智能体式 AI 将模型、工具和控制循环结合起来，分多步完成目标。系统可以检查结果并选择下一步操作；可靠性取决于具体实现、权限和验证机制。
自主 AI 智能体在执行中会调用外部工具来扩展能力，常见工具包括网页搜索、代码解释器、文件读写、日历访问和外部服务 API。模型根据当前步骤决定何时使用什么工具、传入哪些参数，再将结果纳入下一步推理。
每次工具调用或行动后，智能体都会观察结果并调整。网页搜索不足时会更换检索词；生成的代码报错时会阅读报错并修改。行动、观察、修订的循环，使复杂任务无需人类逐步指导也能完成。
用户先提供高层目标，例如“汇总上月全部客户投诉”“在周四前订到最便宜的柏林航班”或“找出这些合同中非标准责任条款”。系统得到目标，却没有得到完成方法。
系统核心的语言模型会生成计划，推理需要哪些步骤、可用哪些工具、应按何种顺序进行。Yao 等人在 2022 年提出的 ReAct 模式是一种常用框架，它交织推理轨迹与具体行动：模型思考、行动、观察结果、再思考下一步。
计划不是固定脚本。如果早期步骤产生意外结果，模型会修改方法，而不是沿着预定路线继续。
执行需要超出模型内部知识。系统会调用工具：用网页搜索取回最新信息，用代码解释器做计算，用数据库查询提取结构化记录，或通过 API 在外部系统采取行动。每次调用都由模型按当前步骤需要选择。
每项工具输出又成为下一步推理的输入。模型阅读结果，并决定继续、重复还是转向。
写入文件失败时，系统会读取错误；搜索返回无关结果时，会重写查询；代码输出错误时，会调试。循环持续到目标完成或系统判定自己卡住。
参考来源