AI Agent 的五大核心模块：一个"完整的人"是怎么构成的

更新: 7/13/2026 字数: 0 字 时长: 0 分钟

上一步我们讲了 AI Agent 靠"想—做—看"的循环干活。那要支撑起这个循环，它内部得有哪些"零件"？业界有一个广受认可的经典拆分：规划、记忆、工具、行动、感知五大模块。理解了它们，你就摸清了 AI Agent 的整体骨架。下面逐个讲清楚。

一、用一个"完整的人"来理解五大模块

在深入之前，先给你一个总的画面：一个 AI Agent，就像一个"功能齐全的人"。 这五大模块，恰好对应人身上不同的部位:

• 感知 = 眼睛和耳朵（接收信息）
• 规划 = 大脑（思考决策）
• 记忆 = 记性（记住经历）
• 工具 = 会使用各种器械的本事（借助外力）
• 行动 = 手和脚（真正动手做）

记住这个"人"的比喻，下面每讲一个模块，你都能对号入座。

二、逐个拆解五大模块

模块 1：感知（Perception）——Agent 的"眼睛和耳朵"

核心定位: 负责接收和理解外部信息，是 Agent 与外界打交道的入口。

关键功能: 读懂用户的指令，感知当前所处的环境和状况。信息可以是文字、图片、语音，也可以是某个系统传来的数据。

通俗示例: 你对智能助手说"帮我看看这张发票金额对不对"，它先"看懂"你的话、"看清"发票上的内容——这就是感知在工作。没有它，Agent 就像闭着眼、堵着耳，根本不知道你要干嘛。

模块 2：规划（Planning）——Agent 的"大脑"

核心定位: 整个 Agent 的指挥中枢，负责思考、决策、把大任务拆成小步骤。这是五大模块里最核心的"总指挥"。

关键功能: 理解目标后，盘算"这事分几步做、先做哪步、遇到问题怎么调整"。

术语补充——"大脑"是谁? 规划模块的智能，主要来自背后的大模型。大模型负责理解和推理，相当于 Agent 的思考引擎。

通俗示例: 你说"帮我筹备一次生日会"，规划模块就像总管盘算:"先定人数 → 再订场地 → 然后买蛋糕 → 最后发邀请。" 它把一个笼统的大任务，拆成了清晰可执行的步骤。

模块 3：记忆（Memory）——Agent 的"记性"

核心定位: 负责存储和回忆信息，让 Agent 不会"转头就忘"。

关键功能: 通常分两种——

• 短期记忆: 记住当前这次任务里的上下文，比如你前几句说了什么；
• 长期记忆: 记住跨越多次对话的长期信息，比如你的偏好、习惯、历史记录。

通俗示例: 你上周告诉助手"我不吃辣"，这周让它推荐餐厅时它自动避开川菜馆——这就是长期记忆在起作用。有了记忆，Agent 才能越用越懂你，而不是每次都从零开始。

模块 4：工具（Tools）——Agent"会借力"的本事

核心定位: 让 Agent 能调用外部的各种能力和服务，弥补自身的不足。

关键功能: 大模型本身查不了实时天气、算不准复杂账、也订不了票。工具模块就是让它能"外接"这些能力——查资料、做计算、调用软件服务等。

术语补充——工具: 可以理解成 Agent 能使唤的各种"外部帮手",比如搜索引擎、计算器、地图、订票系统等。

通俗示例: 你问"今天股市涨了吗"，Agent 自己不知道，但它会调用"行情查询工具"取到实时数据。就像人不会飞，但会开车、坐飞机——靠工具扩展自己的能力边界。

模块 5：行动（Action）——Agent 的"手和脚"

核心定位: 负责把规划和决策真正付诸执行，产生对外界的实际影响。

关键功能: 执行具体操作——发出一条消息、提交一个订单、修改一份文件、控制某个设备等。规划是"想",行动是"做"。

通俗示例: 规划模块决定"该下单订票了"，行动模块就真的去点击"提交订单"，把票订下来。没有行动，再好的计划也只是空想。

三、五大模块如何协同工作？

这五个模块不是各干各的，而是以规划（大脑）为中枢，紧密配合、循环运转。我们用"帮我订一张明天去上海最便宜的高铁票"串一遍:

1. 感知先接收并读懂你的要求:目标是订票，条件是"明天、去上海、最便宜"。

2. 规划（大脑）开始盘算步骤:"先查车次 → 挑最便宜的 → 下单。" 同时它会问记忆:"这位用户有没有什么偏好？"——记忆答:"他习惯坐上午的车。" 于是计划更贴心了。

3. 计划要执行，就得靠工具:规划决定"查车次",行动模块便调用查票工具去查。

4. 行动真正执行——先查到车次，再提交订单。

5. 每做完一步，感知又会接收执行结果（"查到了 8 趟""下单成功"），反馈给规划判断下一步。

6. 这个"感知→规划(结合记忆)→工具→行动→再感知"的过程循环往复，直到任务完成。期间的关键信息还会被记忆存下来，供以后使用。

一句话概括协同逻辑: 感知负责"看懂",记忆负责"记牢",规划负责"拿主意",工具负责"借外力",行动负责"真执行"——五者以规划为核心不断循环，共同支撑起 Agent 自主完成任务的能力。

如果把 AI Agent 看作一个"完整的人",那么感知是它的眼耳、规划是它的大脑、记忆是它的记性、工具是它会借力的本事、行动是它的手脚——五大模块各司其职又紧密协作，正是这套分工，让 AI 从"只会聊天"进化成了"能独立把事办成"的智能体。