前面我们干了很多事情来完善一个有温度、有记忆、会倾听的情感聊天机器人 —— ”kaguya“。它可以理解用户情绪、记住对话历史、基于提示词工程展现一个稳定的人格，通过上下文管理实现自然连贯的交互体验。

但是，我们还有一个问题要思考： 它真的能主动关心我吗？ 这答案，可能是否定的。

当前的”kaguya“ 本质上还是一个”反应系统“ —— 它在等待用户输入，然后生成回应。它不会在你连续三天情绪低迷的时候，提醒你注意心理健康，不会在你生日当天送上祝福，无法根据你的生活习惯建议冥想时间或者直接推送舒缓音乐。

这只不过是一台对话机器，不是一位陪伴伙伴。

要实现真正的智能，需要进行一次范式跃迁： 被动响应 走向 主动服务，从语言模型调用者变为 智能体设计者。

我们来引入 Agent 架构，赋予 AI “思考-决策-行动”的闭环能力，让“kaguya”从一个会说话的模型，成长为一个能感知、会规划、可执行的数字生命！（图恒宇！）

先抛出三个问题：

1. 什么是Agent？它和普通聊天机器人有什么本质上的区别？
2. 如何基于Agent架构重构“kaguya”？ 让它拥有主动关怀、任务执行和长期陪伴的能力？
3. Agent 技术如何与已有模块（Prompt、RAG、记忆系统）协同，构建更加强大的情感支持系统？

Agent的本质：不只是工具调用，“自主性”的觉醒

什么样的系统才算“智能“？ 传统软件是固定的：

输入 A，执行逻辑B，得到结果C

大模型带来了概率性生成的能力，让系统可以”说人话“

真正让AI接近”智能体“的，则是至关重要的一步： 自主性

1.1 什么是Agent？

Agent就是”智能体“或者说”代理“，指的就是一种可以感知环境、自主决策、采取行动并且达成目标的软件实体。

与传统程序或者简单聊天机器人相比，Agent具备下面四个关键的能力：

• 感知：获取用户输入、系统状态、外部数据等信息
• 规划：根据目标定制执行路径，拆解任务步骤
• 行动：调用工具、访问数据库、发送消息等等
• 反思：评估结果，调整策略，持续优化行为。

Agent 不等于 调用API的脚本。真正的Agent 拥有 “目标驱动“的行为逻辑，能够在复杂环境中动态调整策略

在很多人心里，Agent实际上就是高级牛逼的ChatGPT进化版，实则不然，OpenAI在他们的白皮书有专门定义过Agent是什么：

agents是那种能够代表用户自主执行多步任务的系统。它不仅理解指令，还可以决定流程、调用工具、纠错，甚至在必要的时候把控制权还给用户。

也就是说，一个Agent需要具备下面的特点：

• 利用LLM来管理工作流、做决策。
• 能判定工作流是否完成。
• 能够遇错中断或者说回退，然后邀请人工进行干预。
• 拥有访问外部工具（APIs、数据库、服务）的能力。

相比之下，传统的chatbot或者说单一模型的应用，只不过是得到一个回答而已，没有流程感，没有行动力。

1.2 Agent vs 普通聊天机器人： 从应答到行动

OpenAI的白皮书明确指出：只有在以下场景，Agent才有被选择的意义：

作为对比，我们来看看哪些不适合用Agent：

• 纯粹的简单操作（定时发邮件）
• 完全确定性、可写死判断的流程
• 对资源敏感、成本极度考究的场景

首先问问自己：这个流程，是否”超出了传统自动化的范畴“。如果你说Yes，那才是值得用Agent的。就用我们的聊天场景来举例子：

举例来说，当你说“我最近睡不好”，普通机器人可能会回复：“你可以试一试冥想”

但是一个Agent化的“kaguya”他会主动服务你：

• 感知：识别出是睡眠问题 + 持续 + 情绪低落
• 规划：判断是否需要获取历史记录睡眠信息、是否建议专业咨询、是否设置提醒
• 行动：查询用户日志、调用冥想音频接口、发送每日晚安提醒
• 反思：一周之后进行回访，询问“你最近是否睡的还好？需要调整建议吗？”

Agent 核心架构解析：构造“kaguya”的智能大脑

为了让“kaguya”具备上述的能力，我们需要对其设计一套完整的Agent架构。如图：包含了四个核心组件：记忆中枢，规划模块，工具调用模块以及反思模块。

2.1 记忆中枢：长期关系的基石

Agent的记忆不仅仅是对话历史，更是行为日志 + 情感画像 + 反思记录的综合体。我们把原有记忆系统升级成三层结构，就像这样：

这三层记忆，“kaguya”不仅仅可以记住你说的话，还可以记住它为你做过的事情，哪些做的好，哪些还要改进

哪些做的好，哪些做的需要改进要怎么判断呢？

“系统化的反思机制+记忆系统+用户反馈信号”三者协同的结果。

这是一个“感知->行动->反思->优化”的逻辑闭环

就像这样👇🏻

2.2 规划模块：让AI想清楚了再做

这个模块就是Agent的战略层。负责把模糊目标转换为可以执行的任务序列。

比如说，我们的目的是“帮助用户改善睡眠”，planner的流程就是：

1. 目标解析。比如用户说：“我最近总是失眠。” 解析为：“改善睡眠质量”。

2. 任务拆解。根据目标拆解成具体任务：

   • 是否有睡眠日志？ -> 查询记忆系统
   • 最近有没有压力事件？ -> 分析情感趋势
   • 是否需要专业建议？ -> 分析严重程度
   • 是否提供放松资源？ -> 调用冥想库
3. 路径选择。 根据用户性格（内向）、历史偏好（点赞过轻音乐），决定优先推荐“白噪音+呼吸练习”

实现方式：可以使用思维链（Chain-of-Thought）或者任务分解提示（Task Decomposition Prompt）引导大模型自主生成计划。

示例Prompt：

你是一位心理健康陪伴Agent，请根据用户描述制定改善睡眠的行动计划。  
请按以下步骤思考：  
1. 明确用户核心诉求；  
2. 检查已有信息（情绪趋势、生活习惯）；  
3. 列出可能的干预措施；  
4. 按优先级排序并给出理由；  
5. 输出最终执行方案。

2.3 工具调用模块（Tool Use）：赋予动手能力

没有工具的Agent，就像有脑无手。工具调用是Agent实现闭环服务的关键。“kaguya”届时会考虑集成以下的工具：

最佳实践：使用结构化输出格式（JSON）规范工具调用需求，便于程序解析。

{
  "action": "tool_call",
  "tool": "set_daily_reminder",
  "parameters": {
    "time": "21:00",
    "message": "该冥想啦，今晚试试‘星空呼吸’吧 🌌"
  }
}

现代模型已经原生支持函数调用（function Calling），开发者只需要定义工具Schema，模型就会自动判断什时候调用什么工具。

2.4 通信协议：引入MCP实现模块协同标准化

在复杂的Agent系统中，模块之间的高效、可靠通信是系统稳定运行的关键。仅依赖自由文本或者内部对象传递状态，容易导致上下文丢失、调试困难以及拓展性受限。

为此，我将引入MCP（Model Context Protocol，模型上下文协议） —— 这是一种专门为大模型智能体设计的结构化通信协议。MCP以json格式封装每一轮交互的核心要素，主要包含：

• content：自然语言内容（用户输入或者AI输出）
• context：结构化上下文（用户画像，情感状态，任务目标，记忆摘要等等）
• tool_calls / tool_responses：工具调用指令与执行结果

简而言之，MCP就是一种更加标准化的方式，让大语言模型安全、一致地使用各种外部工具，核心思想就是构建一个“中间协议层“，如图：

这里回顾一下MCP的知识：

它本质上就是提示词工程发展到高级阶段的必然产物。向模型提供更具体、结构化的上下文信息（例如本地文件、数据库记录、实时网络数据），能够显著提升推理精确性和任务完成度。

在没有MCP的年代，开发者往往需要手动从数据库筛选信息，将其拼接到提示词中。随着任务复杂度的提升，”手工喂料“的方式不仅效率低下，还容易出错。为了解决这个问题，LLM主流平台，OpenAI，google等，退出了function Calling（函数调用）功能，允许模型在推理过程中动态调用预定义函数，从而实现一定程度的自动化。

但是，这个功能也有明显的局限性：

• 平台绑定太强：不同厂商的函数调用接口不兼容，切换模型需要重写大量的代码；
• 扩展性差：难以支持复杂的多工具协作或者自定义数据流；
• 安全性和可控性不足：敏感数据可能被无意识暴露给模型；

所以，MCP来了，MCP就是针对于这些痛点提出的通用解决方案。如图所示，他就是一个万能转接头。让LLM能够灵活、安全访问本地或者远程的工具，同时保持对数据流的完全控制。

MCP的核心优势体现在三个方面：

1. 生态丰富：社区已提供大量现成的插件（日历，音频播放器，心理知识库），即插即用
2. 模型无关：不依赖LLM平台，任何支持MCP的模型都可以无缝切换
3. 数据可控：敏感信息不用传到云端，开发者可以通过自定义接口精准决定传输内容，保障隐私和安全。

而在“Kaguya”的未来设想里，MCP的引入会带来质的飞跃：

• 规划器： 可以明确输出结构化的行动指令
• 工具调用：能精准解析并且执行工具调用
• 反馈器：基于完整的交互链进行反思和优化
  所有的模块只需要遵循同一套协议，即可实现低耦合、高内聚的协同工作。

MCP协议的引入为“Kaguya”Agent系统带来了：

• 标准化的模块通信
• 完整的上下文传递
• 可追溯的交互链
• 更好的可维护性和拓展性
• 为未来多智能体协作奠定基础

嘛，可以说，MCP不仅仅是一种通信格式，更是构建下一代智能体系统的基础设施。每一次对话，都会成为一份结构清晰、语义完整、可审计可复现的“数字记忆”

2.5 反思模块（Reflector）：让AI吃一堑，长一智

反思是Agent持续进化的保障。它通过评估结果、分析失败原因、调整策略，实现自我优化。

比如：

• 用户连续三次忽略冥想提醒 -> 反思：“提示方式是否太过于机械？” -> 调整为更为温暖的语气或者更换时间。
• 用户表达“你说的我不懂” -> 反思：“术语太多了？” -> 后续对话改用更口语化的表达。

实现方式：在每次交互之后，追加反思Prompt

请回顾刚才的对话：
1. 用户是否达成了目标？
2. 哪些回应可能会引起误解？
3. 下次遇到相似的情况应该如何改进？
   
请输出优化建议

这些反思结果都可以存入向量数据库，作为未来决策的参考。

将“kaguya”升级成Agent化的陪伴伙伴

我们未来会进行统一的编码，如今，我们先来思考构思一下要怎么做，该怎么做？

3.1 需求重构：从”聊天“到”陪伴”的目标升级

原来的目标是让它提供情感倾诉的出口，新的目标则是成为用户的心理健康守护者。

• 主动关怀能力（情绪预警）
• 任务执行能力（设置冥想提醒）
• 长期成长支持（周报总结）

3.2 架构升级：引入Agent核心模块

在原有的“大模型 + 向量数据库 + 提示工程”的基础知识增加Agent，工作流就如上图所示。

用户输入消息之后，Agent Core先向Memory Hub检索相关的记忆，结合返回的记忆画像，经过Planner分解目标、选策略生成执行计划；接着Tool Caller调用External Tools获取结果，结合LLM Service生成回复返回用户，同时将内容作为新记忆保存至Memory Hub；之后Reflector借助LLM Service反思，评估，规划回访然后返回结果，持续优化流程。

src/
└─ app/
   └─ features/
      └─ agent/                              # Agent 业务模块：负责规划、工具调用、反思与整体编排
         ├─ README.md                        # Agent 模块说明文档，记录职责边界、调用关系与后续规划
         ├─ service.py                       # Agent 对外服务入口，供 chat 或 router 调用
         ├─ orchestrator.py                  # Agent 总控编排层，串联 planner / tool_caller / reflector
         ├─ planner.py                       # 规划模块：决定下一步动作、是否调用工具、如何拆解任务
         ├─ tool_caller.py                   # 工具调用模块：统一执行工具并返回结果
         ├─ reflector.py                     # 反思模块：评估执行结果、决定纠偏或继续下一轮
         ├─ schemas.py                       # Agent 领域的数据结构定义
         └─ tools/                           # Agent 可调用的具体工具集合
            ├─ audio_player.py               # 音频播放工具
            ├─ calendar_api.py               # 日历/日程相关工具接口
            ├─ psychology_db.py              # 心理学知识库或资料查询工具
            └─ scheduler_service.py          # 日程安排、提醒等调度类工具

Agent 核心控制器，协调所有模块：

from app.features.agent.orchestrator import AgentOrchestrator

agent = AgentOrchestrator(
    planner=planner,
    tool_caller=tool_caller,
    reflector=reflector,
    memory_service=memory_service,
    context_service=context_service,
)

result = await agent.process(user_input=user_input, user_id=user_id)

记忆中枢，管理短期和长期记忆：

from app.features.memory.service import MemoryService

memory_service = MemoryService(...)

memories = await memory_service.retrieve(
    query="睡眠",
    user_id="user_123",
    top_k=5,
)

任务规划模块，生成执行计划：

from app.features.agent.planner import Planner

planner = Planner(...)
plan = await planner.plan(user_input=user_input, context=context)

工具调用器，执行外部工具：

from app.features.agent.tool_caller import ToolCaller

tool_caller = ToolCaller(...)
result = await tool_caller.call(
    tool_name="search_memory",
    arguments={"query": "睡眠", "user_id": "user_123"},
)

反思模块，评估和优化：

from app.features.agent.reflector import Reflector

reflector = Reflector(...)
evaluation = await reflector.evaluate(interaction=interaction)

3.3 场景演示

我们来做一次完整的Agent式交互。

用户输入：

“唉，又失眠了，感觉压力好大”

Agent流程：

1. 感知与理解：NLP识别关键词失眠、压力，随后触发“心理健康干预”流程

2. 规划决策：

   1. 查询记忆：过去7天情绪评分平均3.2（满分5分），呈下降趋势。
   2. 判断：需干预，建议放松训练 + 情绪疏导的方案。

3. 工具调用：

   1. 调用 play_meditation_audio("calming_music")
   2. 调用 set_daily_reminder("21:30", "今晚早点放松哦")
4. 生成回复：“听起来你真的很辛苦！我为你准备了一段舒缓的音乐！现在就可以播放啦。另外，每天晚上九点半我会提醒你进行放松，好吗？你值得好好休息。”

5. 后续行动：

   1. 24小时后自动发送回访：“昨晚上睡得怎么样？需要聊聊吗？”
   2. 若连续三天未改善，建议：“要不要试试专业的正念课程？我可以为你推荐。”

效果对比：
传统机器人： 回复安慰语句 -> 交互结束
Agent化“Kaguya“：启动服务闭环 -> 建立长期支持关系

Agent 与 RAG、Prompt的协同：构建完整智能系统

Agent 不是孤立的技术，应该是整个大模型应用里面架构的”指挥中枢“

4.1 Agent + RAG： 让主动服务有理有据

Agent做决策之前，会让RAG找到依据。当Agent决定提供心里建议的时候，不能仅仅靠模型”想象”，而应该基于权威知识。

流程：

1. 用户提到“焦虑” -> Agent 判断需要提供缓解方法。
2. 调用RAG系统，检索《认知行为疗法手册》相关内容。
3. 结合检索结果生成建议，确保科学性。

优势：避免知识幻觉，提高可信度

4.2 Agent + Prompt工程：定义“人格化决策逻辑”

Agent的规划和反思行为，依旧还是依赖高质量的Prompt设计。

关键Prompt的设计原则：

• 角色强化： “你是一个富有同理心的心理陪伴专家”
• 决策框架：“请按照评估-> 规划 -> 行动 -> 反思的流程进行思考”
• 安全约束：“不得建议药物或者替代专业治疗”

eg.
“请以温和但坚定的方式引导用户关注自身情绪，避免过度承诺或者引发依赖”

4.3 Agent + 记忆系统： 越用越懂你！

长期记忆让Agent有了一些成长性。

比如说用户第一次说，喜欢看猫猫视频，将其计入偏好。

在之后的对话里，用户情绪低落的时候，可以主动说：“要不要看猫猫视频？你之前说过看它们会觉得很愉快”

问题

在“Kaguya”升级为Agent化情感陪伴系统后，它具备了感知、规划、行动与反思的能力，能够主动关怀用户、执行任务并持续优化服务。例如，在用户连续失眠时，它会自动播放舒缓音乐、设置每日提醒，并在几天后回访效果。

然而，这种“主动关怀”也带来了新的挑战：如果系统过于主动——比如频繁发送提醒、建议就医、推荐课程——可能会让用户感到被监视、被打扰，甚至产生逆反心理；但如果过于被动，则又回到了传统聊天机器人的局限，失去了Agent的意义。

请思考并回答以下问题：

1. 在情感陪伴Agent的设计中，“主动干预”的边界应如何界定？哪些信号可以作为判断“是否该出手”的依据？
2. 如何通过Agent架构中的记忆系统、规划模块、反思模块协同工作，实现恰到好处的关怀节奏（既不过度打扰，也不冷漠忽视）？