一、定义

Agent = 能自主思考、自己做任务的智能体，不是只会问答的工具。

Agent 是具备感知、思考、规划、执行能力的智能系统

现在很多大模型做的智能体、AI 助理、自动化助手，本质都是 Agent。

1.1 Prompt

提示词 / 指令

发给 AI 的所有文字，都叫 Prompt。

作用：告诉 AI 要做什么、怎么做。

1.2 Context Window

上下文窗口 / 短期记忆
模型一次性能记住的最大 Token 数量。
比如：8k、16k、32k、128k 窗口。
超过这个长度，前面的内容就会被忘掉。

Context Window = AI 的短期记忆容量。

1.3 Token

AI 理解文字的最小单位

AI 不认识汉字 / 单词，只认识 Token

可以理解成：文字的碎片。
中文：大概 1 个汉字 ≈ 1 个 Token
英文：大概 1 个单词 ≈ 1～3 个 Token
标点、空格、换行 也算 Token

二、核心架构（核心组件）

1、用户意图层/感知层（Goal）

接收任务：做什么、要什么结果

理解目标、约束、偏好

2、记忆层（Memory）

短期记忆：上下文、对话历史

长期记忆：知识、经验、历史任务结果

作用：让 Agent 不 “失忆”

3、思考 / 推理层（Reasoning & Planning）这是 Agent 的大脑，最核心：

拆解任务：大目标 → 小步骤

决策：先做什么、后做什么

反思：做得对不对，要不要重来

典型：CoT、ReAct、Reflexion

4、工具调用层（Tool Use）

调用外部能力：搜索、代码、API、数据库、文件、浏览器

让 Agent 能做事，而不只是聊天

5、执行 & 反馈层（Execution & Feedback）

执行动作 → 拿到结果 → 回传给思考层判断是否完成 → 循环直到目标达成

Agent 的完整闭环:
感知 → 记忆 → 推理 → 执行 → 反馈 → 再学习

三、三大范式

3.1 ReAct 范式(现在最主流的 Agent 思路)

核心思想(边思考边行动)

LLM（大语言模型）不是一次性回答，而是循环：

1. 思考（Thought）：我要干嘛？缺什么信息？用什么工具？
2. 行动（Action）：调用工具 / 搜索 / 查询
3. 观察（Observation）：工具返回了什么结果？
4. 再思考 → 再行动 → … 直到完成任务

3.2 CoT 范式（思维链）

逻辑：先把推理步骤想完整 → 再给出答案

特点：只动脑、不动手，适合逻辑题、数学题。

3.2.1 Self-Consistency（自一致性）

用来解决LLM 推理不稳定的情况，是CoT的升级版

核心原理

1. 同样一个问题，让模型生成 N 个不同的思考过程和答案
2. 统计哪个答案出现次数最多
3. 选这个最一致、最常见的作为最终结果（投票，少数服从多数）

3.3 Toolformer / 工具调用范式（纯工具型）

核心：LLM 专门学会调用外部工具（搜索、计算器、代码、数据库）

逻辑：判断什么时候用工具 → 调用 → 拿结果 → 回答

特点：专门解决 “LLM 自己算不对、不知道” 的问题。

四、强化学习基础（RL 极简版）

核心四要素

1. Agent（智能体）：做事的主体
2. Environment（环境）：外部世界
3. Action（动作）：Agent 能做的操作
4. Reward（奖励）：做得好加分，做错扣分

核心逻辑

Agent 不断尝试动作 → 拿到奖励 → 学习怎样拿更高分

应用：游戏 AI、机器人控制、自动驾驶、推荐系统优化。

五、记忆体系

Short-term memory：短期记忆（上下文）
只能存 “当前对话 / 任务” 的即时信息；受限于token

Long-term memory：长期记忆（知识库 / 向量库）
永久、容量大、一般存在向量数据库（Chroma/Milvus） 里，需要时检索调用

Working memory：工作记忆（中间步骤）
存 Agent 解决复杂任务时的中间步骤 / 临时结果

六、落地

6.1 RAG检索增强生成（解决知识过时、幻觉）

核心含义：

先从外部知识库（比如文档、数据库）检索相关信息，再把这些信息喂给 LLM，让 LLM 基于检索结果生成答案；

核心解决：LLM “知识过时”（比如不知道 2025 年新政策）、“幻觉”（瞎编）的问题；

6.2 Hallucination 幻觉（瞎编）

LLM/Agent 在没有依据、没有相关知识的情况下，凭空编造看似合理但错误的信息；

这是 Agent 落地最大的坑之一，尤其在金融、医疗、法律等严肃场景绝对不能有；

常见原因：LLM 训练数据过时、上下文信息不足、推理错误。

6.3 Zero-shot零样本（直接做）

不给任何示例，直接让 Agent 完成任务；

考验 LLM 的通用能力，适合简单、通用的任务；

例子：
你对 Agent 说：“帮我把这段英文翻译成中文”（没给任何翻译示例）；
Agent 直接完成翻译，这就是 Zero-shot 调用。

6.4 Few-shot：少样本（给几个例子）

给 Agent 1~5 个示例，让它照着示例的逻辑完成同类任务；

适合复杂、有特定格式要求的任务，能大幅提升准确率；