交互式 AI Agent 架构可视化实验室
AI Agent
架构可视化实验室
从 Agent 循环到多智能体协作，从工具调用到安全护栏，把 AI Agent 的黑箱拆成你能看见的零件。对标 LangChain / AutoGPT / CrewAI 架构。
8
可视化模块
20+
交互参数
LangChain
对标框架
0
外部依赖
01
Agent 循环架构
Agent 的核心是「感知 → 思考 → 行动」循环。观察环境输入，LLM 推理决策，执行工具调用，观察结果反馈，循环往复直到任务完成。
02
ReAct 推理模式
ReAct (Reasoning + Acting) 将推理与行动交错执行：Thought → Action → Observation 循环，让 Agent 边想边做，逐步逼近答案。
03
工具调用与函数选择
Function Calling 让 LLM 选择正确的工具并提取参数。可视化工具注册表、选择概率和参数提取过程。
04
规划策略对比
Chain-of-Thought (CoT)、Tree-of-Thoughts (ToT)、Graph-of-Thoughts (GoT) 三种规划策略的结构与权衡。
05
Agent 记忆系统
短期记忆 (上下文窗口)、长期记忆 (向量数据库)、情景记忆 (经验回放) 三层记忆架构。
06
多智能体协作模式
Supervisor (主管)、Peer-to-Peer (对等)、Hierarchical (层级) 三种多 Agent 协作架构。
07
安全护栏与防护
输入过滤、输出审查、越狱防护、权限控制 — Agent 安全的四道防线。
08
评估与可观测性
Agent 评估指标体系：任务成功率、工具调用准确率、平均步数、Token 消耗。可观测性 Trace 链路追踪。