通常把 Agent 拆成几层：输入与感知、规划与任务分解、工具调用、记忆（短期上下文与长期存储）、以及反思与反馈。大模型负责推理与生成，外部系统负责执行与保存状态；两者之间的边界，决定了这个代理能做到什么、又在什么地方会失控。

工程上的难点常常不在模型能力，而在上下文管理、工具返回不可靠时的失败恢复、权限边界与成本约束。一个能演示的 Agent 与一个能稳定交付的 Agent，差别基本都在这几层。

本站已公开的表述

「AI 应用侧做场景诊断、RAG 与智能体应用、人机协同工作流」— 在做的事 · AI 人工智能项目

这是本站对智能体相关工作范围唯一公开的完整表述。

站内相关篇目

公开边界：本页只写概念的通行定义与本站已公开的表述。知识库里的原始材料、双链结论与未经审订的个人判断仍留在本地，不进入公开层。