AI Agent 到底是什么？从 Chatbot 到 Agent 的本质跨越

基于 Lion-1209/AgentStudy 仓库，对应代码见 stage1-fundamentals/

---

先搞清楚三个词：LLM、Harness、Agent

你最近可能频繁看到这三个词，但它们到底是什么意思？

简单说：LLM 是大脑，Harness 是骨架，Agent 是完整的"人"。

---

LLM：大语言模型

LLM = Large Language Model，大语言模型。

就是大家熟悉的 ChatGPT、Claude、DeepSeek、通义千问这些东西。

它们能做什么？读文字、写文字、回答问题、写代码。 本质上是一个"超级文本补全器"——你给它一段文字，它预测接下来最可能出现的文字。

但 LLM 有一个致命限制：它不能做事。 它只能写文字，不能查天气、不能算数学题、不能操作数据库。

你问它"北京今天多少度"，它可能会编造一个数字，而不是真的去查。这个限制，催生了 Agent。

---

Harness：框架

Harness 在 Agent 语境下，就是"让 LLM 变成 Agent 的工具"。

你可以把它理解成" harness = 框架 + 工具库 + 运行时"。

常见的 Harness：

Harness	特点
LangChain	生态最丰富，适合复杂业务
LangGraph	状态图编排，适合有分支和循环的流程
OpenAI Agents SDK	轻量，新项目首选
Claude Agent SDK	和 Claude Code 同源
CrewAI	多 Agent 协作，角色扮演

Harness 本身不是 Agent。它是用来搭建 Agent 的"建材"。

---

Agent：智能体

Agent = 能用 LLM + Harness 自主完成任务的系统。

它有三个关键特征：

特征	Chatbot	Agent
自主决定	你问一句它答一句	自己能规划步骤
使用工具	只能写文字	能调用 API、执行代码
多步执行	一次响应	反复 Think→Act→Observe

---

一个生活类比

想象你去了一家餐厅：

接待员就是 Agent。 他没有一次性回答你，而是反复调用各种资源，直到你满意。

而 LLM 就像一个只会说话的客服——它能说会道，但不能真的帮你订座位。

---

Agent 四要素：LLM + Tool + Loop + Memory

理解了上面三个词，再来看 Agent 的四要素就顺了：

要素	来源	作用
LLM	大语言模型	提供推理能力
Tool	Harness 提供	让 Agent 能操作外部世界
Loop	Harness 提供	驱动 Think→Act→Observe 循环
Memory	Harness 提供	保存对话历史和长期知识

注意：LLM 只提供"大脑"（推理），其他三个要素都是 Harness 提供的。

---

三者关系总结

• LLM 是"原料"，有智能但不能做事
• Harness 是"加工厂"，把 LLM 变成能做事的系统
• Agent 是"成品"，能自主完成任务的完整系统

---

学习检查清单

• 能用自己的话解释 LLM、Harness、Agent 三者的关系吗？
• 知道为什么 LLM 本身不能直接做 Agent 吗？
• 能举一个生活中类似 Agent 的例子吗？

---

延伸阅读

• 📖 Anthropic: Building Effective Agents
• 📖 OpenAI: A Practical Guide to Building Agents
• 💻 仓库代码：stage1-fundamentals/task1.1_minimal_react.py
• 🗺️ 上一篇：无（系列起始）
• 🗺️ 下一篇：[02] ReAct 循环：Agent 的思考引擎