智能体1.0和2.0架构

企业中一般智能体的实现，搭建一个while循环--获取用户提示词，发送给大模型，解析工具调用，执行工具，返回结果，再循环，这是智能体1.0的架构。

智能体1.0架构可以很好的解决事务性的任务，比如问天气如何？应该穿什么衣服？

这种架构是无状态的，严重依赖整个大脑的上下文窗口。

但如果解决复杂性任务，需要执行50步，这样的架构大模型必然会分心、丢失上下文，或因为超过上下文窗口而产生幻觉、陷入无限循环，这也是manus这种智能体面对复杂任务处理不好的原因。

为了让智能体解决复杂任务，架构就需要将规划与执行解耦，不仅仅是在循环中被动响应了，而是需要主动做任务规划、管理持久记忆，并将工作任务委派给专门的子智能体，以实现分步骤解决复杂问题，这是智能体2.0架构的实现思路。

比如在manus中，会通过Markdown文档维护一个待办事务列表，形成一个显示的计划。

在完成每一个子任务，智能体都会审查并更新此计划，将步骤标记为待处理、进行中、已完状态。

如果某个步骤执行失败，它不会盲目重试，而是更新计划以适应失败。

这让智能体可以专注更高层次的任务。

复杂任务会被拆成多个专业化的子任务，并且对子任务执行进行编排。

主智能体将主任务拆分，编排器决定哪些任务委派给哪个子智能体，每个子智能体都有干净的上下文，这样在子智能体内可以执行工具调用、循环调用，返回结果给编排器。

复杂任务上下文会非常多，为了防止上下文窗口溢出，智能体2.0架构会引入外部记忆源，如文件系统或向量数据库用于存储记忆，包括任务执行的中间结果（代码、草稿、原始数据），后续智能体引用文本路径或在存储中检索必要内容，因为智能体知道在哪里找到信息。

更智能的模型需要更高质量的上下文提示，依赖高度详细的指令，这些指令定义了：何时停下来进行规划、何时生成子任务、工具定义与描述、工具如何使用。

智能体2.0架构和智能体1.0架构最大的区别是，不仅仅通过LLM链接更多的工具，而是从被动循环到主动规划的转变，从围绕于模型到围绕于工程架构的体现。

通过显示规划、子任务和子智能体的委派、主动控制上下文就可以控制了复杂任务解决的复杂度。