大家好，我是玄姐。

▼ 《AI 大模型应用架构返场周》7场干货直播，预约保你有收获

本文是关于 AI 智能体的工作原理，我用了一个很形象的比喻——把 AI 智能体比作一个五层蛋糕，每一层都有特定的功能，信息在这些层之间流动，就像一个组织良好的协作团队一样。

下文我们详细剖析之。

—1—

AI 智能体的5层技术架构剖析

想象一下，AI 智能体就像一个五层蛋糕，每一层都有特定的工作。信息在这几层之间上下流动，就像在繁忙的办公楼里传递消息一样。

1、第一层：用户界面--你的前门

这是你和 AI 智能体相遇的地方，就像酒店的前台。当你在手机上打开腾讯元宝应用，或者对玄姐说话时，你就是在和这一层互动。

现实例子：当你问“有什么好的早餐食谱吗？”时，你可以在这个聊天框中输入文字，上传你手头的食材图片，甚至直接说出问题。界面层会捕捉到你的请求，并将其传递到系统更深层。

界面层包括三个主要部分：

• 聊天界面：你可以输入问题或命令的文本框。

• 文件上传区域：你可以分享文档、图片或其他文件的地方。

• 可视化工具：AI 智能体用来帮助解释事情的图表、图形或图片。

2、第二层：协调层--经理

这一层的工作就像餐厅经理，他接收你的点餐请求，并决定让哪些厨师来处理你点餐的不同部分。

现实例子：当你问“帮我规划一个为期两周的泰国之旅，并创建一个预算电子表格”时，协调层会把这个任务分解成更小的部分：

• 研究泰国的旅游目的地

• 创建行程表

• 构建预算电子表格

• 以可读的格式呈现所有内容

这一层包含三个重要的组成部分：

• 任务管理：将你的大请求分解成更小、更易管理的部分。

• AI 智能体评估：持续检查 AI 的工作是否符合质量标准。

• 工作流管理器：确定完成任务的正确顺序。

3、第三层：AI 智能体核心系统--思考部门

这就是“思考”发生的地方，就像 AI 智能体的大脑。它类似于公司中处理专业工作的不同部门。

现实例子：当你对 AI 智能体说“当我靠近杂货店时，提醒我买牛奶”时，会发生几个思考过程：

• 记忆系统会记住你的请求。

• 规划模块会想出如何监控你的位置。

• 推理引擎会将“靠近杂货店”与特定位置联系起来。

• 工具选择会选择使用你手机的位置服务和通知系统。

这一层包含四个关键组成部分：

• 记忆系统：记住你对话中的重要信息。

• 规划模块：创建解决问题的逐步计划。

• 推理引擎：应用逻辑思维来理解复杂的请求。

• 工具选择：选择完成特定任务的正确工具。

4、第四层：工具集成层--工作坊

这一层将 AI 智能体连接到外部的有用工具和信息源--就像一个充满专业设备的工作坊。

现实例子：当你问 Siri“今天的天气怎么样，我需要带伞吗？”时，Siri 需要：

• 检查天气 API 以获取本地天气预报数据。

• 搜索数据库以了解哪种天气条件通常需要伞。

• 执行简单逻辑（如果下雨概率 > 30%，建议带伞）。

这一层包括五个主要工具：

• API：连接到其他数字服务（如天气服务、新闻网站等）。

• 数据库：AI 智能体可以搜索的有组织的信息集合。

• 网络工具：在线查找信息的能力。

• 搜索能力：快速定位特定信息的方法。

• 代码执行：运行计算机代码以解决问题或创建东西。

5、第五层：基础模型--基石

在所有这一切的底部是基础--巨大的 AI 大模型，它们理解语言并生成回应。这就像建筑的基础，支撑着上面的一切。

现实例子：当你问“给一个 10 岁的孩子解释量子计算”时，基础模型会理解：

• 量子计算是什么。

• 一个 10 岁的孩子可能理解什么。

• 如何简化复杂的想法。

• 如何生成一个合适的解释。

这些基础模型包括：

• 大型语言模型（LLM）：如 GPT-5 或 Claude，它们理解并生成文本。

• 多模态模型：可以同时处理图像、音频和文本。

—2—

信息如何在 AI 智能体中流动

让我们通过一个完整的例子来看看所有这些层是如何协同工作的：

你的请求：“为我女儿下周六下午 2 点在水上公园举行的 10 岁生日派对创建一个生日邀请函。包括一个卡通美人鱼的图片。”

1. 用户界面层：通过聊天界面接收你的文本请求。

2. 协调层：将任务分解为：

• 生成生日邀请函文本。

• 创建或找到一个卡通美人鱼的图片。

• 将所有内容格式化为邀请函设计。

• 确保包含所有派对细节。

• AI 智能体核心系统：激活：

• • 记忆系统回忆邀请函的格式。

  • 规划模块创建一个序列：草拟文本 → 创建图片 → 组合成邀请函。

  • 推理引擎理解 10 岁孩子的派对应该使用有趣、适合儿童的语言。

  • 工具选择选择文本生成器和图片创建器。

• 工具集成层：连接到：

• • 邀请函模板数据库。

  • 卡通美人鱼图片生成工具。

  • 设计工具以创建最终的邀请函。

• 基础模型：提供：

• • 理解生日邀请函包含的内容。

  • 生成适当的文本的能力。

  • 知道美人鱼看起来像什么。

  • 将这些元素适当组合的能力。

  信息在两个方向流动：

  • 向上：基础层的原始数据和能力向上流动。

  • 向下：从你的请求向下流动的控制和指令。

  —3—

  AI 智能体的5层技术架构应用落地

  示例 1：购物助手

  当你问亚马逊的 Alexa“再订购一些狗粮，和上次一样的”时，会发生以下情况：

  • 界面层：捕捉你的语音指令。

  • 协调层：识别这是一个重新订购的任务。

  • 核心系统：记忆系统回忆你上次购买的狗粮。

  • 工具集成：连接到亚马逊的订购系统。

  • 基础模型：理解你再次购买相同产品的意图。

  示例 2：旅行规划

  当你问“帮我规划一个周末去芝加哥的旅行，预算 500 美元”时，流程如下：

  • 界面层：接收你的文本请求。

  • 协调层：创建住宿、活动、交通和餐饮的子任务。

  • 核心系统：

  • • 记忆系统回忆典型的旅行成本。

    • 规划模块创建一个 3 天的行程。

    • 推理引擎在不同费用之间平衡预算。

    • 工具选择选择旅行搜索工具。

  • 工具集成：连接到酒店数据库、景点信息和交通选项。

  • 基础模型：理解旅行概念、预算和如何呈现推荐。

  示例 3：编程助手

  当程序员问 GitHub Copilot“编写一个按购买日期对客户对象列表进行排序的函数”时，系统会：

  • 界面层：在代码编辑器中捕捉文本请求。

  • 协调层：识别这是一个排序的代码生成任务。

  • 核心系统：

  • • 记忆系统回忆排序的编程模式。

    • 规划模块结构化方法。

    • 推理引擎确定按日期排序的逻辑步骤。

    • 工具选择选择代码生成能力。

  • 工具集成：访问编程语言语法和最佳实践。

  • 基础模型：生成正确格式化的代码，按日期对对象进行排序。

  出错时：了解 AI 的局限性

  这种分层架构也有助于解释为什么 AI 智能体有时会犯错：

  示例 1：幻觉

  当 AI 自信地声称一些错误的事情，比如“亚伯拉罕·林肯发明了电话”时，通常是因为：

  • 基础模型生成了错误的信息。

  • 推理引擎没有进行事实核查。

  • 评估系统没有发现错误。

  示例 2：工具使用失败

  当你问“我所在城市的当前温度是多少？”时，得到的是一个通用回答而不是实际的天气数据，可能是因为：

  • 工具选择可能没有识别出这是一个天气查询。

  • 天气服务的 API 连接可能没有工作。

  • 协调层可能将此归类为一个通用问题，而不是一个工具使用任务。

  示例 3：上下文混淆

  当你进行长时间对话时，AI 智能体突然忘记了你们正在讨论的内容，可能是因为：

  • 记忆系统容量有限。

  • 重要的上下文可能被丢弃了。

  • 协调层未能保持主题连贯性。

  未来：AI 智能体如何演变

  随着技术的进步，AI 智能体在以下几个方面变得更好：

  • 更好的记忆：未来的 AI 智能体将记住更多你对话中的内容，就像一个好朋友会记住你的偏好和过去的讨论一样。

  • 更好的推理：它们将能够解决更复杂的问题，就像一个经验丰富的专业人士能够应对他们领域的困难挑战一样。

  • 更多的工具：它们将连接到更多的服务和数据库，就像拥有一个更大的工作坊，有更多的专业设备一样。

  • 更顺畅的协调：各层将更加无缝地协同工作，就像一个训练有素的运动队，每个人都知道自己的角色一样。

  • 更多的个性化：它们将更好地适应你的特定需求和沟通风格，就像一个随着时间了解你偏好的个人助理一样。

  为什么这对普通用户很重要

  了解 AI 智能体的工作原理在几个实际方面都很有帮助：

  • 更好的请求：了解各层可以帮助你提出 AI 智能体更能有效处理的请求。

  • 现实的期望：了解局限性可以帮助你了解 AI 能够可靠地做什么和不能做什么。

  • 故障排除：当出现问题时，你可以更好地猜测哪一层可能出了问题。

  • 隐私意识：了解信息如何在这些系统中流动，可以帮助你做出明智的决策，决定分享什么。

  —4—

  总结

  AI 智能体并不是神奇的黑匣子--它们是精心设计的系统，各层协同工作。每一层都贡献了重要的东西，从理解你的请求到生成有帮助的回应。

  随着这些系统继续演变，它们将成为我们日常生活中更强大的合作伙伴。但它们在我们了解它们的优势、局限性以及如何与它们有效沟通时，总是能发挥最好的作用。

  下次你和 AI 智能体聊天时，记得信息在这些层之间复杂地流动--这一切都是为了帮助你回答关于明天天气的简单问题，或者帮你写一封你一直拖延的邮件。

  好了，这就是我今天想分享的内容。如果你对构建多 AI 大模型应用新架构设计和落地实践感兴趣，别忘了点赞、关注噢~

  PS：

  以上干货内容只是全新《AI 大模型应用新架构师课程》的很小一部分内容，为了帮助大家全面了解《AI 大模型应用新架构师课程》的内容，8月4日-8月10日会搞一次持续7天的 AI 大模型架构技术干货分享周，欢迎点击预约。

  

   ▼ 《AI 大模型应用架构返场周》7场干货直播，预约保你有收获
  

  —5—

  加我微信

  扫码加我👇有很多不方便公开发公众号的我会直接分享在朋友圈，欢迎你扫码加我个人微信来看👇

  

  加星标★，不错过每一次更新！

  ⬇戳”阅读原文“，立即预约！