IT爱学堂-2026年零基础手写AI Agent(最新更新手写OpenClaw)

零基础手写 AI Agent 系统课（中）：拆解记忆、规划与工具调用

记忆系统决定 Agent 是否能“记住该记住的东西”。它通常分为几类：工作记忆负责当前会话的上下文，短期记忆保存最近几轮交互，长期记忆保存跨会话的用户偏好、知识片段和历史经验。工作记忆容量有限，不能无限堆叠；长期记忆也不能简单把所有历史塞进去，否则检索会变慢、噪声会增多。工程上更常见的做法是：当前对话保留在上下文窗口，重要事实抽取后存入结构化存储，历史会话通过向量检索按需召回。

规划系统决定 Agent 如何拆解任务。常见方式包括：先整体规划再逐步执行，或者边推理边行动。前者适合目标明确、步骤可预判的任务；后者适合环境变化多、需要随时调整的任务。手写规划时，关键不是让模型一次写出完美计划，而是给它明确的步骤边界：每一步要做什么、需要哪些输入、如何判断完成、失败后如何重试。规划越清晰，Agent 越不容易跑偏。

工具调用是 Agent 从“说话”走向“做事”的关键。模型本身不能直接访问数据库、文件、网页或业务系统，它只能通过工具描述来请求外部能力。工具设计需要明确名称、用途、输入参数、返回结果和失败处理方式。如果工具描述模糊，模型就可能传错参数；如果返回结果没有校验，错误就会被带入后续步骤。生产级 Agent 还需要限制权限，避免模型误触发高风险操作

本作品采用《CC 协议》，转载必须注明作者和本文链接