Beam AI 是一家致力于 “agentic process automation”(智能代理流程自动化 / AI 代理自动化流程)平台公司,在它的官方网站,有一张架构流程图,很好展示了一个将任务分解(planning)→ 步骤规划(plan step)→ 工具查找 → 执行(execute step)→ 结果回传并同时与长期记忆(Memory)交互的闭环架构

请输入图片描述

一、执行闭环说明

编号含义动作
1用户发任务Trigger:输入目标
2拆解 + 写上下文Plan Task:拆任务·存Context
3读记忆做规划Plan Step:查Memory·选Tool
4执行动作Execute:调工具·读写Memory
5结果返回Output:返结果至Trigger
6–8循环执行循环:直到完成

二、设计精髓

  1. 分层解耦:任务编排(Plan Task)≠ 步骤决策(Plan Step)≠ 动作执行(Execute)——可并行、可复用、可调试
  2. Memory 是状态总线:所有上下文(历史、权限、结果)集中管理,实现跨步骤认知连续性
  3. 工具即能力抽象:API/SDK 不直接暴露,仅通过“调用名称”接入(如 send_email, create_ticket),解耦实现
  4. 双向数据流:外部系统既是知识源(Notion/SAP/Zendesk),也是执行终点(Airtable/Gmail/Freshdesk)
  5. 闭环自驱:每步读写 Memory,形成“感知→决策→行动→学习”自循环

三、落地注意事项

风险压缩对策
重复执行所有写操作必幂等
Memory 混乱明确定义 Schema + TTL + 权限分域(会话级 / 长期知识)
安全泄漏工具调用需授权矩阵 + 审计日志
无法恢复失败必有回滚/人工介入点
不可追踪每步记录:输入/工具/输出/耗时/错误码
生产事故所有写操作先沙箱预演
合规风险数据脱敏 + 最小化原则(GDPR/公司Policy)

四、总结

这是一个典型的可迭代、以 Memory 为核心的 agent 执行架构:

从接收目标 → 任务拆解 → 步骤规划 → 工具查找 → 执行 → 结果回传,并在每一步与 Memory 交互以保持上下文与累积知识。

同时,还需注意与企业系统(Notion/SAP/Zendesk/Airtable/Gmail/Freshdesk)和工具集的对接。


标签:ai, agent

你的评论