01-现代Agent核心公式：LLM+上下文+工具，大脑、眼睛、手脚与模型-环境闭环

01-现代Agent核心公式LLM上下文工具大脑、眼睛、手脚与模型-环境闭环本文是《深入理解AI Agent设计原理与工程实践》李博杰读书系列第 1 篇。我是黒漂技术佬主业在智慧农业和无人零售一线摸爬滚打本系列我会用无人售货柜、农业物联网这些真实场景把书里的硬核观点掰开揉碎讲给新手。一、一个公式说清现代 Agent如果要用一句话概括现代 AI Agent 的最小工程公式那就是Agent LLM 上下文Context 工具Tools看起来朴素得像初中代数但这三个变量撑起了当下所有 Agent 产品——从 Claude Code 到 Manus无一例外。作为工程师理解这个公式的最好方式是分三层来看1. 直觉层大脑、眼睛、手脚LLM 是大脑负责推理、规划、决策想这个动作全靠它上下文是眼睛LLM 本身是被隔离在训练数据里的它看不到今天的天气、不知道你的售货柜里还剩几瓶可乐必须靠上下文把世界喂给它工具是手脚LLM 只会输出文字真正去查数据库、调摄像头识别、下发开门指令靠的是工具调用Tool Call。没有眼睛和手脚大脑再聪明也只是个缸中之脑没有大脑眼睛和手脚就是一堆无人调度的传感器和执行器。2. 实现层LLM / 上下文 / 工具落到工程上三者各有明确的载体组成工程载体无人售货柜场景例子LLMGPT、Claude、Qwen、DeepSeek 等模型 API/私有化部署客服与运维 Agent 的推理内核上下文messages 列表、系统提示词、RAG 检索结果设备实时状态、库存数据、用户身份工具function calling 定义的接口查库存、生成退款单、下发柜门开锁指令3. 学术层Policy / Observation Space / Action Space书中还给了学术视角的对照Agent 在学术语境下是一个Policy策略它从Observation Space观察空间接收信号向Action Space动作空间输出动作。对应关系是Policy ≈ LLM决定下一步做什么Observation Space ≈ 上下文能看到什么Action Space ≈ 工具提供了哪些可执行动作这个对照不是掉书袋。它揭示了一个重要的工程事实提升 Agent 能力往往不是换更大的模型而是扩大观察空间喂更对的信息和动作空间给更顺手的工具。这句话我先按下不表后面系列文章会反复验证。二、模型-环境闭环Agent 是怎么活起来的单次调用 LLM 是一问一答不是 Agent。Agent 的本质是一个闭环┌─────────────────────────────┐ │ │ ▼ │ ┌─────────┐ 行动(Action) ┌─────────┐ │ Agent │ ───────────────▶ │ 环境 │ │ (模型) │ ◀─────────────── │ (Env) │ └─────────┘ 观察(Observation) ─────┘观察环境把最新状态传感器数据、工具执行结果、用户消息写进上下文决策LLM 读取上下文决定下一步——是继续调工具还是给出最终答复行动Harness模型外层的工程脚手架执行工具调用改变环境新观察环境变化后的结果再次进入上下文循环往复直到任务完成。举个我们无人售货柜的真实例子。用户投诉扫码开门拿了水但被扣了两次钱后端客服 Agent 的闭环大概是这样跑的观察 1用户消息 订单号进入上下文决策 1LLM 判断需要先核对调用query_payment_records(order_id)行动 1支付服务返回确实存在两笔扣款一笔未回调冲正观察 2工具结果回填上下文决策 2证据确凿调用create_refund(pay_id, amount)并生成安抚话术行动 2退款单落库回复用户循环结束。注意LLM 全程没有接触过真实世界它接触的始终是上下文里的世界表示。理解这一点是理解后面上下文工程、KV Cache 的地基。三、Model-Harness模型之外还有个驾驶员舱书中提出或者说系统化了一个关键结构——Model-HarnessModelLLM 本体封在 API 后面你是动不了它内部权重的Harness原意是马具/安全带包裹在模型外层的工程系统负责构造上下文、注册工具、执行调用、维护循环状态、做权限校验和错误纠正。一个直观的类比LLM 是发动机Harness 是整辆车——方向盘、仪表盘、刹车、变速箱。发动机再强没有传动系统也跑不起来。Claude Code、Cursor 这类产品的差距很大程度上不在模型而在 Harness 的打磨程度。这也是为什么模型之外的竞争力这个说法在工程圈越来越流行。四、业界印证Manus 与 OpenClaw两条业界动态可以佐证观察空间动作空间的扩张逻辑Manus 合并三条技术路线Deep Research深度检索、Coding写代码执行、Computer Use操作浏览器/电脑界面被合并进一个 Agent。本质上就是把动作空间从生成文本扩展到跑代码、开网页、点按钮把观察空间从搜索结果扩展到整个屏幕像素。OpenClaw 把接口延伸到用户数字生活通过 WhatsApp 等即时通讯入口和本地 GatewayAgent 的触角直接伸进用户的聊天软件和本地设备。动作空间再一次突破——Agent 不再只是替你查资料而是替你过日子。可以看到Agent 的进化史就是观察空间与动作空间的扩张史这正是学术层公式给的预言。五、小结Agent 最小公式LLM 上下文 工具三层理解分别是大脑/眼睛/手脚、Policy/Observation/Action、模型 API/上下文构造/工具接口Agent 的灵魂是模型-环境闭环观察 → 决策 → 行动 → 新观察Harness 是模型之外的工程竞争力Agent 好不好用一半以上的功夫在 Harness扩大观察空间和动作空间是比换更大的模型更划算的能力提升手段。下一篇我们钻进这个闭环的心脏——ReAct 循环聊聊为什么提示工程正在演变成Loop 工程。