Observation（观察）
就是 Agent 调用工具后拿到的返回值，比如搜索结果或代码执行输出，模型看到这个才知道下一步怎么走
亦作、亦称：观察 · environment observation · tool output observation · 环境观察 · 工具输出
Observation 是 AI 智能体感知外部世界的窗口，决定了 Agent 在每一步推理后能获得怎样的环境反馈。无论是强化学习中的环境状态感知，还是 LLM Agent 的工具调用返回，Observation 都是驱动智能体持续决策与迭代的核心信号。
概述
Observation 是智能体-环境交互循环中的关键反馈节点。
- 定义：Agent 执行 Action 后，环境或外部工具返回的可感知信息
- 位置：位于「Thought → Action → Observation」循环的第三步
- 作用：为 Agent 提供决策依据，驱动下一轮推理
- 两大场景：强化学习（RL）中的环境状态感知 vs. LLM Agent 中的工具调用返回
- 核心价值：没有 Observation，Agent 将无法感知行动结果，陷入「盲目执行」
工作原理
Observation 在 Agent 循环中扮演「闭环反馈」的角色。
- 信息流：Action 触发外部调用（搜索、代码执行、API）→ 返回结果作为 Observation 追加到上下文
- 上下文追加：在 LangChain/LangGraph 等框架中，Observation 以
ToolMessage形式写入 agent scratchpad（暂存区） - 状态更新：LLM 读取最新 Observation 后重新评估目标完成情况，决定继续还是终止
- 部分可观测：在 POMDP 场景下，Agent 只能获得环境的局部快照，需要结合历史 Observation 序列推断全局状态
- Token 消耗：每次 Observation 都会占用上下文窗口，工程上需控制其长度
类型与来源
根据来源和可观测程度，Observation 可分为多种类型。
- 工具返回型：搜索引擎结果、代码执行输出、数据库查询结果，是 LLM Agent 最常见的 Observation 形式
- 环境感知型：RL 场景中来自模拟器或真实世界的传感器数据（像素、数值向量等）
- 完全可观测：Observation 等于环境真实状态（State），如棋类游戏
- 部分可观测：Observation 仅是 State 的子集或带噪声的映射，如机器人导航、卡牌游戏
- 人类反馈型：Human-in-the-loop 场景中，人工审核结果也可作为 Observation 注入 Agent 循环
应用场景
Observation 机制广泛应用于各类 AI Agent 和强化学习系统。
- ReAct Agent：Search → Observation（搜索片段）→ 再次推理，实现开放域问答
- 代码执行 Agent：运行 Python 代码 → Observation（输出或报错）→ 自动调试修复
- 游戏 AI：AlphaGo、Atari DQN 等将棋盘/画面像素作为 Observation 输入策略网络
- 机器人控制：关节角度、摄像头图像作为 Observation 驱动运动规划
- 多 Agent 系统：各 Agent 的输出可作为其他 Agent 的 Observation，实现协作与信息共享
与 State（状态）的区别
Observation 与 State 是强化学习中常被混淆的两个概念。
- State：环境的完整内部表示，通常对 Agent 不可见
- Observation：Agent 实际感知到的信息，可能是 State 的子集或带噪声的映射
- 完全可观测：Observation = State（如国际象棋，棋盘即完整状态）
- 部分可观测：Observation ≠ State（如扑克牌游戏，Agent 看不到对手手牌）
- 工程含义：LLM Agent 中「Observation = 工具调用的返回值」，State 则是整个对话历史与环境的综合
局限与误区
使用 Observation 时需注意以下常见问题和误区。
- 噪声问题：工具返回的内容可能含有无关信息，导致 LLM 推理跑偏，需做截断或摘要处理
- 上下文溢出：多轮循环中 Observation 不断累积，可能超出模型 context window 限制
- 幻觉风险：若 Observation 内容本身有误（如工具返回错误数据），Agent 会将错误信息当作事实继续推理
- 混淆误区：将 Observation 等同于 State 是 RL 初学者常见错误，在 POMDP 场景下二者严格不同
- 延迟与超时：真实环境中 Observation 可能因工具调用超时而缺失，需设计重试或降级策略
发展脉络
Observation 概念从强化学习理论演进至 LLM Agent 工程实践。
- 1957 年：Bellman 提出动态规划，奠定 RL 中状态-观察-奖励框架的理论基础
- 1990 年代：POMDP（部分可观测马尔可夫决策过程）形式化了 Observation 与 State 的区分
- 2013 年：DeepMind DQN 以游戏画面像素作为 Observation 训练 Atari 游戏 AI，开创深度 RL 时代
- 2022 年：ReAct 论文（Yao et al.）将 Observation 引入 LLM Agent 范式，定义「Thought-Action-Observation」三元组
- 2023-2024 年：LangChain、AutoGPT、LangGraph 等框架将 Observation 工程化，以
ToolMessage形式标准化处理工具返回值 - 2025 年至今：MCP（Model Context Protocol）等协议进一步规范了多工具场景下 Observation 的格式与传递机制
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「就是 Agent 调用工具后拿到的返回值，比如搜索结果或代码执行输出，模型看到这个才知道下一步怎么走」
- 「在强化学习里，Observation 就是智能体的『眼睛』，它看到的不一定是环境的完整状态，可能只是部分信息」
- 「有人把 Observation 和 State（状态）混用，其实区别在于：State 是环境的真实全貌，Observation 是 Agent 实际能感知到的那部分」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
延伸阅读
从知识库精选 3 篇文章，帮助深入理解该术语。
外部参考
维基百科：查看「Observation」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。