别让 Agent 盲目乱调用工具：Plan‑and‑Execute 解决任务混乱难题
上篇你给 Agent 装上了 ReAct 引擎——它能反复思考、反复调工具，直到任务完成。但面对复杂任务时，边做边想容易跑偏。这篇讲 Plan-and-Execute——先规划再执行，让 Agent 做事更有章法。 小明遇到了复杂任务 小明兴冲冲地给 Agent 下了一个任务： 你：调研 …
上篇你给 Agent 装上了 ReAct 引擎——它能反复思考、反复调工具，直到任务完成。但面对复杂任务时，边做边想容易跑偏。这篇讲 Plan-and-Execute——先规划再执行，让 Agent 做事更有章法。 小明遇到了复杂任务 小明兴冲冲地给 Agent 下了一个任务： 你：调研 …
上篇你给 Agent 加上了记忆——消息链让它记住整个会话。但记忆只是基础，真正的 Agent 需要反复思考、反复行动，直到任务完成。这篇讲 Agent 的灵魂——ReAct 循环。 小明发现 Agent "不想多干活" 小明把记忆、工具注册表、MCP 都接上了。Agent 能聊天、能查天气、能搜新…
上篇你学会了 MCP——用标准协议接入全世界的工具。但工具多了、对话长了，一个新问题冒出来：Agent 记不住刚才说过什么。这篇讲 Agent 的记忆机制——为什么消息列表就是 Agent 的大脑，以及 Function Calling 之后记忆怎么维护。 小明发现 AI 失忆了 小明的 Agent…
上篇你把多智能体流水线跑通了——调度员派活，研究员、写手、编辑各司其职。但手写协议、手写重试、手写上下文传递，工程负担越来越重。这篇换一条路：认识 LangChain——把 LLM、工具、记忆、检索组装成应用的编排层，以及它眼里的 Agent。 小明想做「AI 旅游助手」 小明已经会 Functio…
上篇你学会了工程化管理多个工具——注册表模式让新增工具只需一行。但你的工具是自己写的，别人的工具呢？这篇讲 MCP——一套标准协议，让任何 AI 宿主都能使用任何 MCP 服务，不限编程语言，不限产品。 小明的新困惑 小明用注册表模式把自己的工具管理得井井有条。但上周接了个需求，让他头疼了—— 客户…
上篇你学会了 Function Calling——让 AI 从"会说"变成"会干"。但当工具从 2 个变成 10 个、20 个，代码就开始失控了。这篇讲怎么用工具注册表模式，把工具管理这件事变得干净利落。 痛点：工具一多，代码就乱 小明最近很得意。Function Calling 跑通了，AI 能查…
引言 小明上周搞定了多轮对话，聊天机器人跑得有模有样。这周一上班，老板又丢来一个需求： "咱们的 AI 客服能不能查订单状态？用户问'我的订单到哪了'，AI 直接回答，别让用户自己去系统里翻。" 小明心想这还不简单？给 AI 加条 system 消息："你可以查询订单状态"。然后测试—— 用户问："…
引言 小明上周转通了第一次 API 调用，兴奋了没两天就发现一个问题—— 他问 AI："我有十个苹果？吃掉一个还有几个？"AI 回答了。他接着问："我原来有几个苹果"AI 回："不知道原来苹果数？请补充你的需求。" 小明愣了。这不是接着上一句问的吗？ 他去找老张："这 AI 是不是有健忘症？" 老张…
引言 小明的老板上周丢给他一个任务："咱们的客服系统太拉了，用户问半天没人回，你搞个 AI 客服出来，下周上线。" 小明慌了。AI？大模型？他只在新闻里见过——"ChatGPT 又升级了""某某大厂发布千亿参数模型""AI 替代程序员还要多久"。可真轮到上手，脑子一片空白。 他找到组里的老张求救。老…
1. 引言：为什么大模型全栈开发成为必修课 2023 年，大语言模型（LLM）完成了从"实验室玩具"到"生产力工具"的关键跨越。当 ChatGPT 用两个月达到一亿用户时，它不只是一个产品现象——它宣告了一种全新的软件范式：以自然语言为核心交互方式、以模型推理为核心逻辑的应用架构。 传统全栈开发者熟…
