主题
概念卡片：AI Agent
一句话机制：Agent 是「会做事的大模型」——它把「理解任务、拆解步骤、调用工具、执行反馈、记住结果」五个能力组装成一个自动执行闭环，核心公式是 Agent = LLM（大脑）+ 工具调用 + 自动执行逻辑。
五要素架构
| 模块 | 职责 | 常见实现 |
|---|---|---|
| LLM | 理解任务、生成决策（「决定下一步做什么」） | GPT / Claude / Gemini |
| Memory | 记忆：短期=当前任务上下文；长期=历史数据/结果 | 向量库（FAISS）、Redis、本地库 |
| Tools | 真正「做事」的能力层 | 浏览器自动化（Playwright）、API、DB、文件、Shell |
| Planner | 把复杂任务拆成多步 | 「竞品分析」→ 采集→抓取→分析→出报告 |
| Executor | 调用工具、执行、返回结果 | 框架内置循环 |
最小 Agent 的执行循环
用户输入任务 → LLM 分析 → 生成步骤 → 调用工具 → 返回结果 → 判断是否继续（循环）典型落地场景（及各自关键约束）
| 场景 | Agent 做什么 | 关键约束 |
|---|---|---|
| 跨境电商 | 上架/价格监控/评论抓取/竞品分析 | 账号隔离 |
| 社媒账号矩阵 | 自动注册/定时发布/自动回复 | IP 环境必须隔离（代理网络分账号独立 IP） |
| 数据采集 | 自动识别页面结构、适配变化、自主修复 | 页面变化导致规则失效 |
| 自动化网赚 | CPA/Affiliate 自动注册+引流 | 合规风险高 |
不变量（必须成立的约束）
- 「工具调用才是难点」：模型能力往往够，瓶颈在工具链稳定性（页面变化、API 限流、网络抖动）——这是 Agent 落地失败的第一原因。
- Agent 不稳定是常态：复杂任务容易「卡住、误判、成本失控」，不是调一次就稳。
- 网络环境影响巨大：自动注册/社媒/抓取类任务，IP 环境不稳定直接导致任务失败。
常见误解
- 以为 Agent = 换个皮的 ChatGPT → ChatGPT 只「答话」，Agent 的差异在「自主调用工具执行任务」。
- 以为难在模型 → 难在工具链和流程编排，模型只是其中一个环节。
- 以为「AutoGPT 一挂就能全自动」→ 早期 AutoGPT 自主循环决策强但生产稳定性差，落地需人工在环（Human-in-the-loop）。
关联
- 总览：AI大模型技术栈总览
- 协议层（Agent 怎么连工具/连 Agent）：概念卡片：MCP与Agent协议
- 框架选型：[对比分析：AI Agent框架选型](./对比分析：AI Agent框架选型)
- 源：
B40-资源/语雀-Code-Summary/AITech/（AIAgent指南 / 初识OpenClaw / OpenClaw 系列）