D14 | Agent 是什么？ReAct 模式让你看懂所有 Agent 框架

文章目录D14 | Agent 是什么？ReAct 模式让你看懂所有 Agent 框架写在前面一、Agent 的本质1.1 一个生活类比1.2 Agent 的 3 个核心组件1.3 Agent vs LLM vs RAG二、ReAct 模式：所有 Agent 的母模式2.1 ReAct 是什么2.2 ReAct 流程图2.3 ReAct 的 Prompt 模板2.4 30 行手搓 ReAct三、Agent 决策循环详解3.1 决策循环的 4 个状态3.2 关键设计点① 终止条件② 错误处理③ Token 控制3.3 ReAct 完整流程图四、Agent 的能力边界4.1 Agent 擅长的事4.2 Agent 不擅长的事五、5 大 Agent 框架横评5.1 全景对比5.2 详细评测① LangChain（最流行）② AutoGen（多 Agent）③ LangGraph（状态机）④ CrewAI（角色扮演）⑤ LlamaIndex（RAG 增强）5.3 选型决策5.4 选型建议六、30 行手搓完整 Agent七、实战：自动查天气 + 发邮件八、Agent 调试：3 件套8.1 看 trace（思考过程）8.2 设 max_steps（防卡死）8.3 单步执行九、这一篇的小结9.1 5 个 Key Takeaway9.2 决策树9.3 思考题下篇预告D14 | Agent 是什么？ReAct 模式让你看懂所有 Agent 框架系列：《60 天 AI 全栈转型：传统开发者的大模型工程师之路》（S1 模块 4 · Agent 实战 ① ·模块 4 开篇）作者：刘一说（haohaizi_liu）| 15 年开发管理经验配套代码：https://gitcode.com/road-emblem/60-days-ai-stack写在前面D9-D13 我们把 RAG 讲透了——AI 知道"是什么"。但现实需求不只是"知道"。我们要 AI能做事：“帮我查一下北京天气，然后发邮件给老板”——AI 不会发邮件“看看这个 bug 是什么问题，定位代码，提交修复 PR”——AI 不会操作 Git“分析这份销售数据，找出异常，生成图表”——AI 不会跑 SQL、不会画图这就是Agent要解决的问题——让 AI 自主决策 + 调用工具，完成多步任务。D14 是模块 4「Agent 实战」开篇。这一篇我们把 Agent 的"心智模型"立起来：Agent 的本质（不是新概念，是老朋友）