Agent 策略与推理
Agent（智能体） 与工作流相反：你不规定步骤，而是给模型目标、工具和推理框架，让它自己决定「先做什么、调哪个工具、下一步怎么办」。本章讲清它的原理与配置。
1. 什么是 Agent
- 工作流：你画好流程图，机器照走
- Agent：你给目标 + 工具箱，模型自己规划路径
Agent 适合开放、路径不确定的任务：订机票、排查故障、跨系统办事。
ℹ️Agent 不是魔法
Agent 的可靠性高度依赖「工具质量 + 提示词约束 + 推理策略」。工具描述不清、目标模糊，Agent 就会乱来或陷入循环。
2. ReAct 推理范式
Dify 的 Agent 多基于 ReAct（Reason + Act） 循环：
Thought（思考）：我需要先查订单状态
Action（行动）：调用 query_order(ORD-123)
Observation（观察）：返回「已发货」
Thought：用户还问了预计到货，我调用物流查询
Action：call_logistics(ORD-123)
Observation：预计明天
Thought：信息齐了，可以回答了
Final Answer：您的订单已发货，预计明天送达。模型在「思考—行动—观察」间循环，直到认为能给出最终答案。
3. 推理模式与策略
Dify 提供不同 Agent 策略（随版本演进）：
- Function Calling（工具调用）：模型直接输出结构化工具调用，稳定高效（主流推荐）
- ReAct：以自然语言 Thought/Action 循环，兼容性强
- 可在 Agent 设置中选择策略并配置最大迭代次数（防死循环）
Agent 设置：
推理策略：Function Calling
最大迭代轮数：5
失败重试：2⚠️务必设最大迭代
不设上限，Agent 可能在「调工具→不满意→再调」里无限循环，既慢又烧 token。5–10 轮通常足够，超限就让它诚实说「无法完成」。
4. 给 Agent 配工具
Agent 的能力 = 你挂载的工具集合。常见组合：
- 搜索工具（获取实时信息）
- 内部 API 工具（查/办业务）
- 代码工具（计算、解析）
- 知识库检索（基于私有资料）
工具的 description 越清楚，Agent 选得越准（回看第 9 章）。
5. 提示词约束 Agent
用系统提示框定边界：
你是一个运维助手。可以调用查询类工具，但禁止执行任何写操作。
每步先说明你要做什么，再调用工具。
若两次尝试仍无结果，停止并说明原因。💡Agent + 工作流混合
复杂系统常这样设计：外层 Agent 负责「理解意图、拆解任务」，把确定性的子任务交给工作流/工具执行。兼顾灵活与可控。
🎯动手做
创建一个 Agent 应用，挂载「Web 搜索」+ 一个查询类自定义工具，设最大迭代 5 轮，问一个需要多步查证的问题（如「对比 A 和 B 两款产品的价格与特性」），观察它的推理过程。
小结
- Agent 自主规划步骤，适合开放不确定任务
- ReAct / Function Calling 是主流推理范式
- 必须设最大迭代防死循环；工具描述决定调用准确率
- 用提示词约束边界；常与工作流混合使用
- 下一步：接入你自己的大模型 →