这几周学习 AI 工程时，常常看到市面上充斥着把各种 Prompt 套个前端输入框就自称「Agent」的产品。但在自己亲手写了几个 Python 脚本之后，我愈发意识到：

LLM 是一个静态的无状态函数（Next-Token Predictor），而 Agent 是把这个函数放入控制流中的操作系统。

从请求-响应到 while 循环

如果一个程序只是 input ➔ LLM ➔ output，那它无论怎么包装也只是一个问答检索器。真正的智能体诞生在引入 while 循环的那一刻：

python — agent_core.py 
while not agent.is_done:
              # 1. 思考与决定采取什么动作（或调用什么外部工具）
              action = llm.decide(context)
    
              # 2. 执行工具（网络查询、终端命令、文件读写）
              observation = environment.execute(action)
    
              # 3. 将真实反馈塞回上下文，决定下一步或结束
              context.append(observation)

心跳的三步节拍

ReAct 论文给出的精髓不是提示词本身，而是将人类解决复杂工程问题的节奏符号化了：

  • Thought（思考）：当前目标是什么？我还缺少哪些关键事实？
  • Action（行动）：向真实环境投掷探针（读取文件第 42 行，调用 OpenCV 提取坐标）；
  • Observation（观察）：物理世界的真实输出。

正是因为这个「基于物理世界反馈再做二次决策」的闭环，才让 AI 拥有了纠错能力。如果一次执行报错，它可以分析错误堆栈并尝试替代方案，而不是向用户抛出冰冷的报错。

为什么刻意避开 CRUD？

在大学很多同学都去学 Spring Boot 或 Django 写管理后台增删改查。但我总觉得，未来的软件工程不在于维护表单输入，而在于构建能理解现实输入（视觉、传感器）、并自主调用能力闭环的系统。

把时间花在 Python、计算机视觉与 Agent 控制循环上，去解决真实的不确定性，这种探索让我对编程保持长久的敬畏与兴奋。