Agent 交互形态演化

现代 LLM Agent 的形态，起源于姚顺雨 的 ReAct 一文。这篇文章继承了历史上的 Agent 的工作流程，并将其扩展到 LLM Agent 中。

下文讲解当下 Agent 的主要形态和演化过程。

1. ReAct

ReAct 是 reasoning + acting （推理+执行）的缩写。它的核心思想是：让模型先观察、然后推理，再调用工具，并观察工具执行的结果，根据结果继续推理。这种形式可以完成简单的单步任务。

我们可以很自然地为 ReAct Agent 添加一个固定次数的循环，或者要求 Agent 直到（自己觉得）完成了某个具体的要求才能结束循环。这样就能让 Agent 执行多步任务。

这个时期的 Agent 执行的步数可能只有固定的几步。

这类 Agent 能做到的事情比较有限，只有一些步骤不多、有一定不确定性，且无法写成结构化的规则的任务。

2. Coding Agent 与 Coding CLI

计算机命令行（Command-Line），是一个能够将输入和输出都统一为文本流的绝佳环境。从 GitHub Copilot 和 Cursor 开始，Agent 开始大规模在命令行中进行工作。

CLI 是 Command-Line Interface， 即命令行界面的缩写。命令行界面是基于文本的界面（Text-based User Interface, TUI）。TUI 通过文本符号渲染一个简单的交互界面供用户使用。

相较于简单的 Coding Agent, Coding CLI 因其能够通过命令行进行交互，故可以直接在本地文件系统中工作，使得获取信息的效率进一步提升。

这个时期， Agent 可以一口气参考十个以上的文档，并连续执行十几步的工作流程。Agent 的每一步工作，都能直接从代码的正确执行、历史记录、乃至报错中，获得最真实有效的反馈。

这类 Agent 能够浏览本地文件、写代码、改文档、读数据库、维护本地知识库、做项目级长期任务，而且能直接调用本地安装过的工具来为自己提效，如 grep, Git, FFmpeg 等等。

3. Self-improve Agent

Self-improve Agent （自进化 Agent ）会根据运行结果和环境的反馈，调整自己的策略、规则或工具使用方式，并将规则固化下来，形成可以复用的的文档、代码、规范等。

这个时期 Agent 能够执行几十步甚至上百步的任务。此时任务步数已经不太能衡量 Agent 的性能了，更好的指标是 Agent 稳定运行的时间。

这类 Agent 开始以小时为单位，自主稳定运行、自主纠错、沉淀经验教训，并能主动改造已有且不完善的流程。 Agent 开始进入“越用越好用”、“越用越懂你”的阶段。

4. 类 OpenClaw Agent

严格来说， OpenClaw 不是一个良定义的 Agent 类型。它只不过是将 Agent 接入了聊天软件，并进行了一系列的适配，使得没有用过 Agent 的人也能通过聊天软件，比较轻松地用上 Agent。

OpenClaw 的本质还是 Coding Agent 的一套逻辑（OpenClaw 的核心框架是 Pi ，一个极其简单但扩展性极强的 Coding Agent），可以自行配置一些 self-improve 策略，能够执行一些定时任务。但考虑在2026年初 “龙虾热潮” 的影响下，大量的其他 Agent 也能够直接接入用户的聊天框了，因此本文将其记录进来。

5. 为什么要使用 （本地）Agent

Agent 能够直接驱动现在最强的开/闭源模型，为你设定的具体目标，不知疲倦地工作。但仅凭这一点，并不能说明为什么一定要使用本地 Agent，因为现在网页版本的 Agent 也有良好的性能表现。

使用本地 Agent 最大的理由是，本地 Agent 直接使用你的工作环境，适应你的工作习惯：

你在本地留下的一切，工作目录，工作文件，使用习惯， 对你本人而言，比网络上的任何信息都更可信；而 Agent 可以学习、继承这些配置和习惯，并且在此基础上进行深入的工作。