AI Agent 如何改变软件架构

过去大多数软件的控制流是人写死的。用户点一个按钮，程序走进某个函数，再返回一个结果。Agent 把其中一段控制流交给模型：它先看目标，再决定要不要搜索、写代码、查数据库，或者停下来。

什么是 AI Agent

一个 Agent 不是更长的提示词。它是一个循环。模型提出下一步动作，运行时执行这个动作，再把结果送回模型，直到它认为任务完成，或者到达你设定的边界。

边界比模型更重要。没有步数、权限和检查，循环只会把一次错误放大成一串错误。

它和聊天机器人有什么不同

聊天机器人通常回答一次。Agent 会连续行动。前者的失败是说错，后者的失败可能是做错：删掉文件、发出请求、把错误写进记忆。

	聊天机器人	Agent
控制流	一次回答	多步循环
工具	通常没有	搜索、代码、数据库
主要风险	说错	做错

一个最小架构

模型

模型负责选择下一步。它不应该直接碰到生产系统，而应该返回一个结构化动作。

工具

工具是你明确允许的能力。每个工具都要有名字、参数和失败时的返回值。

记忆

记忆保存已经发生的事。它不是无限的聊天记录，而是下一轮决策需要的摘要。

def run_agent(goal, tools, memory):
    steps = []
    while len(steps) < 8:
        action = model.decide(goal, memory.read(), tools.schema())
        if action.type == "finish":
            return action.answer
        result = tools.call(action.name, action.args)
        memory.write({"action": action, "result": result})
        steps.append(action)
    return memory.summary()

把 RAG 放回正确的位置

检索可以成为 Agent 的一个工具，也可以发生在循环开始之前。两种做法都合理，但不要把检索说成训练。

模型不会因为被放进一个循环就变得可靠。可靠来自你允许它做的事，以及你如何检查结果。

工程上先守住的边界

先限制步数、工具权限和可写范围。让每次动作都可以记录、重放和撤销。能由普通程序完成的判断，就不要交给模型。

结论

Agent 改变的是控制流的位置，不是软件工程的责任。架构仍然要回答：谁可以行动，行动如何被看见，失败时停在哪里。