Agent 智能体
Agent（智能体）是链盒 AI 能力中最高级的形态。它不再只是「问一个答一个」， 而是自主拆解任务、多步推理、调用工具、迭代到完成， 能处理需要规划和决策的复杂任务。
Agent 与普通 AI 节点的区别
| 维度 | 普通 AI 节点 | Agent |
|---|---|---|
| 执行方式 | 单次调用，一问一答 | 多轮自主推理 |
| 工具使用 | 无 | 可调用流程中的其他动作作为工具 |
| 决策能力 | 按提示词直接生成 | 自主规划、调整策略 |
| 迭代 | 一次完成 | 循环改进直到任务完成 |
Agent 如何工作
「运行 Agent」节点（run_agent）的执行流程：
- 接收任务描述：告诉 Agent 要完成什么目标
- 规划：Agent 自主拆解任务，决定先做什么后做什么
- 调用工具：流程中的其他动作（如查询数据、发送消息、调用 API）作为 Agent 的工具，按需调用
- 推理迭代：根据工具返回的结果继续推理，调整下一步
- 完成：达到目标或迭代次数上限时结束，输出结果
关键参数是迭代次数——限制 Agent 最多推理多少轮，避免无限循环， 也控制 Token 消耗。
典型场景
智能客服处理
收到客户咨询 → Agent 自主判断问题类型 → 查询知识库（工具）→ 查询订单状态（工具）→ 综合信息生成回复 → 发送给客户。整个过程 Agent 自主决策调用哪些工具。
数据调研
给定一个主题 → Agent 搜索资料（工具）→ 提取关键信息（工具）→ 交叉验证 → 生成调研报告。多步自主完成。
异常根因分析
系统告警 → Agent 拉取日志（工具）→ 分析关联 → 查询监控（工具）→ 定位根因 → 生成处置建议。
使用要点
- 清晰的任务描述：把目标、约束、可用信息说清楚，Agent 才能正确规划
- 合理的工具集：把流程中相关的动作配置为 Agent 可用工具，过多过少都不好
- 迭代次数：复杂任务设高一些（如 10-20），简单任务设低（3-5）省成本
- 结果校验：Agent 输出仍需核对，关键决策建议加人工确认节点
成本与可控性：Agent 的多轮推理会消耗较多 Token。 生产环境务必设置迭代上限，并在运行历史中观察 Agent 的实际推理过程， 确认其行为符合预期。
启用条件
Agent 由平台计划的 agentsEnabled 标志控制（企业版功能）， 并依赖平台配置的 AI 提供商。Agent 能力越强的模型（如 Claude、GPT-4 级）效果越好。