Agent五要素技术定义

Agent = LLM + Memory + Planning + Tools + Action

这是工程化的 Agent 定义——不是哲学上的"自主智能体"，而是五个具体可设计、可拆解、可写进 PRD 的技术要素。每一个要素对应一类 PM 决策。

五要素总览

要素	类比	核心 PM 决策
LLM（大脑）	决策中枢	选什么模型？模型能力够不够？成本怎么样？
Memory（笔记本）	记忆系统	它该记什么、忘什么？记忆放在哪里？
Planning（项目计划）	任务拆解	任务怎么拆？要不要让用户看到拆解步骤？
Tools（工具箱）	外部能力	给它什么工具？工具描述怎么写？
Action（双手）	真正执行	什么动作需要用户确认？什么可以自动执行？

详细展开见各专题页：Agent记忆体系 / Agent规划与反思 / Agent工具与行动

1. LLM — Agent 的大脑

LLM 是 Agent 的"决策中枢"，负责：

理解任务：你给它的指令
生成思考：决定下一步做什么
选择工具：什么时候用哪个工具
整合信息：把零散的工具返回结果拼成回答

模型评测三维度

维度	怎么测	典型差距
指令跟随	给一个复杂指令，看能否严格遵守	GPT-3.5 经常漏掉一两家/数据错位 → Claude Opus 4.7 完整有交叉验证；调研任务准确率 ~60% → ~95%
工具调用稳定性	让它调用 5 个以上工具，看会不会乱选/漏选	改完经常引入新 bug → 改完会主动跑测试；编程任务一次成功率 ~30% → ~80%
推理深度	给一个需要 2-3 步推理的问题	走两步就卡住 → 能完整跑完；操作任务完成率 ~10% → ~70%

2. Memory — Agent 的笔记本

人脑的记忆分很多种：你记得早餐吃了什么（短期）、记得三年前同事姓什么（长期）、记得怎么骑自行车（程序性）——Agent 也一样。

四类记忆详见 Agent记忆体系：

Working Memory（工作记忆）→ Context Window
Episodic Memory（情景记忆）→ 数据库
Semantic Memory（语义记忆）→ RAG 知识库
Procedural Memory（程序记忆）→ Skill/Workflows（如 CLAUDE.md）

3. Planning — Agent 的项目计划

Planning 是 Agent 的"任务拆解和路径规划"能力。

三步骤：

拆解：把大目标拆成小步骤
排序：决定先做哪步、后做哪步
调整：执行过程中根据反馈修改计划

PM 在 Planning 上必须做的两个核心决策：

计划是否需要给用户看？ 给看 = 用户有信任感、能干预（推荐）；不给看 = 体验更"无感"但翻车时用户没法救
用户能不能修改计划？ 能改 = 协作型产品（Cursor）；不能改 = 委派型产品（Devin）

三大范式（CoT/ReAct/Plan-and-Execute）+ 全/半/人驱动 Planning 对比，详见 Agent规划与反思。

4. Tools — Agent 的工具箱

Tools 是 Agent 能调用的外部能力——搜索、计算、读写文件、调 API、操作浏览器、执行代码。

LLM 本身只能"生成文本"，要做这些事必须"装上工具"——这个机制叫 Function Calling，2023.6 OpenAI 首发，现已是所有主流大模型（GPT-4o / Claude / Gemini）的标配能力。

工具设计、常见错误（1 tool 1 目标、Description 是说明书、10-15 个甜蜜点）、5 类 Agent 工具清单详见 Agent工具与行动。

底层调用范式（FC / MCP）详见 Function Calling与MCP。

5. Action — Agent 的双手

Action 是 Agent 真正执行动作的那一刻——Tools 是"可以做什么"的能力清单，Action 是"实际做了什么"的具体动作。

PM 在 Action 上要做的关键决策：

什么 Action 需要用户确认？
什么可以自动执行？
Action 失败了怎么办？
怎么恢复？

风险分级（低/中/高）+ PRD 标注规范详见 Agent工具与行动。

Manus 案例：一个真实 Agent 的五要素拆解

以"调研 AI 产品经理薪资"为例：

时间点	Agent 在做什么	用到了哪层技术
T+0s	任务拆解为有序步骤列表：1. 搜索招聘网站 2. 提取薪资数据 3. 交叉验证 4. 整理成报告	Planning
T+8s	生成一段 Python 代码（CodeAct 范式），代码里调用搜索工具执行查询。沙箱运行这段代码，返回搜索结果；从搜索结果中选取相关链接，用 Playwright（headless 浏览器）打开网页、滚动页面、提取正文	Tools + Action
T+30s	把网页中提取的薪资数据写入沙箱中的文件（如 notes_salary.md）。Manus 的设计哲学是把文件系统当作外挂记忆——重要信息存文件而非塞进上下文	Memory
T+5min	用不同关键词反复搜索（"AI PM 薪资"、"产品经理待遇 2026"、"AI PM salary China"），每搜一次就打开网页、提取数据、写入文件。Manus 的 System Prompt 要求必须从多来源交叉验证，不能只信一个网站	Action 循环

Manus 的 Working Memory 设计（教科书级）

Manus 把 Working Memory 切成"上半区 System Prompt（固定规则）+ 下半区 Event Stream（追加事件）"两区——完整的 System Prompt 文本、<tool_use_rules> 与 Event Stream 结构详见 Agent记忆体系，本页不重复展开。

OODA — Agent 工作的核心循环

五要素不是静态摆设，它们在 OODA 循环 里协同工作：

阶段	在做什么	用到的要素
Observe（观察）	看当前状态、读工具返回结果	Memory + Tools
Orient（定向）	理解当前在哪、距离目标多远	LLM
Decide（决策）	决定下一步做什么	LLM + Planning
Act（行动）	调用工具执行	Tools + Action

每一轮 Action 之后回到 Observe，循环往复，直到任务完成。

OODA 是 1950 年代美军决策框架（John Boyd 提出），被搬到 Agent 上完美契合——ReAct 范式本质上就是 OODA 的简化版（Reason→Act→Observe→Reason）。

五要素 vs 五能力（Day9 vs Day10 视角）

Day9 用"架构视角"讲五要素（LLM+Memory+Planning+Tools+Action）；Day10 用"能力视角"重新组织成 5 大核心能力（Reflection / Tool Use / Planning / Memory / Multi-Agent）。

两个视角的映射：

Day9 架构要素	Day10 能力视角
LLM	（底层，所有能力的基础）
Memory	Memory
Planning	Planning（含 Reflection 作为子能力）
Tools	Tool Use
Action	（融在 Tool Use 执行环节）
——	Multi-Agent（跨单 Agent 的协作层，独立维度）

实际工作中两个视角都用：架构视角决定"系统怎么搭"，能力视角决定"PRD 怎么写"。