AI Agent 是当下大模型应用最热门的方向之一。本文从最基础的 ReAct 推理循环讲起，梳理单 Agent 的核心构成：模型、工具、记忆与规划。
从 ReAct 开始
ReAct（Reasoning + Acting）把「思考」和「行动」交替进行，让模型在推理的同时调用外部工具，从而突破纯文本生成的局限。
1
| 思考 → 行动 → 观察 → 思考 → ... → 最终答案
|
走向多智能体
当任务变复杂时，单一 Agent 会力不从心，于是有了多智能体协作：专家分工、流水线、辩论等模式。工程落地时，重点要处理好 Agent 间的消息传递、状态管理与容错。
后续会结合具体框架展开实践。