Agent 系统完整解析

以 Hermes 为例从 0 到 1 理解 Agent 的组成、原理与设计方法面向工程实践的 Agent 系统通俗讲解AI · AGENTAgent智能体是 AI 领域近年来最重要的概念之一。简单来说Agent 是一个能理解你的意图、拆解任务、调用工具、执行操作并自我修正的 AI 系统——它不仅能回答问题还能帮你把事做完。这篇文章以开源框架 Hermes 为例从架构到模块一步步讲清楚 Agent 到底是什么、由哪些部分组成、如何设计自己的 Agent 系统。01/ 什么是 AgentAgent智能体可以这样理解一个能够**「理解任务 → 规划步骤 → 调用工具 → 执行任务 → 反思优化」**的 AI 系统。它和普通的聊天机器人ChatBot有本质区别。对比维度ChatBotAgent交互模式一问一答多轮自主推理工具调用没有有API/文件/代码状态管理无状态有状态上下文/进度记忆能力仅限当前对话跨会话持久记忆自我修正无可反思、重试、调整策略重点结论ChatBot 是一个**「问答机」Agent 是一个「执行系统」**。核心区别在于 Agent 具备工具调用和自主推理能力。02/ Agent 的核心能力业界公认的 Agent 核心能力框架包含五项缺一不可。注意这些是概念框架并非 Hermes 源码中的模块名称。其中第 5 项反思并非独立运行时组件而是 LLM 工具结果回传循环ReAct的固有特性。核心能力01理解能力Comprehension ← 读懂用户到底想干什么02规划能力Planning ← 把复杂任务拆解成可执行的步骤03工具能力Tool Use ← 调用外部系统执行真实操作04记忆能力Memory ← 记住历史跨会话保持上下文05反思能力Reflection ← ReAct 循环中的自我评估与纠错03/ Hermes 的整体架构Hermes 的实际运行时是**「1 个 Agent Loop N 个 Toolsets 记忆后端 Skills Gateway」**。下图是业界通用的 Agent 架构概念示意用于帮助理解各模块间的协作关系——并非每个节点都对应独立的源码组件。架构图一句话总结Hermes 是一个**「带记忆 工具调用 任务规划 反思能力的 LLM 运行时系统」**。04/ 核心模块详解04.1 LLM — 决策引擎「大脑」Agent 的核心决策引擎负责理解输入、做出决策、生成回复。Hermes 支持20 种模型提供商OpenAI、Anthropic、DeepSeek、商汤日日新、本地 Ollama 等用户可随时切换模型无需改动其他配置。LLM 不是「执行者」而是**「调度者」**——它决定什么时候调用什么工具而不是自己直接操作文件系统。这就像公司里 CEO 不做具体工作而是分配任务给各部门。04.2 工具系统Tool System让 Agent 能执行真实世界的操作是 Agent 区别于 ChatBot 的关键能力。Hermes 共提供33 个 toolset非平台特定以下列出最常用的核心工具集。工具集能力举例terminal执行 Shell 命令构建、安装、部署file文件读写/搜索读日志、改配置web网络搜索和内容提取查文档、抓网页code_execution子进程隔离 Python数据处理、计算delegation子任务委派默认同步backgroundTrue 时异步kanban多 Profile 协作队列Dispatcher 分配任务skills可复用技能加载Hermes 差异化特性工作原理LLM 判断需要调用哪个工具 → 生成参数 → 执行器调用实际函数 → 工具返回结果 → 结果回到 LLM 上下文继续推理。这个循环可以重复多次直到不需要再调用工具。设计亮点自我注册每个 tools/*.py 文件在导入时调用 registry.register() 完成注册、安全隔离execute_code 在独立子进程中运行非 OS 级沙箱、条件注册工具依赖满足时才出现。04.3 记忆系统Memory让 Agent 具备跨会话的持久记忆能力「记住你是谁、你的偏好、你的环境」。记忆分两类类型存储位置生命周期作用短期记忆对话上下文当前会话记住前后文长期记忆MEMORY.md / USER.md跨会话持久用户偏好、经验教训Hermes 的记忆实现MEMORY.md个人笔记每次对话自动注入、USER.md用户画像、Honcho / Mem0可插拔持久记忆后端、压缩机制对话过长时自动压缩历史。04.4 规划模块Planning将复杂任务拆解成可执行的步骤序列。Hermes 的规划能力体现在/goal 命令设定长期目标、todo 工具自行拆解任务、delegate_task分派给子 Agent、kanban多 Agent 协同。规划策略**ReActReason Act**→ 先推理再行动行动后再次推理。这是 Hermes 默认采用的模式。Plan-and-Execute→ 先制定完整计划再逐步执行。Hermes 的 /goal 和 todo 体现了这种模式。04.5 执行器ExecutorAgent 的运行时runtime负责协调所有模块的工作。核心设计原则状态外置所有状态存在外部文件系统/SQLite不依赖内存、可观测性每步操作都有日志支持调试和回放、容错机制工具调用失败时自动重试或降级。04.6 反思能力Reflection**注意**Hermes 没有名为Reflection的独立运行时模块。反思是 LLM Tool 结果回传循环的固有特性并非独立组件。Agent 执行完一个步骤后工具结果拼回上下文LLM 在下一轮中基于新信息重新评估——如果发现问题LLM 会自行调整策略、重试或换工具。这就是ReAct 循环的反思机制。04.7 技能系统Skills**Skills 是 Hermes 的核心差异化特性之一。**它将复杂工作流程保存为可复用的 Skill 文档Agent 在后续会话中自动加载相关 Skill避免重复造轮子。使用示例01#安装一个 Skill02hermes skills install some-skill-name0304#查看已安装 Skills05hermes skills list05/ 完整运行流程以一个实际任务为例「帮我做一份 2026 年 AI 趋势汇报的 PPT」运行流程01#1. 用户输入02「帮我做一份 2026 年 AI 趋势汇报的 PPT」0304#2. LLM 理解意图 → 复合任务查资料 整理 生成 PPT0506#3. 规划拆解07① 搜索 2026 年 AI 趋势内容08② 提取关键要点整理大纲09③ 生成 PPT 文件.pptx10④ 保存到工作目录1112#4. 调用工具执行13web_search(query「2026年AI趋势」)14write_file(path「ai_trends_2026.md」)15生成 PPT调用 Python pptxgenjs 脚本1617#5. 反思检查 → 确认 PPT 已创建、页数内容完整1819#6. 输出结果 → 告诉用户 PPT 已生成路径和页数06/ Agent 与 LLM 区别能力层级LLMAgent核心思考✅ 具备✅ 具备执行能力❌ 无✅ Tools33 toolsets持久记忆❌ 无✅ Memory任务规划❌ 无✅ Planning运行时❌ 无✅ Executor自我修正❌ 需外部循环✅ ReAct 循环07/ 常见误区误区纠正Agent 高级 PromptAgent 是系统工程包含多个模块协同工作有工具调用就是 Agent必须有 Planning Memory Execution LoopAgent 必须很复杂最小 Agent LLM Tool Loop一行循环即可Agent 比 LLM 更聪明Agent 不替代 LLM而是增强 LLM 的能力08/ 最小可落地架构MVP 版本LLMTool Registry工具注册表Memory至少是当前对话上下文Planning Prompt任务拆解提示Execution Loop执行循环进阶版本Hermes 级别ReAct Loop推理-行动循环Long-term MemoryHoncho / Mem0Tool Sandbox工具沙箱Delegation子任务委派Skills可复用技能积累Context Compression上下文压缩Cron定时任务Multi-platform Gateway多平台接入CuratorSkill 生命周期管理最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】