Agent 系统组导览

所在组：Agent 系统 ｜ 上一组出口：能定义并安全执行一次受控动作 ｜ 本组出口：能搭建一个有状态、可恢复、权限受限的自治循环

1. 概述

结论先讲：本组把「单次动作」升级为「持续闭环」：模型在一个循环里观察、决策、行动，直到触发停止条件。闭环带来自治，也带来新的失败维度——状态膨胀、死循环、错误传播、无人监督的副作用。组内十页按「先心智模型、再模式、再控制面、最后规模化」排列。

顺序	页面	回答的问题
前门	心智模型与运行时	闭环由什么组成？何时值得上 agent？
模式	设计模式	ReAct、路由、规划-执行、反思如何选？
状态	状态与记忆	跨步/跨轮的数据放哪、怎么恢复？
控制面	Hooks	生命周期拦截与自动化策略门
控制面	恢复与人工批准	失败后回到哪个状态？何时必须等人？
环境适配	Computer Use	只有视觉 UI 可用时如何 observe→act→verify
确定性替代	工作流模式	什么时候不要用 agent
能力包装	Skills · Plugins	程序性知识与能力包的分发
规模化	子代理 / 多 Agent	同信任域内的委派与编排

边界：跨进程 / 组织 / 信任域的委派不属于本组——先过 互操作组（A2A 等）。

2. 使用

• 第一次接触 agent：按上表从 心智模型与运行时 顺序读。
• 已在生产跑 agent：直接跳 恢复与人工批准 与 Hooks。
• 不确定该不该用 agent：先读 工作流模式 的反向决策。

3. 原理

闭环的三个不变量：停止条件必须显式（步数 / token / 时间三轴预算）、状态必须可检查点、副作用必须经过行动组的执行纪律。缺任何一条，自治只会放大失败。

4. 开发

各组员的开发段共用同一套调试口径：症状 → 证据（trace/checkpoint）→ 处理 → 完成标准。多 agent 的调试单位是委派；单 agent 的调试单位是循环步。

5. 资料库

各主题页自带四级阅读路线；组级入口推荐 Anthropic《Building Effective Agents》与 OpenAI Agents 指南（见 agent-runtime 资料库表）。