AI 智能体入门：五大核心组件拆解，从”厨师 Agent”看懂 Persona / Tools / Memory / Reasoning / Planning

核心看点：Agent（智能体）是 2024-2025 年 AI 领域最火的概念之一。但到底什么是 Agent？它跟普通聊天机器人有什么区别？本文将用一套清晰的五组件框架（Profile、Tools、Knowledge & Memory、Reasoning、Planning）帮你建立系统认知，并用 Spring AI 手写一个”厨师 Agent”作为入门示例，最后逐层拆解每个组件的设计要点。

Agent 到底是什么？

Agent 在 AI 领域是一个超级宽泛的概念。根据 Merriam-Webster 词典，与 AI 相关的定义包括：

• 一个行动或施加影响力的实体
• 能够产生效果的事物
• 引导智能实现目标的手段或工具
• 旨在自动化某些任务（如在线收集信息）的计算机应用

简单来说，Agent 就是一个能感知环境、做出决策并执行动作的 AI 系统。它可以是一个提供烹饪提议的聊天机器人，也可以是一个能完成复杂研究报告的研究助手。组件越多，Agent 越强劲，但也越难实现。

Agent 的五大核心组件

一个完整的 Agent 包含五大组件：

1. Profile（画像）：Agent 的描述，包括背景和人口统计信息
2. Tools（工具）：用于完成任务或获取信息的工具
3. Knowledge & Memory（知识与记忆）：用相关信息注释上下文
4. Reasoning & Evaluation（推理与评估）：自我反思和内部推理能力
5. Planning & Feedback（规划与反馈）：组织任务以实现高层目标

并非所有 Agent 都需要全部五个组件。做烹饪提议的 Agent 可能只需要 Profile；做深度研究的 Agent 则需要全副武装。下面我们用 Spring AI 实现一个最简版的烹饪 Agent，只使用 Profile 组件。

实战： Cooking Suggestion Agent

这个 Agent 的核心在于 System Text——它定义了 Agent 的人设（Persona）。在系统提示词中，我们明确告知 LLM：你是一个精通各种菜系的大厨，只回答烹饪相关问题，其他话题一律拒绝。

@RestController
@RequestMapping("/cooking")
public class CookingAgentController {
    private static final String SYSTEM_TEXT = """
        You are a chef who is proficient in various cuisines.
        Please answer users' questions about cooking.
        For other unrelated inputs, simply tell the user that you don't know.
        """;

    private final ChatClient chatClient;

    public CookingAgentController(ChatClient.Builder builder) {
        chatClient = builder.build();
    }

    @PostMapping
    public AgentResponse chat(@RequestBody AgentRequest request) {
        return new AgentResponse(
            chatClient.prompt().system(SYSTEM_TEXT)
                .user(request.input())
                .call().content());
    }
}

启动后用 Swagger UI 测试，输入”cook fish”，Agent 会给出专业的烹饪提议：

用 Swagger UI 测试烹饪 Agent

如果输入与烹饪无关的内容，列如”write quick sort algorithm in java”，Agent 会明确拒绝回答：

Agent 对无关输入的拒绝响应

安全设计：在 System Text 中明确限制 Agent 的回答范围，是防止 Agent 被滥用的常见做法。这对于面向用户的生产级 Agent 尤为重大。

深入拆解：Agent 的每个组件

Profile：Agent 的”身份证”

Profile 是 Agent 的描述信息，一般放在 System Prompt 中。一个完整的 Profile 可以包含以下元素：

• Persona（人设）：Agent 的背景、角色、身份、专业技能、约束条件和性格特征
• Tools（工具描述）：Agent 可以使用哪些工具来协助完成任务
• Knowledge & Memory（知识上下文）：与当前任务相关的背景信息
• Reasoning & Evaluation（推理方式）：Agent 如何思考和评估任务
• Planning & Feedback（规划过程）：Agent 如何分解任务、执行步骤并吸收反馈

Profile 的元素与 Agent 的组件一一对应——Profile 用文字描述了 Agent 拥有的组件，LLM 根据这些描述生成相应的输出。写好 Persona 并不容易，提议从简单版本开始，根据输出效果迭代优化。好消息是，你可以让 LLM 帮你生成 Persona！

Tools：让 Agent 从”嘴炮”走向”实干”

没有工具的 Agent 只能生成内容，很难解决实际问题。工具是 Agent 从”玩具”走向”生产力工具”的关键一步。

“工具”这个词在不同上下文中有不同含义：

• 模型内置工具：OpenAI GPT-5 支持 Web Search、File Search、Image Generation、Code Interpreter、MCP 等内置工具
• Function Calling（函数调用）：LLM 根据函数名、描述和参数 Schema 推断是否调用函数及参数值，实际调用由 AI 应用执行
• MCP Tools：MCP 服务器提供的标准化工具，可作为 LLM 的函数使用
• 自定义函数：在 Agent 中通过编程方式创建的函数

Agent 可以同时使用内置工具、MCP 工具和自定义函数，灵活组合以应对各种场景。

Knowledge & Memory：Agent 的”外脑”

在 Agent 和聊天应用中，检索是访问外部长期存储知识的过程。这些知识可能是非结构化的（如对话历史、任务日志、实际、用户偏好），也可能是结构化的（存储在数据库或文件中）。

Memory 和 Knowledge 都用于为提示词补充上下文信息，使回复更准确、更贴合场景。RAG 就是为 Agent 添加知识的典型手段——我们在前面章节已经深入讲解过。Memory 则指与 Agent 的对话历史，历史消息也可以被检索以提供上下文。

Reasoning & Evaluation：让 Agent 学会”思考”

推理是 Agent 理解问题、分析可选方案并选择最佳行动的能力。实现推理有两种方式：

• Prompt Engineering + Chain of Thought（CoT）：通过少样本示例向 LLM 展示推理过程和步骤，让模型学会举一反三。虽然 LLM 没有被显式训练用于推理，但精心设计的提示词可以激发类似推理的行为
• 推理模型：如 OpenAI GPT-5，推理能力内置于模型本身

即使推理得再好，结果也可能出错。因此评估（Evaluation）同样重大——我们需要某种形式来评估解决方案的质量。评估可以是布尔值（通过/不通过），也可以是 0-100 的分数。

Planning & Feedback：从”聊天”到”办事”

缺乏规划能力、只能处理基础交互的 Agent 本质上就是聊天机器人。Planner 看似复杂，但可以通过提示词工程直接实现：

1. 创建规划提示词，发送给 LLM 生成计划
2. 本地解析并执行计划
3. 将执行结果反馈给 LLM 进行评估和总结
4. 输出最终结果给用户

规划让 Agent 能够执行多个顺序任务来完成复杂目标。但外部规划可能跳过反馈迭代循环——幸运的是，只要提供正确答案，我们可以直接从 LLM 获取反馈，让它自我修正。

总结（第一篇）：Agent 不是神秘的黑科技，而是 Profile + Tools + Knowledge + Reasoning + Planning 五个组件的有机组合。从最简单的”厨师 Agent”开始，只用一个 System Prompt 定义 Persona，就能让 LLM 表现出特定的角色行为。后续两篇将深入讲解 8 种 Agentic 设计模式，以及一个结合 RAG、MCP 和推理模型的健康膳食规划 Agent 完整实战。掌握这套框架，你就能根据业务需求灵活裁剪组件，构建属于自己的 AI 智能体！