小龙虾 AI Agent 架构解析¶
基于李宏毅老师课程笔记整理
📅 整理时间：2026-03-15
目录¶
整体架构¶
图 1: AI Agent 的主要流程
图 2: 小龙虾 Agent 整体架构
核心组件¶
Subagent 子代理¶
图 3: Subagent 工作模式
小龙虾采用主从式 Agent 架构：
- 主 Agent：负责任务分解、协调和最终决策
- Subagent（子代理）：专注于执行单一、具体的子任务
这种设计的优势在于： - 任务隔离，降低复杂度 - 可并行执行多个子任务 - 每个子代理可以独立优化
Context Engineering 上下文工程¶
上下文管理是小龙虾架构的核心设计理念：
子 Agent 只关注当前任务，不继承主 Agent 的完整上下文
主 Agent 的上下文中也只保留子 Agent 的执行结果，而非完整对话历史
这种最小化上下文传递的设计有以下好处：
- 降低 Token 消耗 - 避免冗余信息占用上下文窗口
- 提高专注度 - 子代理不受无关信息干扰
- 清晰的职责边界 - 每个 Agent 只关心自己需要知道的内容
Skill 技能系统¶
图 4: Skill 是工作的 SOP（标准操作流程）
Skill = 工作的 SOP（Standard Operating Procedure）
每个 Skill 封装了一个特定任务的执行流程和规范，类似于人类的"工作手册"或"操作指南"。
Skill 按需读取机制¶
图 5: Skill 按需加载流程
图 6: Skill 读取详细流程
小龙虾采用两阶段 Skill 加载策略：
┌─────────────────────────────────────────────────────────┐
│ 阶段 1: 预加载（Parser 阶段） │
│ - 通过关键词匹配等简单规则 │
│ - 从本地 Skill 库中筛选可能需要的 Skill │
│ - 仅加载 <简介，skill.md 路径> 到上下文 │
└─────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────┐
│ 阶段 2: 按需加载（Tool Use 阶段） │
│ - 当 LLM 判断需要使用某个 Skill 时 │
│ - 输出 read 工具调用 │
│ - 读取完整的 skill.md 文件并嵌入上下文 │
│ - LLM 获得完整的 Skill 指令 │
└─────────────────────────────────────────────────────────┘
设计优势： - ✅ 避免一次性加载所有 Skill 造成上下文膨胀 - ✅ 只在真正需要时才消耗 Token 读取完整内容 - ✅ 支持大规模 Skill 库的灵活管理
记忆机制¶
记忆存储¶
图 7: 对话信息记录到本地
小龙虾具备持久化记忆能力，会将对话中的关键信息记录到本地存储中。
记忆检索（RAG）¶
图 8: 记忆检索流程
图 9: 基于 RAG 的记忆检索
记忆检索采用 RAG（Retrieval-Augmented Generation） 模式：
- 系统提示词声明 - 在 System Prompt 中明确要求检索记忆
- 关键字生成 - 由 LLM 根据当前对话生成检索关键字
- 语义检索 - 对
记忆.md文件进行向量化检索 - 上下文注入 - 将检索到的记忆片段注入当前对话上下文
这种设计让 Agent 能够： - 🧠 "记住" 历史对话中的重要信息 - 🔍 主动回忆相关的过往经历 - 📚 基于累积经验做出更准确的判断
定时任务系统¶
龙虾的新特性¶
图 10: 定时任务系统
区别于传统 AI Agent，小龙虾支持定时触发预设任务
传统 Agent 通常是被动响应模式（用户提问 → Agent 回答），而小龙虾增加了主动触发能力：
- 可预设定时任务
- 到点自动执行预设的 Prompt/任务
- 支持周期性任务和一次性任务
排程系统架构¶
图 11-15: 排程系统详细架构
排程系统的核心能力：
| 特性 | 说明 |
|---|---|
| 类似 Cron | 支持定时任务调度 |
| 状态等待 | 可等待外部系统结果生成完成 |
| 任务编排 | 支持任务依赖和顺序执行 |
| 结果回调 | 任务完成后可触发后续动作 |
总结¶
小龙虾 Agent 架构的核心创新点：
| 组件 | 核心设计 | 解决的问题 |
|---|---|---|
| Subagent | 主从式任务分解 | 复杂任务的可管理性 |
| Context Engineering | 最小化上下文传递 | Token 效率与专注度 |
| Skill 系统 | 两阶段按需加载 | 大规模技能库管理 |
| 记忆机制 | RAG 检索持久化记忆 | 长期上下文保持 |
| 排程系统 | 定时主动触发 | 从被动响应到主动执行 |
这套架构使得 AI Agent 能够： - 🎯 更高效地处理复杂任务 - 💰 更经济地使用 Token 资源 - 🧠 拥有"记忆"能力，持续学习 - ⏰ 主动执行任务，而非仅被动响应
参考资料¶
- 李宏毅 AI Agent 课程视频：YouTube 链接
- 笔记整理：2026-03-15