AI Agent 常见架构全景

一、ReAct 架构（Reasoning + Acting）

最经典、应用最广泛的 Agent 架构，OpenAI Function Calling / LangChain 的底层逻辑都基于此。

执行流程

┌─────────────────────────────────────────────────┐ │ 用户目标 │ └──────────────────────┬──────────────────────────┘ ▼ ┌──────────────────────────┐ │ LLM 推理（Think） │ │ "我需要先查天气" │ └────────────┬─────────────┘ ▼ ┌──────────────────────────┐ │ 选择工具 & 生成参数 │ │ tool: search_weather │ │ param: city=北京 │ └────────────┬─────────────┘ ▼ ┌──────────────────────────┐ │ 执行工具调用 │ │ 获取: 北京晴 25°C │ └────────────┬─────────────┘ ▼ ┌──────────────────────────┐ │ 观察结果 → 再次推理 │ │ "天气适合出行,下一步..." │ └────────────┬─────────────┘ ▼ ┌────────┴────────┐ │ 任务完成? │ └────────┬────────┘ 是 ↙ ↘ 否（回到推理） ▼ ▼ 返回最终结果 继续下一轮工具调用

核心特点

二、Plan-and-Execute 架构（规划 + 执行分离）

先把任务拆好，再一步步执行。类似"先写大纲再写文章"，比 ReAct 更可控。

执行流程

┌─────────────────────────────────────────────────┐ │ 用户目标 │ └──────────────────────┬──────────────────────────┘ ▼ ┌──────────────────────────────┐ │ 🧠 Planner（规划器） │ │ LLM 生成完整执行计划： │ │ ① 搜索目的地信息 │ │ ② 查询航班价格 │ │ ③ 筛选酒店 │ │ ④ 生成行程文档 │ └────────────┬─────────────────┘ ▼ ┌──────────────────────────────┐ │ 📋 计划队列（Task Queue） │ │ [Step1] → [Step2] → [Step3] │ └────────────┬─────────────────┘ ▼ ┌──────────────────────────────┐ │ ⚙️ Executor（执行器） │ │ 逐条执行，每步可调用工具 │ │ 遇到错误 → 反馈给 Planner │ └────────────┬─────────────────┘ ▼ ┌──────────────────────────────┐ │ 汇总结果 → 返回用户 │ └──────────────────────────────┘

核心特点

三、Multi-Agent 架构（多智能体协作）

多个 Agent 各司其职，像"团队分工"一样协作完成复杂任务。

经典架构模式

┌─────────────┐ │ Orchestrator │ │ (协调者/路由) │ └───────┬─────────┘ ┌─────────────┼─────────────┐ ▼ ▼ ▼ ┌────────────┐ ┌───────────┐ ┌────────────┐ │ 搜索 Agent │ │ 代码Agent │ │ 写作Agent │ │ 🔍 │ │ 💻 │ │ ✍️ │ └────────────┘ └───────────┘ └────────────┘ │ │ │ └─────────────┼─────────────┘ ▼ ┌───────────────┐ │ 共享记忆/消息总线 │ └───────────────┘

三种常见协作模式

① 层级模式（Hierarchical）

Manager Agent ├── Worker Agent A（数据收集） ├── Worker Agent B（数据分析） └── Worker Agent C（报告生成）

一个"管理者"分配任务，多个"工人"执行。适合任务清晰、可并行的场景。

② 顺序流水线（Pipeline）

Agent A（采集） → Agent B（清洗） → Agent C（分析） → Agent D（可视化）

每个 Agent 负责一道工序，像工厂流水线。适合数据处理的 SOP 场景。

③ 辩论/协商模式（Debate）

Agent A ──↔── Agent B ──↔── Agent C "支持" "反对" "裁判"

多个 Agent 持不同立场辩论，最终收敛到最优解。适合决策、评审类场景。

核心特点

四、三种架构对比总结

五、选型建议

任务简单 + 工具少 → ReAct 任务复杂 + 步骤明确 → Plan-and-Execute 任务超大 + 需多角色 → Multi-Agent