全景地图:Agent 的七层模型
本合集目录
本章目录
单册说明:本文件是「AI Agent 完整教程」卷 0 的第 2 章,可独立阅读。 前置:无(这一章纯认知,不装环境也能读)。但建议先读第 1 章确定自己走哪条阅读线。
| 项 | 内容 |
|---|---|
| 所属卷 | 卷 0 · 学习地图(第 2 / 6 章) |
| 前置章节 | 无 |
| 本章产出 | 一张能用来定位故障的图 + 知道自己卡在第几层 |
| 对应代码 | 无 |
| 配图 | 图 0-2(七层模型) |
| 读完的判定 | 能给一个具体问题指出"它卡在第几层" |
2.1 为什么先给地图
学 Agent 最常见的失败方式,不是学不会,而是学乱了。
我见过一个典型的混乱:一个人同时在看五篇教程,一篇讲提示词、一篇讲 LangChain、一篇讲 MCP、一篇讲 RAG、一篇讲 Dify。每篇都看懂了,但他没法回答一个最基本的问题——"我现在卡住了,该改哪一块?"
地图的作用就是回答这个问题。它把"Agent 系统"拆成七层,每一层有明确的职责,也有明确的故障症状。有了它,你的排查方式会从"到处试试看"变成"先定位,再动手"。

2.2 七层逐层说
由下往上,是"从底座往上搭"的顺序;由上往下,是"从症状往下查"的顺序。建系统时用前者,排故障时用后者。
| 层 | 管什么 | 典型部件 | 这一层坏了,你会看到什么 | 对应卷 |
|---|---|---|---|---|
| 7 治理层 | 评测、成本、权限、合规、监控 | 评测集、预算闸门、审计日志、告警 | 能演示,但一算钱就崩;或者不敢给别人用 | 卷 6 |
| 6 交付层 | 界面、接口、定时任务、通知 | 命令行、网页、API、定时器 | 自己电脑上能用,换个环境就跑不起来 | 卷 4 |
| 5 记忆层 | 会话状态、长期记忆、知识库 | 状态对象、文件/数据库、向量库 | 每次都从零开始,答不出"上次说的那个" | 卷 2 |
| 4 工具层 | 它能做什么 | 文件读写、命令、数据库、浏览器、第三方 API | 只会说"我建议你……",从不动手 | 卷 2 / 卷 3 |
| 3 编排层 | 循环、规划、分支、多 Agent 分工 | 主循环、计划器、路由器、子 Agent | 一步错步步错,或绕进死循环出不来 | 卷 2 / 卷 4 |
| 2 能力层 | 把模型的潜力榨出来 | 提示词、上下文组织、多模态输入 | 答非所问、格式不听话、看不懂图 | 卷 1 |
| 1 模型层 | 底座本身 | 权重、推理服务、上下文窗口、计费 | 根本跑不起来,或跑起来账单失控 | 卷 1 / 卷 4 |
这七层最重要的性质:相邻层之间会互相"伪装"。
举个真实例子:一个 Agent"回答得很离谱"。
- 你可能以为是模型不行(第 1 层)→ 换了个更贵的模型,还是离谱;
- 也可能是提示词没给清(第 2 层)→ 改了提示词,好了一点;
- 还可能是它没拿到需要的信息(第 4 层工具没调对,或第 5 层记忆没召回)→ 这才是真正的原因。
判断方法:看它有没有"尝试获取信息"。 如果它直接就开始答,说明是第 3、4 层的问题(没调工具就答);如果它调了工具但拿回的内容不对,是第 4 层;如果拿回的内容对但用得不对,是第 2 层;如果都对但结论还是错,才是第 1 层。
这个判断法在第 5 章会反复用到。5.7 节列的四种"必然失败"里,有三种都能用这条线索直接归位。
2.3 一个真实任务穿过七层
抽象讲不如走一遍。用"每天早上自动生成一份 AI 日报"这个任务——这是很多人在做、也是我自己在跑的一件事。
| 层 | 这个任务里具体是什么 | 如果缺了这一层 |
|---|---|---|
| 1 模型层 | 调用某个大模型,判断哪些资讯值得收、把英文摘要写成中文 | 没有"大脑",只能写死规则 |
| 2 能力层 | 要求它按固定五个板块输出、每条不超过 100 字、必须给来源链接 | 输出格式每天都不一样,没法用 |
| 3 编排层 | 采集 → 去重 → 筛选 → 写稿 → 配图 → 校验,六步串起来,失败重试 | 得每天手工点六次 |
| 4 工具层 | 抓 RSS、读网页、写文件、调用图片处理、发到公众号 | 只能"告诉"你今天有什么新闻,不能真的产出成品 |
| 5 记忆层 | 记住昨天推过哪些,避免重复;记住你的风格偏好 | 同一篇文章推两次 |
| 6 交付层 | 定时触发(每天早上 8 点)、失败时发告警、产物落到归档目录 | 得自己想着去点,忘了就断更 |
| 7 治理层 | 每天成本上限、图片大小与格式校验、内容合规检查 | 一个月后发现账单翻了三倍,或者推了一篇带违规词的稿子 |
注意一件事:这个任务里,"模型"只占一层,而且是最不费心的一层。真正让人熬夜的是 3、4、5、6、7 层。
这就是为什么本教程把卷 4 排在卷 3 前面——先理解这七层怎么咬合,再去学某个框架怎么用;反过来学,你会把框架当成全部,然后发现它解决不了你的问题。
2.4 四要素与七层:别混为一谈
网上到处都在传一个公式:
Agent = LLM(大脑) + Planning(规划) + Tool use(执行) + Memory(记忆)
这个公式是对的,但它描述的是"运行时",不是"工程栈"。
| 四要素 | 七层模型 | |
|---|---|---|
| 回答的问题 | 一个 Agent 跑起来时,内部在做哪几件事 | 一个 Agent 系统要落地,需要哪些工程层 |
| 视角 | 运行时 / 单个请求内部 | 工程 / 整个系统 |
| 对应关系 | LLM→第 1 层;Planning→第 3 层;Tool→第 4 层;Memory→第 5 层 | 多出来的是第 2、6、7 层:能力层、交付层、治理层 |
多出来的三层恰好是最容易被忽略的三层。 一个人自学 Agent 时,最容易只关注"四要素",然后做出一个"在我电脑上、我知道怎么按、演示时能用"的东西——卡在了第 6 层和第 7 层。
2.5 自查:你现在卡在第几层
按顺序回答,第一个回答"否"的地方,就是你该补的层:
| # | 问题 | 否 → 你缺这一层 |
|---|---|---|
| 1 | 我有一个能正常调用、额度够用的模型服务 | 1 模型层 |
| 2 | 我能让模型稳定按我要的格式输出 | 2 能力层 |
| 3 | 我能让它连续做多步,并且知道它什么时候该停 | 3 编排层 |
| 4 | 它能读写文件 / 查数据 / 调接口,而不只是聊天 | 4 工具层 |
| 5 | 它记得住上一次的结果,不用每次重新喂 | 5 记忆层 |
| 6 | 别人(或换个时间)也能用上它,不用我在旁边按 | 6 交付层 |
| 7 | 我知道它每天花多少钱、出错时我怎么发现 | 7 治理层 |
这张表可以直接当排期表用:先补第 1 层,再补第 4 层,再补第 3 层——这是投入产出比最高的顺序。第 2 层在做的过程中自然就练了,第 5–7 层等你能跑通一个完整任务之后再补。
2.6 三个常见误解
误解一:层数越高越"高级",应该从上往下学。
不对。层是依赖关系,不是难度等级。没有第 4 层的工具,第 3 层的编排就无从谈起;没有第 1 层的模型,一切都是空转。正确的建法是自下而上,排错是自上而下。
误解二:要先学模型原理,才能用好 Agent。
不需要。会用 Agent 需要知道的是它的行为特征(会幻觉、会忘、会跑偏、会偷懒),而不是注意力机制怎么算。原理值得学(卷 1 会讲),但它是"懂了更好",不是"不懂不能用"。先用起来,再回头补原理,效率高得多。
误解三:工具越多、框架越强,Agent 就越厉害。
恰恰相反。工具每多一个,模型选错的概率就多一分;框架每多一层抽象,出问题时你就多一层要穿透的黑箱。真实项目里更常见的情况是:一个 Agent 只有 3–5 个工具,效果比有 30 个工具的好。 这一点在卷 2 讲工具设计时会展开——第 5 章给第一个 Agent 只配 3 个工具,就是按这个原则来的。
2.7 本章验收
- 应当会画出七层,并说出每一层管什么(不看笔记);
- 应当会用七层定位一个你遇到过的 AI 使用问题(哪怕是"它总是不按格式输出"这种小事);
- 应当会解释四要素和七层的区别,说清多出来的是哪三层。
自测题(口头答出来即可):
- "它总是不按我要求的格式输出" —— 哪一层?
- "它说帮我整理了文件,但文件夹里什么都没有" —— 哪一层?
- "我换了个电脑就跑不起来了" —— 哪一层?
- "昨天让它记的事,今天它完全不记得" —— 哪一层?
参考答案
- 第 2 层(能力层:提示词与格式约束)
- 第 3、4 层(编排层没走完循环 / 工具层根本没有写权限)
- 第 6 层(交付层:依赖环境,没有打包)
- 第 5 层(记忆层:状态没有持久化)
2.8 下一步
- 已经有了地图,去把底座装上 → 第 3 章 环境准备(一):机器、账户与终端
- 想先看这套地图怎么用在代码上 → 第 5 章 第一个 Agent
- 返回导读