后做决定：是直接回答，还是调某个工具，还是再想一步。

在真实 Agent 里，模型通常是一个大语言模型（LLM）的 API 调用。每一轮循环都会发一次请求，把当前状态（消息历史 + 可用工具列表）打包进去，拿回来一个决策。

模型收到：[任务, 历史对话, 工具清单]
模型输出：调用工具 X，参数是 {…}   ← 或者：直接给出最终答案

缺了会怎样： 没有模型就不是 Agent，而是普通的脚本——流程写死，遇到没覆盖的情况就卡死或乱跑。

一个常见的误区：觉得"换个更强的模型就能解决一切"。模型只是大脑，大脑再聪明，工具坏了还是干不了活；记忆缺失，每步都从零开始还是会犯同样的错。

---

② 工具——手脚，与外界交互

作用：让 Agent 能对外部世界产生真实影响或获取真实信息。

纯粹的语言模型是封闭的——它只知道训练数据里的东西，不能实时查价格、不能发邮件、不能读你的文件。工具打开了这扇门。

工具的形态可以非常多样：

工具类型	举例
信息检索	搜索引擎、数据库查询、读文件
计算执行	代码解释器、计算器、数据分析
系统操作	发邮件、写文件、调用内部 API
感知采集	读传感器数据、截图、解析图片

从代码角度看，工具通常有三个部分：名字、描述（告诉模型什么情况该用）、参数 schema（告诉模型传什么参数）。模型读描述来决策，实际执行的代码它看不到。

缺了会怎样： Agent 退化成纯聊天机器人，只能给意见、不能干活。问它"帮我把这封邮件发给 Tom"，它只能说"好的，你去发吧"——因为它根本没有"发邮件"这只手。

---

③ 记忆——笔记本，跨步 / 跨会话记事

作用：让 Agent 不用每步都从零开始，能积累上下文、前情提要、学到的东西。

记忆是四要素里最容易被忽视、也最容易出事的一个。一个没有记忆的 Agent，就像每隔五分钟就失忆一次的员工——你刚告诉它"客户不喜欢邮件，改微信"，下一条任务它又发邮件了。

记忆有几个层次：

会话内记忆（短期）：当前任务里的消息历史，通常就是传给模型的 messages 列表。Agent 每一步都在追加新内容进去，所以模型能看到整个推理过程。这一层几乎所有 Agent 都有。

跨会话记忆（长期）：把重要信息持久化存到数据库，下次启动时拿回来。比如"这个用户偏好简洁回答"、"这个任务上次做到第三步了"。这一层需要主动设计，很多玩具级 Agent 没有。

检索增强（知识库）：不把所有知识塞进上下文（那会超长），而是需要的时候从向量数据库里取最相关的片段。这算是一种特殊的外部记忆。

记忆层示意：
┌────────────────────────────────┐
│  当前会话：messages 列表（短期）   │  ← 每步都在写
├────────────────────────────────┤
│  持久存储：数据库 / 文件（长期）   │  ← 跨次读写
├────────────────────────────────┤
│  知识库：向量检索（外部记忆）      │  ← 按需召回
└────────────────────────────────┘

缺了会怎样： 最轻的问题是每次任务都要重新交代背景，效率极低。严重一点，Agent 会在一个多步任务里"忘记自己已经做过了什么"，重复执行，或者前后矛盾——这在自动化流程里是真实的灾难。

---

④ 评估——复盘，判断是否完成 / 走偏怎么办

作用：告诉 Agent"这步做完了吗""整个任务完成了吗""有没有走偏"，据此决定继续、回退还是收工。

这是四要素里最容易被低估的一个。很多人觉得"模型够聪明，它自己会知道什么时候做完了"——但实际上，如果没有明确的评估机制，Agent 要么过早停下（任务没做完就说做完了），要么死循环（一直觉得没做好，不停重试）。

评估可以有几种形式：

模型自评：模型自己判断"stop_reason"——end_turn 意味着它认为任务完成，tool_use 意味着还要继续。这是最基本的评估，几乎免费，但依赖模型的判断力，有时不可靠。

硬规则 + 计数器：限定最大轮次、超时时间、工具调用次数上限。这是防止失控循环的安全网，不能省。

验证函数：对工具返回的结果做程序性检查。比如"应该生成一个 JSON 文件，检查文件确实存在且格式正确"——这种机械检查比让模型"感觉一下"可靠得多。

人工节点（Human-in-the-loop）：在关键步骤要求人确认后再继续。适合高风险操作，比如"确认后再发这封邮件给 1000 个客户"。

缺了会怎样： 轻则任务跑不完、或跑过头；重则无限循环烧 API 额度，或在错误的路上越走越偏，等你发现已经做了一堆没用的事。

---

用四要素拆一个例子："查资料写报告" Agent

这是一个典型的场景：给 Agent 一个题目，它自动搜集资料、整理要点、输出一篇报告。

用四要素一一对应：

模型（大脑） 每一步推理都在这里发生：先搜什么关键词？搜回来的资料哪些有用？要点怎么组织成报告结构？下一步是继续搜还是可以开始写了？这些决策全是模型在做。

工具（手脚） 这个 Agent 至少需要三只手脚：

• web_search(query) — 用来搜资料
• read_page(url) — 点开链接读正文
• write_file(filename, content) — 把报告写到文件里

没有这三个工具，它只能凭训练数据里的旧知识"编"一篇，而不是真的查了资料。

记忆（笔记本） 短期记忆：这轮任务的消息历史，包括它搜了哪些关键词、读了哪些页面、整理了哪些要点——这些全在 messages 列表里，让它不会重复搜同一个关键词，也能在写报告时回顾前面找到的信息。

长期记忆（如果有的话）：用户偏好（"我喜欢报告带摘要放最前面"）、之前做过的类似报告（避免重复工作）。

评估（复盘） 报告完成的判断不能全靠"模型感觉一下"。一个稳健的评估逻辑应该是：

1. 模型给出 end_turn 且包含完整的报告文本 → 初步完成
2. 程序检查 write_file 有没有成功执行、文件确实存在 → 确认落地
3. 如果循环超过 20 轮还没完成 → 触发超时保护，输出当前进度后退出

这三层加在一起，才算一个可信的评估机制。

---

四要素拆解口诀

看到一个陌生 Agent，按这四句话问：

大脑在哪里： 哪个模型在做决策，推理逻辑是什么？

手脚有几只： 有哪些工具，每个工具干什么活？

笔记本有几层： 当前会话记什么、跨次记什么、知识库有没有？

复盘怎么做： 怎么判断完没完，走偏了怎么退出？

四句问完，这个 Agent 的结构基本透明。你会知道它能干什么、为什么会出某个问题、要改哪里。

---

四要素如何协作：一次循环的伪代码

下面这段不是可运行的代码，是结构示意——帮你看清一个 Agent 循环里四要素各自在哪：

# 一轮 Agent 循环

while 任务未完成:

    # ── 记忆层：准备输入 ──────────────────────
    上下文 = 从记忆里取出 [历史对话, 相关笔记, 知识片段]

    # ── 模型层：决策 ─────────────────────────
    决策 = 模型.推理(任务描述, 上下文, 可用工具列表)
    #  决策可能是：调某个工具  OR  直接给出答案

    if 决策 == "调工具":

        # ── 工具层：执行 ─────────────────────
        结果 = 工具集[决策.工具名](决策.参数)

        # ── 记忆层：记录这一步 ───────────────
        记忆.追加(工具调用记录, 工具返回结果)

    elif 决策 == "给答案":

        # ── 评估层：验证 ─────────────────────
        if 评估函数(决策.答案) == 通过:
            return 决策.答案        # 任务完成，收工
        else:
            记忆.追加("上次答案不合格，原因是…")
            # 继续下一轮

    # ── 评估层：防止失控 ─────────────────────
    if 循环次数 > 最大轮次上限:
        return 当前最好结果 + "超时保护触发"

四个注释区域，对应四要素。真实框架（LangGraph、AutoGen、Claude Agent SDK 等）的实现细节各不同，但这个骨架基本一致。想看真实可跑的代码版本，可以去 用 Claude Agent SDK 写出你的第一个 Agent（2.3 节），那里有完整的 Python 示例。

---

一个增量认知：评估不等于"模型自评"

很多人搭出第一个 Agent，默认"模型说完了就完了"，评估这个要素就被跳过了。

但模型的 end_turn 只是模型的主观判断，它有时会过早收工（觉得差不多了），有时会陷入强迫症（总觉得还能再好一点）。程序性的验证——检查文件是否存在、输出格式是否正确、关键字段有没有缺失——才是可信的评估。

这不是说模型判断没价值，而是说最可靠的评估往往是双保险：模型说完了 + 程序验证通过，才能真正收工。

---

常见问题

Q：四要素之间的边界有时很模糊，比如 RAG 检索到底是工具还是记忆？

两种说法都有道理。把 RAG 归进"工具"，是因为它的执行是由模型主动决策触发的；归进"记忆"，是因为它的本质功能是给 Agent 提供外部知识。实际上，框架本身比分类更重要——你能说清它的作用、它缺了会怎样，就够了。分类只是辅助理解的工具，不必纠结。

Q：一个简单的 Chatbot 也有这四要素吗？

有三个半。模型有（就是在调 LLM API），工具有时候有（比如加了搜索功能），记忆通常只有短期的（当前对话），评估基本没有——Chatbot 只要模型给了回复就算完成。Agent 的核心进化就在"评估"这个要素上：它会主动判断任务有没有真正完成，而不是等用户来告诉它。

Q：记忆层太大会影响性能吗？

会。把整个历史塞进上下文，一是有长度上限，二是 token 越多推理越慢、费用越高。处理这个问题的常见方法是：滚动截断（只保留最近 N 轮）、摘要压缩（把早期历史压成一段摘要）、向量检索（按需取相关片段，不全量塞进去）。这几种策略的取舍，后续记忆专题节里会细讲。

Q：四要素和"ReAct 框架""Chain of Thought"是什么关系？

ReAct（Reasoning + Acting）、Chain of Thought 这些是模型层的思维方式——决定模型怎么推理、怎么拆解问题。四要素是 Agent 系统的架构框架——描述整个系统的组成。两者是不同层次的东西，可以组合使用：比如一个用 ReAct 思维方式的模型，配上工具、记忆、评估，就构成一个完整的 Agent。想深入了解这些思维框架，可以看 ReAct / Plan-Execute / Reflexion——三种思维行动模式（1.5 节）。

---

小结

四要素是一把通用的拆解刀：

• 模型（大脑）：做决策，推理下一步
• 工具（手脚）：与外部世界交互，产生真实影响
• 记忆（笔记本）：积累上下文，不从零开始
• 评估（复盘）：判断完没完，防止失控

拿到任何一个 Agent，四句话问下去——大脑在哪、手脚有几只、笔记本有几层、复盘怎么做——基本就能看穿它的骨架。

四要素的概念有了，下一步可以去看 AI Agent 是什么（1.1 节）复习 Agent 的完整定义，或者直接跳到 用 Claude Agent SDK 写你的第一个 Agent（2.3 节），亲手把四要素在代码里找出来。也可以去 AI Agent 智能体阶梯 看完整的学习路线。

更多概念可以查阅术语表：AI Agent、子代理（subagent）。

👉 看看 AI 数字员工落地指南，或了解 数字员工搭建实战课。需要为企业落地方案，欢迎找我们聊 企业服务。