文章目录一.概述二.核心术语2.1 [AgentLoop](https://code.claude.com/docs/en/how-claude-code-works)2.2 [Prompt-Engineeing与Context-Engineering](https://www.anthropic.com/research/effective-context-engineering-for-ai-agents)2.3 [Workflow](https://docs.langchain.com/oss/python/langgraph/workflows-agents)2.4 [MCP](https://modelcontextprotocol.io/docs/2026-07-28/learn/architecture)2.5 [RAG](https://www.anthropic.com/research/contextual-retrieval)2.5 [Skills](https://www.anthropic.com/research/equipping-agents-for-the-real-world-with-agent-skills)2.6 [Memory](https://www.anthropic.com/research/effective-harnesses-for-long-running-agents)2.7 [Function Calling](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview)2.8 [任务规划](https://www.anthropic.com/research/harness-design-long-running-apps)2.9 [Harness Engineering](https://www.anthropic.com/research/effective-harnesses-for-long-running-agents)三.总结一.概述Agent的本质就是一个AgentLoop循环调用LLM API并给LLM配备各种工具帮用户把活干完通俗点讲你给Agent一个目标它会在授权范围内选择行动调用工具观察结果再决定如何继续二.核心术语2.1AgentLoop你给Agent一个目标它会在授权范围内选择行动调用工具观察结果再决定如何继续用户也是这个循环的一部分你可以你可以随时打断引导Agent转向不同方向、提供更多背景信息或让它尝试不同的方法ReAct就是reasoningaction核心是让推理和行动交替发生通过行动获取环境信息再利用这些信息更新判断和行动计划ReAct可以看作是一个很简单的AgentLoop2.2Prompt-Engineeing与Context-Engineering在Anthropic我们将上下文工程视为提示工程的自然发展。提示工程指的是编写和组织大型语言模型指令以实现最佳效果的方法。上下文工程指的是在LLM推断过程中策划和维护最优标记集信息的一套策略包括所有可能落在提示之外的信息上下文Context是指大语言模型LLM在采样生成时所接收的全部 token。这里的工程问题是在模型固有的限制下尽可能提高这些 token 的效用从而稳定地获得预期结果要有效地驾驭大语言模型往往需要从上下文的整体角度思考——也就是说考虑模型在任意时刻能够获取的全部信息以及这些信息可能引导它产生什么行为2.3WorkflowLangChain是线性的LangGraph更加灵活LangGraph框架在构建多智能体工作流时提供了多种方案包括串行并行循环分支等2.4MCPMCP采用客户端-服务器架构,MCP主机通过为每个连接的MCP服务器创建一个MCP客户端来实现这一点数据层:定义基于 JSON-RPC 的客户端与服务器通信协议包括能力与版本发现以及工具、资源、提示模板和通知等核心原语连接层:定义客户端与服务器之间交换数据所需的通信机制和通道包括特定传输方式下的连接建立、消息分帧和授权2.5RAG为了让AI在特定情境下发挥作用通常需要获取背景知识。例如客户聊天机器人需要了解其所服务的具体业务法律分析机器人需要大量过去案件开发者通常通过检索增强生成RAG来增强AI模型的知识。RAG是一种从知识库中提取相关信息并将其附加到用户提示词中的方法显著提升模型的响应能力RAG的基本流程将知识库文档的“语料库”拆分成更小的文本块通常不超过几百个标记使用嵌入模型将这些块转换为编码意义的向量嵌入将这些嵌入存储在一个矢量数据库中允许通过语义相似性进行搜索(Obsidian有插件可以将本地笔记库构建为RAG知识库)2.5SkillsSkill是用来拓展智能体技能的.md文件ClaudeCode触发技能时上下文窗口的变化:1.开始时上下文窗口包含核心系统提示词、每个已安装技能的元数据以及用户的初始消息2.Claude 调用 Bash 工具读取 pdf/SKILL.md 的内容从而触发 PDF 技能3.Claude 选择读取该技能附带的 forms.md 文件4.加载 PDF 技能中的相关指令后Claude 开始执行用户的任务Skill里还可以包括代码供Cluade需要提供工具(例如PDF技能中包含一个预写的Python脚本可以读取 PDF 并提取所有表单字段)2.6Memory记忆分为短期记忆和长期记忆短期记忆服务于当前会话维护消息历史和任务状态长期记忆跨会话保留信息例如用户偏好和历史经验记忆的生命周期为保存更新检索遗忘记忆有很多实现方式包括摘要压缩文件笔记结构化存储等2.7Function CallingFunction Calling与Tool Calling基本同义工具使用也称为函数调用让 Claude 能够调用你定义的函数或 Anthropic 提供的函数。Claude 根据用户的请求和工具描述判断何时调用工具随后返回结构化的调用请求由你的应用程序执行客户端工具或由 Anthropic 执行服务端工具AnthropicClientclientnew();varparametersnewMessageCreateParams{ModelModel.ClaudeOpus5_5,MaxTokens1024,Tools[newToolUnion(newWebSearchTool20260209())],Messages[newUserMessageParam{ContentWhats the latest on the Mars rover?}]};varmessageawaitclient.Messages.Create(parameters);Console.WriteLine(message.Content);2.8任务规划claude--permission-mode plan 然后输入具体需求 请为这个项目增加用户登录功能先制定实施计划。 请先阅读相关代码再说明 当前项目的相关结构和已有能力。 需要拆分哪些子任务以及执行顺序和依赖关系。 预计修改哪些文件。 如何验证功能完成。 暂时不要修改代码先把计划给我审阅。CluadeCode就会执行:1.拆分任务将复杂目标拆成若干子任务2.安排执行确定步骤顺序、依赖关系以及可并行处理的部分3.选择方法确定需要使用的工具、资料或其他智能体4.设定完成标准明确每一步及整体任务如何验证完成5.动态调整根据执行反馈修改计划处理错误或补充缺失步骤2.9Harness EngineeringHarness 可以理解为模型外围的运行支撑系统。相关工程设计通常涉及1.驱动 Agent Loop执行工具并回传结果2.管理上下文、记忆和任务状态3.处理权限、执行限制、错误和恢复4.检查成果判断继续执行还是结束任务三.总结这些概念可以按照各自解决的问题来理解概念核心问题Agent Loop如何持续决策、行动并接收反馈ReAct如何让推理与行动相互配合Prompt Engineering如何清晰表达任务与要求Context Engineering每次调用应该提供哪些信息Workflow如何组织执行路径和状态流转MCP如何统一接入外部能力RAG如何检索并利用外部知识Skills如何复用任务方法与配套资源Memory如何保存并取回有用信息Function Calling如何生成并处理结构化工具调用任务规划如何确定步骤、依赖和验收标准Harness Engineering如何支撑整个系统可靠运行构建 Agent 时可以先实现一个具备明确停止条件的最小循环再根据任务需求加入检索、记忆、技能和工作流。每增加一种机制都应能说明它解决了什么问题以及如何验证效果。 
长河君 · 2026/10/28 10:18:42 · 阅读 1.2k AI Agent核心概念讲解
文章目录一.概述二.核心术语2.1 [AgentLoop](https://code.claude.com/docs/en/how-claude-code-works)2.2 [Prompt-Engineeing与Context-Engineering](https://www.anthropic.com/research/effective-context-engineering-for-ai-agents)2.3 [Workflow](https://docs.langchain.com/oss/python/langgraph/workflows-agents)2.4 [MCP](https://modelcontextprotocol.io/docs/2026-07-28/learn/architecture)2.5 [RAG](https://www.anthropic.com/research/contextual-retrieval)2.5 [Skills](https://www.anthropic.com/research/equipping-agents-for-the-real-world-with-agent-skills)2.6 [Memory](https://www.anthropic.com/research/effective-harnesses-for-long-running-agents)2.7 [Function Calling](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview)2.8 [任务规划](https://www.anthropic.com/research/harness-design-long-running-apps)2.9 [Harness Engineering](https://www.anthropic.com/research/effective-harnesses-for-long-running-agents)三.总结一.概述Agent的本质就是一个AgentLoop循环调用LLM API并给LLM配备各种工具帮用户把活干完通俗点讲你给Agent一个目标它会在授权范围内选择行动调用工具观察结果再决定如何继续二.核心术语2.1AgentLoop你给Agent一个目标它会在授权范围内选择行动调用工具观察结果再决定如何继续用户也是这个循环的一部分你可以你可以随时打断引导Agent转向不同方向、提供更多背景信息或让它尝试不同的方法ReAct就是reasoningaction核心是让推理和行动交替发生通过行动获取环境信息再利用这些信息更新判断和行动计划ReAct可以看作是一个很简单的AgentLoop2.2Prompt-Engineeing与Context-Engineering在Anthropic我们将上下文工程视为提示工程的自然发展。提示工程指的是编写和组织大型语言模型指令以实现最佳效果的方法。上下文工程指的是在LLM推断过程中策划和维护最优标记集信息的一套策略包括所有可能落在提示之外的信息上下文Context是指大语言模型LLM在采样生成时所接收的全部 token。这里的工程问题是在模型固有的限制下尽可能提高这些 token 的效用从而稳定地获得预期结果要有效地驾驭大语言模型往往需要从上下文的整体角度思考——也就是说考虑模型在任意时刻能够获取的全部信息以及这些信息可能引导它产生什么行为2.3WorkflowLangChain是线性的LangGraph更加灵活LangGraph框架在构建多智能体工作流时提供了多种方案包括串行并行循环分支等2.4MCPMCP采用客户端-服务器架构,MCP主机通过为每个连接的MCP服务器创建一个MCP客户端来实现这一点数据层:定义基于 JSON-RPC 的客户端与服务器通信协议包括能力与版本发现以及工具、资源、提示模板和通知等核心原语连接层:定义客户端与服务器之间交换数据所需的通信机制和通道包括特定传输方式下的连接建立、消息分帧和授权2.5RAG为了让AI在特定情境下发挥作用通常需要获取背景知识。例如客户聊天机器人需要了解其所服务的具体业务法律分析机器人需要大量过去案件开发者通常通过检索增强生成RAG来增强AI模型的知识。RAG是一种从知识库中提取相关信息并将其附加到用户提示词中的方法显著提升模型的响应能力RAG的基本流程将知识库文档的“语料库”拆分成更小的文本块通常不超过几百个标记使用嵌入模型将这些块转换为编码意义的向量嵌入将这些嵌入存储在一个矢量数据库中允许通过语义相似性进行搜索(Obsidian有插件可以将本地笔记库构建为RAG知识库)2.5SkillsSkill是用来拓展智能体技能的.md文件ClaudeCode触发技能时上下文窗口的变化:1.开始时上下文窗口包含核心系统提示词、每个已安装技能的元数据以及用户的初始消息2.Claude 调用 Bash 工具读取 pdf/SKILL.md 的内容从而触发 PDF 技能3.Claude 选择读取该技能附带的 forms.md 文件4.加载 PDF 技能中的相关指令后Claude 开始执行用户的任务Skill里还可以包括代码供Cluade需要提供工具(例如PDF技能中包含一个预写的Python脚本可以读取 PDF 并提取所有表单字段)2.6Memory记忆分为短期记忆和长期记忆短期记忆服务于当前会话维护消息历史和任务状态长期记忆跨会话保留信息例如用户偏好和历史经验记忆的生命周期为保存更新检索遗忘记忆有很多实现方式包括摘要压缩文件笔记结构化存储等2.7Function CallingFunction Calling与Tool Calling基本同义工具使用也称为函数调用让 Claude 能够调用你定义的函数或 Anthropic 提供的函数。Claude 根据用户的请求和工具描述判断何时调用工具随后返回结构化的调用请求由你的应用程序执行客户端工具或由 Anthropic 执行服务端工具AnthropicClientclientnew();varparametersnewMessageCreateParams{ModelModel.ClaudeOpus5_5,MaxTokens1024,Tools[newToolUnion(newWebSearchTool20260209())],Messages[newUserMessageParam{ContentWhats the latest on the Mars rover?}]};varmessageawaitclient.Messages.Create(parameters);Console.WriteLine(message.Content);2.8任务规划claude--permission-mode plan 然后输入具体需求 请为这个项目增加用户登录功能先制定实施计划。 请先阅读相关代码再说明 当前项目的相关结构和已有能力。 需要拆分哪些子任务以及执行顺序和依赖关系。 预计修改哪些文件。 如何验证功能完成。 暂时不要修改代码先把计划给我审阅。CluadeCode就会执行:1.拆分任务将复杂目标拆成若干子任务2.安排执行确定步骤顺序、依赖关系以及可并行处理的部分3.选择方法确定需要使用的工具、资料或其他智能体4.设定完成标准明确每一步及整体任务如何验证完成5.动态调整根据执行反馈修改计划处理错误或补充缺失步骤2.9Harness EngineeringHarness 可以理解为模型外围的运行支撑系统。相关工程设计通常涉及1.驱动 Agent Loop执行工具并回传结果2.管理上下文、记忆和任务状态3.处理权限、执行限制、错误和恢复4.检查成果判断继续执行还是结束任务三.总结这些概念可以按照各自解决的问题来理解概念核心问题Agent Loop如何持续决策、行动并接收反馈ReAct如何让推理与行动相互配合Prompt Engineering如何清晰表达任务与要求Context Engineering每次调用应该提供哪些信息Workflow如何组织执行路径和状态流转MCP如何统一接入外部能力RAG如何检索并利用外部知识Skills如何复用任务方法与配套资源Memory如何保存并取回有用信息Function Calling如何生成并处理结构化工具调用任务规划如何确定步骤、依赖和验收标准Harness Engineering如何支撑整个系统可靠运行构建 Agent 时可以先实现一个具备明确停止条件的最小循环再根据任务需求加入检索、记忆、技能和工作流。每增加一种机制都应能说明它解决了什么问题以及如何验证效果。