Ai Agent 流程

1.AI Agent到底是什么

AI Agent(Artificial Intelligence Agent 智能体袋里) 到底是什么？

不是模型不是模型不是模型

个人理解:

AI Agent 是一种能力 一个能自主理解,规划,执行并完成任务的智能袋里

AI 编程 Agent（最成熟）

产品	公司	类型
Codex	OpenAI	AI Coding Agent
Claude Code	Anthropic	AI Coding Agent
Cursor Agent	Cursor	AI Coding Agent
GitHub Copilot Agent	GitHub / Microsoft	AI Coding Agent
Gemini CLI	Google	AI Coding Agent
Amazon Q Developer	AWS	AI Coding Agent

2. 智能体组成说明

一个完整的 AI Agent 并不是只有一个 LLM，而是由多个模块协同工作完成任务。

整体组成如下：

• LLM（Large Language Model，大语言模型）
• Prompt（提示词）
• Memory（记忆）
• Context（上下文）
• Skill（技能）
• Tool（工具）
• MCP（Model Context Protocol）
• Workflow（工作流）
• Feedback（反馈）

整体关系如下：

User │ ▼Prompt（目标） │ ▼ AI Agent │ ┌─────────────┼─────────────┐ │ │ │ ▼ ▼ ▼ WorkflowMemoryTools / MCP （流程） （记忆） （执行能力） │ │ │ └─────────────┼─────────────┘ ▼Context（工作上下文） │ ▼LLM（模型推理） │ ▼Result │ ▼ Feedback │ ▼更新 Memory（可选）

2.1 LLM（Large Language Model）

LLM（Large Language Model）即大语言模型，可以理解为 Agent 的大脑。

它负责：

• 理解自然语言
• 推理分析
• 代码生成
• 内容生成
• 决策

常见模型：

• GPT-5.5
• Claude Opus / Sonnet
• Gemini 2.5 Pro
• Qwen3
• DeepSeek

2.2 Prompt（提示词）

Prompt 可以理解为：

例如：

修复 Android Crash优化 SiteReport PDF生成 Google Play 截图

Prompt 是整个任务的入口。

2.3 Memory（记忆）

Memory 是 Agent 的长期记忆。

负责保存：

• 用户偏好
• 项目知识
• 历史任务
• 编码规范
• 企业知识
• 历史聊天

例如：

用户主要开发 Android项目采用 MVVM使用 Material3

这些内容都会长期保存，在后续任务中再次利用。

2.4 Context（上下文）

Context 并不是 Memory。

它表示：

通常由下面几部分组成：

Prompt+Memory 检索结果+当前聊天+项目代码+Tool 输出+MCP 返回的数据

最终组成：

Context

LLM 真正工作的对象就是 Context。

可以理解为：

2.5 Skill（技能）

Skill 可以理解为：

例如：

Android Skill：

• MVVM
• Material3
• Repository

PDF Skill：

• HTML 模板
• 分页
• 图片布局

Google Play Skill：

• SEO
• 标题优化
• 截图规范

Skill 回答的是：

2.6 Tool（工具）

Tool 是 Agent 真正能够调用的执行能力。

例如：

• Git
• Terminal
• Gradle
• Browser
• ADB

例如：

执行：./gradlew assembleRelease

真正执行的是：

Terminal Tool

Tool 回答的是：

2.7 MCP（Model Context Protocol）

MCP 全称：

Model Context Protocol

它并不是 Tool。

而是：

例如：

支持：

• Figma
• GitHub
• Firebase
• Notion
• Slack

通过 MCP：

Agent 才能够访问这些外部系统。

所以：

2.8 Workflow（工作流）

Workflow 可以理解为：

例如：

分析↓修改↓编译↓测试↓提交

Workflow 回答的是：

2.9 Feedback（反馈）

Feedback 用于：

例如：

编译失败↓继续修改↓再次编译↓直到成功

真正的 AI Agent 都会形成一个完整的反馈闭环。

3. AI Agent 使用流程

AI Agent 完成一次任务的大致流程如下：

用户(User) │ ▼ Prompt（提出任务） │ ▼Agent（理解任务目标） │ ▼Workflow（制定执行流程） │ ▼ 检索 Memory + 调用 Tools / MCP │ ▼构建 Context（工作上下文） │ ▼ LLM（推理、分析、决策） │ ▼Tool（执行具体操作） │ ▼Result（输出结果） │ ▼Feedback（结果反馈优化） │ ▼Memory（保存长期有价值的信息）

流程说明

流程	说明
Prompt	用户提出本次需要完成的任务。
Agent	理解用户需求，并组织整个执行过程。
Workflow	制定任务执行流程，决定先做什么、后做什么。
Memory	检索历史经验、项目知识、用户偏好等长期信息。
Tools / MCP	获取代码、日志、设计稿等资源，并执行具体操作。
Context	将 Prompt、Memory、代码、工具输出等信息整合成 LLM 当前工作的上下文。
LLM	根据 Context 进行推理、分析、生成解决方案。
Tool	根据 LLM 的决策执行实际操作，例如修改代码、编译、运行测试等。
Feedback	检查执行结果，失败则继续优化，成功则结束任务。
Memory	将有长期价值的信息保存下来，供后续任务复用。

总结

名称	作用	可以理解成
LLM	思考、推理、决策	大脑
Prompt	用户提出的任务	目标
Workflow	制定执行步骤	路线图
Memory	保存长期知识	档案室
Context	LLM 当前工作的全部信息	工作区
Skill	完成任务的方法和经验	最佳实践
Tool	真正执行任务	工具箱
MCP	连接外部工具和服务	标准协议
Feedback	根据结果持续优化	闭环反馈