LLM Agent 常见功能有哪些？
- 标签：大模型、AI、Agent
🏛 业务架构师
LLM Agent 的常见功能，我按业务场景归类：
信息获取类：联网搜索、知识库检索、数据库查询——客服问答、市场调研、内部知识助手。
内容生产类：文案生成、报告撰写、代码生成、翻译摘要——营销内容工厂、研发提效。
任务自动化类：跨系统操作（建工单、改状态、发通知）、流程触发、定时任务——IT 运维 Agent、运营自动化。
分析决策类：数据分析、图表生成、风险评估、方案对比——数据分析师 Agent、投研助手。
多 Agent 协作类：主 Agent 调度多个专职子 Agent（写作 Agent+审校 Agent+排版 Agent），或跨系统 Agent 通过 A2A 协作。
2026 年的企业热点落地区域（按 ROI 排）：第一梯队是内部效率工具（知识问答、代码助手、工单处理）——风险低、见效快；第二梯队是受监督的客户服务（客服辅助、导购咨询）；第三梯队才是开放域自主任务——能力尚在爬坡，企业普遍采取"人审后行"模式。
我的选型逻辑：Agent 功能清单不在多而在闭环——每个功能要能回答"价值怎么度量、出错怎么兜底"两个问题。能用工作流解决的别上 Agent，能单 Agent 解决的别搞多 Agent，复杂度只有被业务价值证明才值得引入。
🏗 系统架构师
LLM Agent 的常见功能我按能力域归类，并给出架构定位：
- 对话交互：多轮对话、上下文管理、流式输出、多模态输入输出（图文音）——基础能力层；
- 知识检索（RAG）：私有知识问答、文档摘要、引用溯源——事实供给层，治幻觉的主力；
- 工具调用（Function Calling/MCP）：查数据库、调 API、发邮件、执行代码——行动能力层，Agent 与聊天机器人的分界线；
- 任务规划与编排：任务分解、多步执行、子 Agent 委派（Subagent 模式）、动态路由——复杂任务层；
- 自主执行（Computer Use）：操作浏览器、GUI 自动化、文件系统操作——最高自主权，需沙箱；
- 代码生成与执行：写代码、跑脚本、数据分析、自动修复循环——开发场景核心；
- 记忆与个性化：长期记忆、用户画像、偏好学习——体验层；
- 协作通信（A2A）：跨 Agent 委托任务、多 Agent 协作——生态层。
架构师视角的分层规律：风险与自主权正相关的顺序是：对话 < 检索 < 工具调用 < 代码执行 < Computer Use。自主权每升一级，护栏（沙箱、审批、熔断）的工程投入要同步升级——功能清单好抄，分级治理体系才是 Agent 平台的护城河。
💻 全栈开发专家
LLM Agent 常见功能按我做的产品线归类：
- 对话交互：多轮对话、上下文记忆、流式输出、多模态输入（图/文档）；
- 知识检索（RAG）：私有知识问答、引用溯源、多知识库路由；
- 工具调用：查数据库（Text2SQL）、调内部 API、搜索引擎、发邮件/IM 消息、日历操作；
- 自动化执行：代码生成与执行（沙箱）、文件处理、批量任务（数据清洗、报告生成）；
- 规划与编排：任务分解、多步工作流、定时/触发式任务；
- 多 Agent 协作：子 Agent 委派、专家 Agent 路由（A2A）；
- 记忆与个性化：用户偏好沉淀、跨会话记忆；
- 人机协同：关键节点人工审批、接管与回放。
产品视角的功能分层（怎么规划 MVP）：
- 第一期：对话 + RAG + 3 个核心工具（解决 80% 高频诉求）；
- 第二期：任务编排 + 记忆（从「问答」升级到「办事」）；
- 第三期：多 Agent + 自主任务（Background Agent）。
经验之谈：功能广度不值钱，可靠性地做好三五个功能才是产品口碑来源。我们的原则是每个工具上线前必须有：超时控制、参数校验、失败降级、审计日志——这四样齐了才允许 Agent 调用。见过太多 Agent demo 功能列表拉满，实际用户用两次就因为一次错误操作永久流失。