AI Agent 的核心组件有哪些？感知、决策、执行、记忆各自的作用是什么？

🏛 业务架构师

AI Agent 的核心组件，我用"一个人"的比喻来组织：

感知（眼耳）：接收外部输入——用户消息、环境状态、工具返回结果、事件流。工程上要做输入的标准化和预处理（多渠道、多模态归一），感知质量决定后续决策的原料质量。
决策（大脑，LLM）：理解任务、规划步骤、选择工具、评估中间结果。模型能力+System Prompt 约束+推理范式（ReAct/规划）共同决定决策水平。这是 Agent 的"智力中枢"，也是成本大头。
执行（手脚，工具系统）：通过 Function Calling/MCP 调用真实能力——查询、写操作、代码执行。执行层要带权限校验、幂等保护、结果限幅，是治理的重点部位。
记忆（笔记本与档案柜）：短期记忆（会话上下文）维持任务连贯；长期记忆（用户画像、历史经验）支撑跨会话个性化。记忆管理（写入过滤、读取相关、可删可审计）是体验与合规的平衡点。

四者的协作闭环：感知输入 → 决策规划 → 执行动作 → 感知执行结果 → 再决策……循环直至完成。

业务视角必须补的第五件套——治理层：权限、审计、预算、人工介入点。前四件决定 Agent"能干什么"，治理层决定企业"敢让它干什么"。做架构设计时我总是先划治理边界（哪些动作要人审、哪些数据碰不得），再谈能力建设——顺序对了，Agent 才是生产力；反了，就是风险源。

AI Agent 四大核心组件，我按数据流职责讲，这是分析一切 Agent 系统的框架：

感知（Perception）：环境与用户输入的接收和结构化——多渠道消息接入、多模态解析（文本/图像/语音）、上下文环境变量（时间、位置、会话状态）。架构要点：归一化为统一消息协议，让决策层不感知渠道差异；
决策（Decision/Planning）：以 LLM 为核心的"大脑"——任务理解与分解、路径规划（下一步做什么）、工具选择、终止判断。可以是隐式的（ReAct 循环中边走边决策）或显式的（先规划 DAG 再执行）。架构要点：决策要可解释（Thought 外显）、可熔断（预算保险丝）；
执行（Action）：工具调用与动作实施——Function Calling/MCP 工具、代码执行沙箱、API 调用、对物理/UI 系统的操作（Computer Use）。架构要点：参数校验、权限管道、沙箱隔离、幂等重试——副作用的可靠性全部由这层的工程件保证；
记忆（Memory）：状态的存储与检索——短期（上下文窗口内的会话历史）、长期（外部化的用户画像/事实/情节记忆）。架构要点：读写异步化、检索注入预算化、记忆治理（冲突合并、TTL）。

四者的协同闭环：感知输入 → 结合记忆 → 决策规划 → 执行动作 → 结果回填记忆与感知 → 循环至终止。

架构本质：这就是经典的"感知-决策-执行"控制回路 + 状态存储，与自动驾驶、机器人架构同构——LLM 的加入只是把"决策器"从规则/小模型换成了大模型，工程可靠性骨架没有变。

Agent 四大核心组件按「感知-决策-执行-记忆」讲职责：

感知（Perception）：把外部输入变成模型可处理的上下文。包括：多渠道消息接入与标准化、多模态解析（图片OCR/VLM）、事件监听（定时器/webhook/文件变更）。工程要点：入站数据是不可信的——注入检测、格式规范化、PII 处理都在这一层做，脏数据不要漏到决策层。
决策（LLM + 规划）：大脑。基于当前状态推理下一步：任务分解（大目标拆步骤）、策略选择（用什么工具/问谁）、反思修正（观察与预期不符时调整）。工程要点：规划质量取决于上下文质量和工具描述清晰度，prompt 优化和 few-shot 在这层做；纯规则能定的决策别浪费 LLM。
执行（Tools/Action）：手。工具调用、代码执行、消息发送，产生真实世界副作用。工程要点：参数校验、权限管道、沙箱隔离、超时重试、幂等键——执行层的安全设计决定系统能不能上生产。
记忆（Memory）：跨时间的状态。短期（会话内消息历史，窗口管理）+ 长期（外置存储的事实/偏好/技能，检索注入）。工程要点：记忆读写要有门槛和隔离，污染的记忆比没有记忆更糟。

四者的闭环：感知输入 → 记忆提供背景 → 决策 → 执行 → 观察结果更新记忆 → 循环。

我的架构心得：demo 阶段大家全押决策层（换更强的模型）；生产阶段的问题 80% 出在执行层安全性和记忆管理——组件的成熟度决定系统的天花板，而不是模型跑分。