目標： 構建一個具備自主規劃、多步推理、工具使用、自我反思和環境交互能力的智能代理，使其能夠高效、可靠地完成復雜任務。
核心理念：
Agent的智能涌現于一個精密的認知循環：
感知 (Perceive) ->
理解與規劃 (Think/Plan - 想) ->
信息獲取 (Search/Act - 查) ->
綜合與推理 (Assemble/Reason - 拼) ->
反思與響應 (Reflect/Respond - 回) ->
學習與迭代 (Learn/Iterate) 。
I. 核心理念與架構哲學
在深入工程細節之前，我們必須明確Agent的設計哲學：
- LLM為核心，但非全部： 大型語言模型（LLM）是Agent的認知核心，負責理解、推理、生成。但Agent的強大在于其能夠編排LLM與其他組件（工具、記憶、規劃器）協同工作。
- 任務驅動，目標導向： Agent的一切行為都應圍繞完成用戶指定的任務或達成預設目標。
- 迭代與自省： Agent不是線性執行指令的腳本。它必須具備評估自身行為、從錯誤中
