一、什么是 AI Agent 三层架构Agent 可以类比人的行为模式先接收外界信息感知→大脑思考做决策规划思考→动手去做事拿到结果行动。整体分为感知层、思考层、行动层三层次依次流转部分场景会循环回环实现自主智能。感知层Agent 的感官系统定位和外部环境交互第一门户负责接受外界信息为后续处理打基础子模块功能说明接收输入采集用户文本、文件、外部接口返回等各类输入数据意图识别解析用户真实诉求判断用户到底想做什么任务信息提取从非结构化文本中抽取出关键参数、实体、条件格式标准化把五花八门的异构输入转成 Agent 内部可以识别的统一格式简单理解感知层制作“接收、理解、格式化”不做任务决策”把原始杂乱输入清洗成结构化信息交给思考层思考层Agent 的大脑核心定位连接感知层和行动层的中枢拿到感知层的输出 做分析、任务拆解、决策子模块功能说明任务分解把大的复杂任务拆成多个可以执行的小的子步骤规划路径确定子任务先后执行顺序规划整体执行链路工具选择判断当前子任务需要调用哪个外部工具知识库、接口、计算器等逻辑推理依靠大模型做逻辑分析、条件判断输出决策指令考点思考层是Agent能力核心普通大模型没有任务拆解与规划能力Agent的核心差异就在思考层的规划逻辑行动层Agent 的四肢执行单元定位负责落地执行不做决策严格执行思考层下发指令对接真实外部世界。子模块功能说明工具调用按照思考层指令调用外部工具、API、知识库执行操作完成实际动作数据查询、文件读写、接口请求等结果收集捕获工具执行返回的数据结果结果反馈把执行结果整理为友好格式返回给用户也可以回传给感知层形成循环二、三层架构完整协同工作流程1.感知层接受用户请求做意图识别信息抽取转为结构化任务指令交给思考层2.思考层对任务做拆解、路劲规划、选择工具输出执行方案3.行动层调用工具执行任务拿到返回结果整理输出拓展复杂任务下行动层返回结果可以再次回到感知层重新进入流程循环实现多轮自主迭代。三、业务案例拆解案例 1云学习助手整理物理考点用户需求帮我整理物理考点需要核心考点、公式、例题、易错点感知层接收用户提问识别意图整理物理考点提取关键信息物理学科输出内容包含考点、公式、例题、易错点思考层任务拆解①检索学科知识库 ②内容整合 ③结构化输出规划调用知识库工具确定输出文档格式行动层调用学科知识库检索知识点大模型整合内容最终输出返回一份完整结构化物理考点总结文档案例 2智能学习规划 Agent用户需求根据三次数学考试成绩分析薄弱点生成一周个性化提分计划感知层接收用户指令 考试成绩数据识别意图生成个性化学习计划提取关键信息数学、三次考试、一周周期思考层①分析成绩定位薄弱知识点②结合时间制定每日学习任务规划任务链路确定调用题库、错题本工具行动层调用题库、错题本工具生成每日学习清单、错题复盘表最终输出一份可直接执行的一周学习计划包含学习内容、练习量、复习节点四、问答问Agent 三层架构分别干什么感知层负责接受、解析用户输入、做信息化处理思考层是大脑完成任务拆解路径规划工具选择行动层负责真正调用工具执行收集并返回结果。三层配合完成完整任务闭环问Agent 和普通大模型对话最大区别普通大模型拿到 prompt 直接生成回答Agent 有感知‑思考‑行动闭环会主动拆解任务、调用外部工具循环迭代完成复杂多步骤任务。问三层一定会串行执行吗简单任务直接感知→思考→行动输出复杂任务行动层拿到结果后会重新回到感知层再次处理循环多轮直到任务完成。问思考层和行动层的边界是什么思考层只做决策、规划不碰外部工具行动层只负责执行思考层下达的指令不做任务逻辑决策。总结感知层输入处理看懂用户想要什么思考层任务规划想好该怎么做行动层工具执行动手把事情做完Agent 本质就是大模型加上一套完整任务闭环框架三层架构把 “理解‑思考‑做事” 进行解耦方便工程开发、模块优化。