type
Post
status
Published
date
Mar 15, 2026
slug
ai-agent-how-it-works
summary
拆解了两个开源 Agent 项目的代码，把 AI Agent 的核心工作原理讲清楚。理解底层机制，能帮你更好地理解 Agent 产品。
tags
AI
Agent
产品思考
技术原理
category
技术分享
icon
password
最近半年，AI Agent 是个高频词。
但我发现一个现象：很多人在用 Agent、在聊 Agent，但对 Agent 到底是怎么工作的，其实没有一个清晰的技术图景。
我最近拆了两个开源 Agent 项目的代码——一个是基于 Claude SDK 的 Proma，另一个是兼容所有 OpenAI 格式模型的 OpenClaw。这篇文章把我看到的核心原理讲清楚，希望对你理解 Agent 有帮助。
先说结论：Agent 的三个核心组件
一个 AI Agent 的核心由三样东西组成：
1. 一个大语言模型（比如 Claude、GPT-4）
2. 一份工具清单（告诉模型"你能用这些工具"）
3. 一个循环（不断调用模型，直到它说"我做完了"）
这三个组件的组合方式，构成了目前主流 Agent 产品的底层架构。
普通 Chat 和 Agent 的核心区别
普通的 AI 对话是这样的：
```
你问一个问题 → AI 回答 → 结束
```
一问一答，每次都是独立的。AI 不能读你的文件，不能上网搜索，不能操作任何东西。它只能基于你给的文字来回答。
Agent 模式多了一个关键能力：AI 可以决定"我需要先做点什么，再回答你"。
具体来说，每次 AI 返回结果时，它有两种选择：
```
选择 A：直接回答（返回文本）→ 对话结束
选择 B：请求使用工具（返回工具调用指令）→ 对话继续
```
就是这个分叉点，让 Agent 能"自主行动"。
用一个真实场景来理解
假设你对 Agent 说："帮我看看这个项目用了什么技术栈。"
整个过程是这样的：
```
你: "帮我看看这个项目用了什么技术栈"
│
▼
┌─ 第1轮：发给 AI ─────────────────────────┐
│ AI 判断：信息不够，我需要先看看文件列表 │
│ 返回：请求调用 [列出文件] 工具 │
│ 状态：tool_use（还没完） │
└──────────────────────────────────────────┘
│ 执行工具，拿到文件列表
▼
┌─ 第2轮：把文件列表发给 AI ───────────────┐
│ AI 判断：看到了 package.json，我要读一下 │
│ 返回：请求调用 [读取文件] 工具 │
│ 状态：tool_use（还没完） │
└──────────────────────────────────────────┘
│ 执行工具，拿到文件内容
▼
┌─ 第3轮：把文件内容发给 AI ───────────────┐
│ AI 判断：信息够了，可以回答了 │
│ 返回："这个项目用的是 React + Vite" │
│ 状态：end_turn（结束） │
└──────────────────────────────────────────┘
│
▼
展示给你
```
注意看：AI 自己并没有在"循环"。每一轮它只做一个决策——要么请求工具，要么给出回答。是外面的程序在循环调用 AI。
核心循环的伪代码
把 Agent 的核心逻辑写成伪代码，大概 15 行：
```
function agentLoop(用户消息, 工具清单) {
消息历史 = [用户消息]
while (true) {
AI返回 = 调用大模型(消息历史, 工具清单)
if (AI返回.状态 == "end_turn") {
// AI 说完了，展示给用户
return AI返回.文本内容
}
if (AI返回.状态 == "tool_use") {
// AI 要用工具，执行它
工具结果 = 执行工具(AI返回.工具名, AI返回.参数)
消息历史.追加(工具结果)
// continue → 带着工具结果再问一次 AI
}
}
}
```
Proma 用的 Claude SDK 把这个循环封装好了，调一次 `sdk.run()` 就完成整个过程。OpenClaw 用的 pi-agent-core 也做了类似的封装。不同的封装方式，底层都是这个循环结构。
AI 怎么知道自己能用工具？
这是很多人好奇的点。答案很简单：你告诉它的。
在第一次调用 AI 的时候，除了发送用户的消息，还会附带一份工具清单。这份清单用结构化的格式描述了每个工具的名称、功能和参数。比如：
```
工具清单：
├── read_file（读取文件）
│ 参数：file_path（文件路径）
├── run_command（执行命令）
│ 参数：command（命令内容）
├── search_web（搜索网页）
│ 参数：query（搜索关键词）
└── write_file（写入文件）
参数：file_path, content
```
AI 模型在训练阶段就学会了：当你给我工具清单时，我可以在需要的时候请求使用这些工具。它返回的不是"帮我查一下"这种自然语言，而是结构化的指令——工具名 + 参数，外面的程序解析后直接执行。
为什么不会无限循环？
三道保险：
1. AI 自己会停 — 当它判断信息足够回答问题时，就返回文本而不是工具调用。这是模型训练出来的能力。
2. 最大轮次限制 — 程序会设置一个上限（比如最多跑 50 轮），超过就强制停止。
3. 上下文长度限制 — 每轮对话的历史都会累积，超过模型的上下文窗口后，要么压缩要么截断。
实际使用中，大部分任务在 3-10 轮内就能完成。
两个开源项目的对比
我拆的两个项目，架构思路一样，但实现方式不同：
```
Proma OpenClaw
─────────────────────────────────────────────────
- 作者:NotionNext
- 链接:https://tangly1024.com/article/ai-agent-how-it-works
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
