Phase 4：Agent 机制（先裸写，再学框架）

用大白话说：这一页帮你搞懂「AI 助手（Agent）到底是怎么转起来的，它根本不神秘」。

Agent（说人话：一个会自己动手干活的 AI 助手，不光会聊天，还会去调工具）听着挺唬人。其实剥开看，核心就是一个 while 循环：问一句、想一下、要用工具就去用、拿到结果再答。

你现在的情况是：skills、记忆、知识库、LangChain 这些名词你都听过，但没从头到尾自己写过一个。所以我们反着来——先用 30 行代码裸写一个最小的 agent。写完你再回头看 LangChain、OpenClaw、Hermes，感觉会变成「哦，原来这一层就是我那个 while 啊」。

一、先把任何 Agent 拆成 6 模块（读码对照表）

不管哪家的 agent，拆开都是这 6 块。你把这张表记住，以后看谁的源码都不慌。可以拿一家公司来类比：老板（大脑）、员工手册（工具）、笔记本（记忆）、资料柜（知识库）、办公室（运行时），还有一个每天喊「下一步干嘛」的流程（循环）。

这一块叫什么	大白话：它干嘛的	你听过的对应名词
控制循环 / Orchestrator	「思考→行动」while 循环	agent loop
模型 / LLM	大脑	Hermes（模型侧）
工具 / Skills	能调用外部能力	skills
记忆 Memory	短期对话 + 长期存储	三层记忆
知识库 / RAG	检索文档增强	你了解的知识库
运行时 / 部署	把 agent 跑起来的服务	OpenClaw（运行时侧）

二、最小 agent 骨架（裸 Python，不依赖任何框架）

下面这段代码就是一个 agent 的全部家当，不装任何框架。你先粗读一遍：一个工具表、一个记忆列表、一个死循环，就这三样东西。

# 最小 agent：LLM + 循环 + 工具 + 记忆
tools = {
  "calculator": lambda x: eval(x),        # 工具表
}
memory = []                                # 短期记忆（对话历史）

def call_llm(prompt):
    # 这里接真实 LLM API（如 OpenAI / Hermes）
    # 返回文本，或带 <tool>calculator</tool> 的调用指令
    ...

while True:
    user = input("你: ")
    memory.append({"role": "user", "content": user})
    reply = call_llm(str(memory))
    if "<tool>" in reply:                  # 模型要调工具
        name, arg = parse_tool(reply)
        result = tools[name](arg)          # 执行工具
        memory.append({"role": "tool", "content": str(result)})
        reply = call_llm(str(memory))      # 把结果喂回去再答
    memory.append({"role": "assistant", "content": reply})
    print("Agent:", reply)

顺着读一遍这个流程：你说一句话 → 存进记忆 → 交给大脑想 → 大脑说「我要用计算器」 → 程序真的去算 → 把答案塞回记忆 → 再问大脑一次 → 它给你最终回答。就这么一圈一圈转。

练完这段，你会想通几件事： LangChain 的 AgentExecutor，不过是把这个 while 循环、工具表、记忆打了个包。 OpenClaw，是把它变成一个能长期跑着的服务。 Hermes，就是把大脑换成一个更聪明的模型。框架从此对你不再是黑箱。

三、映射到框架（读懂 OpenClaw / Hermes 源码的钥匙）

你写的每一行，在框架里都能找到对应的那一块。对着看，别硬啃。

你的 while True 循环 → LangChain 的 AgentExecutor，或者 OpenClaw 的 orchestrator。名字花哨，干的是同一件事。
tools 这个字典 → 就是所谓的 skills 注册表。
memory 这个列表 → 就是你见过的三层记忆（短期缓冲 + 长期存储）。
call_llm 这个函数 → 背后就是 Hermes 这类模型服务。
RAG（说人话：答题前先去翻资料，把查到的内容抄进题干）= 在 call_llm 之前先检索知识库，把找到的文档拼进 prompt。

四、读 OpenClaw / Hermes 源码的方法

别从第一行入口开始死磕，那样很容易看着看着就迷路。

你按上面那 6 个模块，一个一个去找。先找「主循环在哪」，那就是你的 while；再看工具是怎么注册进去的；然后看记忆存在哪；最后看 RAG 是从哪一步接进来的。具体手法用方法论那一章讲的「名词优先 + 数据流追踪」。

五、🔧 Phase 4 验收

这三条你都能做到，才算真懂了 agent，而不是只会念名词。

裸写的最小 agent 能跑通，至少能调起一个工具（计算器或者查天气都行）。
你能指着 LangChain 的某个类说：这个就对应我骨架里的哪一段。
打开 OpenClaw 或 Hermes 的源码，你能把 6 个模块各自的位置指出来。

下一步：Phase 5 视觉 Agent 收口——两线合一。