LangChain Agent 系列(一)：Agent 是什么？

你让 ChatGPT 帮你统计项目代码行数，它说”抱歉，我做不到”

这是普通 LLM 最尴尬的时刻——它很聪明，但被困在训练数据的牢笼里。

你或许有过这样的体验：问 ChatGPT 一个问题，它滔滔不绝，逻辑清晰；可一旦让它帮你查一下今天的天气、读一下你桌面上的文件、或者帮你调一下公司的 API——它立刻摊手：”抱歉，我无法访问外部信息。”

这不是它不想帮你，而是它没有手，也没有眼睛。

本文是 LangChain Agent 系列的第一篇。我们先用大白话讲清楚 Agent 到底是什么、为什么需要它，不写一行代码。读完你会理解 Agent 的核心思想，为后面的实战打好基础。

普通 LLM 的局限

普通 LLM（大语言模型）本质上是一个”超级知识库 + 文本生成器”。它读过的所有东西都压缩在模型参数里，但它有三个致命短板：

1. 无法触及真实世界

LLM 的知识截止于训练数据日期。它不能查文件、不能调 API、不能看天气、不能读数据库——因为它的输入只有一段文本，输出也只有一段文本。

你问它”帮我统计一下当前目录下所有 .py 文件的行数”，它只能说：

“我无法读取你的文件系统。你可以用 wc -l *.py 命令来统计。”

它能告诉你怎么做，但不能帮你做。

2. 复杂任务一步到位出错率高

对于需要多步推理的任务，LLM 必须一次性输出完整答案。没有中间检查，没有回调，没有试错——一步到位。就像让你闭着眼睛解一道数学大题，中间过程全在脑子里算，写错了也没机会改。

结果就是：问题越复杂，正确率越低。

3. 无法自我修正——错了就错了

当你指出 LLM 的错误，它可以道歉然后重新输出。但它不会主动发现自己错了，更不会自己去排查哪里出了问题。它只会根据你的反馈生成新回答，而不是像人一样回过头去检查自己的推理过程。

这三个局限性，用一句话总结就是：

LLM 有大脑，但没有身体。

Agent 的核心思想

那有没有办法给 LLM 装上”身体”？这就是 Agent 的由来。

Agent 的核心定义非常简单：

Agent = LLM + 工具 + 决策循环 可以类比成一个while循环♻️

类比一下：如果 LLM 是大脑，那工具就是手和眼睛，决策循环就是”先想、再做、再观察、再调整”的行为模式。

工具：Agent 的”手和眼睛”

工具赋予了 Agent 与外部世界交互的能力：

搜网页：获取最新信息
读文件：访问本地文件系统
执行代码：跑 Python、Shell 等脚本
调用 API：查天气、发邮件、操作数据库

有了工具，Agent 不再是被困在训练数据里的”嘴强王者”，而是能真正干活的执行者。

决策循环：Think → Act → Observe

如果把 Agent 比作一个实习生，你交给他的任务不会一步完成：

你：”帮我查一下上周的销售数据”
实习生思考（Think）：”我需要先找到数据库地址和表结构”
实习生执行（Act）：打开数据库客户端，查看表结构
实习生观察（Observe）：”哦，有个 sales 表，字段是……”
继续思考：”那我需要写个 SQL 查询”
继续执行：写 SQL → 运行 → 看结果
满意了，整理答案交给你

Agent 的工作方式完全一样。它就是在一个循环里不断思考、执行、观察，直到任务完成。

这就是著名的 ReAct（Reasoning + Acting）模式。其中 Think 对应 Reasoning（推理），Act 对应 Acting（行动），而 Observe（观察）是环境返回的结果，它会触发下一轮 Think，这样就形成了闭环。

ReAct 循环详解

让我们用”帮我统计目录下 .py 文件的行数”这个任务，完整走一遍 ReAct 循环。

步骤	角色	内容
Think	Agent	“我需要先知道目标目录下有哪些 Python 文件”
Act	Agent	执行 `ls *.py`
Observe	环境	`a.py, b.py, utils.py`
Think	Agent	“有 3 个文件，现在统计每个文件的行数”
Act	Agent	执行 `wc -l *.py`
Observe	环境	`45 a.py, 102 b.py, 67 utils.py`
Think	Agent	“信息足够了，整理一下输出给用户”
Answer	Agent	“共 3 个 Python 文件，合计 214 行代码”

注意这个过程的核心特征：

每步有明确目标：不盲猜，每一步都建立在观察结果之上
结果可验证：工具的返回结果是真实的、可追溯的，不是 LLM 编造的
循环可中断：一旦信息足够，就停止循环给出答案

这和人类处理任务的方式几乎没有区别——你不可能看到问题就直接写出答案，你也是”想一想→查一查→看一看→再想想”。

Agent 的自我纠错

Agent 最厉害的地方，不是它能用工具，而是犯错了能自己发现并修复。这恰恰是普通 LLM 做不到的。

举个例子：

用户：”帮我连上公司的数据库，查一下今天的订单量。”

Agent 写了连接代码，执行 → Connection refused
Agent 思考：”连接被拒绝，可能是端口号写错了？或者是数据库没启动？”
Agent 读配置文件 → 发现写的端口是 3307，实际应该是 3306
Agent 修正端口 → 重新连接 → 成功
Agent 查询订单量 → 返回结果

整个过程不需要用户插手。Agent 自己发现问题、自己排查原因、自己修复、继续执行。

普通 LLM 遇到同样的情况，只能输出一段 SQL 给你，然后说”你自己试试看能不能连上”。至于连接失败怎么办——它不知道，也不关心。

这个差异的本质在于：Agent 有一个反馈环，LLM 没有。

反馈环让 Agent 的行为从”一次性的文本生成”变成了”持续的、可纠错的执行过程”。这也是 Agent 能做复杂任务的根本原因。

Agent 能做什么

用一张表对比 LLM 和 Agent 的能力差异：

能力	普通 LLM	Agent
生成文本	是	是
获取实时信息	否	是
执行代码	否	是
读写文件	否	是
调用 API	否	是
多步推理	有限	是
自我纠错	否	是
持续执行任务	否	是