AI Agent：规划器、工具调用、记忆、任务拆解

一、 规划器 (Planner) -> 状态机与异步流控制

在前端，规划器相当于一个复杂的 ‌Promise 链‌ 或 ‌Redux Saga‌。

• ‌任务拆解‌：将用户的宏观指令（如“帮我订机票并写周报”）拆解为多个原子操作（API 调用序列）。
• ‌逻辑实现‌：类似于前端的路由守卫或工作流引擎，决定下一步是调用工具 A 还是直接返回结果。它负责维护任务的 Pending、Running、Completed 状态。

二、 工具调用 (Tool Use) -> API 网关与 SDK 封装

这是 Agent 的“手脚”，对应前端的 ‌Service Layer‌。

• ‌Function Calling‌：本质上是 LLM 生成符合特定 JSON Schema 的参数，前端/后端解析后执行具体的 JS 函数或 HTTP 请求。
• ‌标准化接口‌：就像封装 Axios 实例一样，Agent 需要定义标准的工具描述（Name, Description, Parameters），确保模型能准确“调用”外部能力（如搜索、计算、数据库查询）。

三、 记忆 (Memory) -> 全局状态与持久化存储

记忆模块对应前端的 ‌State Management‌ 和 ‌Storage‌。

• ‌短期记忆 (Context)‌：相当于 React 的 useState 或 Vue 的 ref，存储当前会话的对话历史数组，用于维持多轮对话的连贯性。
• ‌长期记忆 (Vector DB)‌：相当于 IndexedDB 或远程向量数据库。它将关键信息（如用户偏好、历史订单）向量化存储，在需要时通过相似度检索“回忆”起来，注入到 Prompt 中。

四、 任务拆解 (Task Decomposition) -> 组件化与递归渲染

• ‌结构化思维‌：将大问题拆分为小问题，类似前端将复杂页面拆分为独立的 ‌Component‌。
• ‌递归执行‌：Agent 可能会针对某个子任务再次启动规划流程，这类似于前端中的递归组件或嵌套路由，直到所有子任务都返回结果，最后再聚合（Aggregate）成最终答案。