Agent
- 说人话
- Agent 和一问一答的 AI 应用差在一层：你给的是目标不是问题，它自己拆成几步，调工具动手做，做完看结果再决定下一步。因为一次回答完不成多步的事，它必须能动手，也必须能看见自己动手的后果。你在编程助手里看它翻文件、改代码、跑测试再回头修，就是这个过程。
- 说行话
- 这套循环的通行叫法是 ReAct，推理与行动交替。模型想动手时返回的不是文字，而是一条工具调用请求（字段名是 tool_use 或 tool_calls）；把工具跑出来的结果接回对话再请求一次，就是一轮。
- 潜台词
- 这个词现在被用得最滥。很多所谓 Agent 就是一串固定流程加几次模型调用。
- 别用它
- 流程固定、分支明确的任务不该做成 Agent。写死的工作流更快更可控更便宜。
拿这个能做什么4 个项目
- 01
- 02
- 03microsoft/agent-framework
构建与编排多 agent 工作流，支持 Python 与 .NET，AutoGen 的官方继任者
选它当手上有 AutoGen 项目要迁移，或团队主力是 .NET
- 04
多 Agent 架构分两派：一派是把大任务拆给几个角色（CrewAI、MetaGPT），一派是把流程建成有状态的图（LangGraph）。前者演示效果好，后者能上生产。想清楚要哪个再选框架。
动手试试做完就算会了
langgraph 加 langchain-ollama：把工具调用那步的 get_weather 绑给 ChatOllama，它和 ToolNode 各成一节点，tools_condition 分岔，add_edge 从工具指回模型。删掉回边再跑，最后一条是工具原始返回，模型没读它。