目录：

1. 前文回顾
2. 背景引入：从"聊天机器人"到"智能助手"
3. 核心概念一：什么是 Agent
4. 核心概念二：Agent 的四大核心能力
5. 核心概念三：Agent 的工作原理
6. 核心概念四：Agent 的工具使用能力
7. 核心概念五：Agent 的规划与记忆
8. 核心概念六：Agent vs 传统程序 vs 大模型
9. Agent 的实际应用案例
10. Agent 的挑战和未来
11. 本文小结
12. 今日思考题

一、前文回顾

在前面的文章中，咱们聊了：

• 大模型的"思考"是 预测下一个词
• RAG 让大模型能"查资料"
• 大模型会产生 幻觉

但是！这些都是"被动"的能力：

你：今天天气怎么样？
AI：抱歉，我无法获取实时信息。

你：帮我订一张机票。
AI：抱歉，我无法执行这个操作。

你：帮我分析一下这个数据文件。
AI：请把文件内容发给我...

有没有办法让 AI"主动"做事，而不只是"聊天"？

答案就是今天的主角—— Agent（智能体） 。

二、背景引入：从"聊天机器人"到"智能助手"

先来感受一下传统大模型和 Agent 的区别。

传统 ChatGPT

你：帮我查一下北京明天的天气，然后告诉我适不适合跑步

ChatGPT：
"抱歉，我无法获取实时天气信息。
不过一般来说，如果温度在10-20摄氏度，
风力小于3级，比较适合跑步..."

（它只能给通用建议，无法真正查询）

Agent 智能助手

你：帮我查一下北京明天的天气，然后告诉我适不适合跑步

Agent：
【正在执行...】
1. 调用天气API → 获取北京明天天气预报
   温度：18°C，风力：2级，多云
2. 分析条件 → 适合跑步
3. 生成回复

"北京明天天气不错！温度18°C，微风，
多云天气，非常适合户外跑步。
建议早上或傍晚去，空气质量会更好。"

（它真正执行了查询任务！）

看出区别了吗？

三、核心概念一：什么是 Agent

3.1 Agent 的定义

Agent = 能自主感知、思考、行动的智能系统

听起来很抽象？咱们用大白话来说：

Agent = 大模型 + 手（工具）+ 脑（规划）+ 记忆（记忆）

咱们用一张图来感受一下：

传统大模型

Agent 智能体

3.2 Agent 的本质

Agent = 让大模型从"顾问"变成"助理"

传统大模型：
像个顾问
- 你问它答
- 只能提供建议
- 不能真正做事

Agent：
像个助理
- 你交待任务
- 它去执行
- 真正解决问题

3.3 一个形象的比喻

想象你要装修房子：

传统大模型：

你：怎么装修客厅？
AI：客厅装修要注意以下几点：
    1. 风格要统一...
    2. 颜色搭配...
    3. 家具摆放...

（它只能给你建议，你得自己动手）

Agent：

你：帮我装修客厅，要现代简约风格
Agent：
1. 先测量房间尺寸 → 调用测量工具
2. 设计平面图 → 调用设计软件
3. 搜索家具 → 访问购物网站
4. 下单购买 → 自动下单
5. 预约安装 → 联系装修公司

（它真正去执行了一切！）

四、核心概念二：Agent 的四大核心能力

Agent 之所以能"自主行动"，是因为它有四大核心能力。

能力一：感知能力（Perception）

理解用户想要什么

用户说："帮我订一张明天去上海的机票"

Agent 的感知：
- 任务：订机票
- 时间：明天
- 目的地：上海
- 隐含需求：可能是最便宜或最快

能力二：规划能力（Planning）

把大任务拆成小步骤

任务："帮我做一个旅行计划"

Agent 的规划：
Step 1: 查询目的地天气
Step 2: 搜索景点推荐
Step 3: 查找酒店
Step 4: 规划路线
Step 5: 预算估算

能力三：行动能力（Action）

使用工具完成任务

Agent 可以使用的工具：
- 浏览器：搜索信息
- API：获取数据
- 计算器：计算数值
- 代码执行器：运行代码
- 文件系统：读写文件

能力四：记忆能力（Memory）

记住之前的经历

对话历史：
用户："我喜欢靠窗的座位"
...
三天后...
用户："帮我订机票"
Agent："好的，我已经帮您预订了靠窗的座位"

（它记住了你的偏好！）

咱们用一张表来总结：

五、核心概念三：Agent 的工作原理

这是本文的核心！咱们要深入理解 Agent 是怎么工作的。

5.1 Agent 的完整工作流程

咱们用一个完整的例子来演示：

用户任务："帮我查一下今天苹果公司的股价，然后判断现在是不是买入的好时机"

Step 1：感知阶段

Agent 理解任务：
- 需要查询苹果公司股价
- 需要判断买入时机
- 需要给出投资建议

Step 2：规划阶段

Agent 制定计划：

1. 查询苹果公司当前股价（调用股票API）
2. 查询历史价格趋势（调用股票API）
3. 查询相关新闻（调用搜索API）
4. 分析价格走势（用大模型分析）
5. 给出投资建议（生成最终回复）

Step 3：执行阶段

Agent 执行计划：

执行步骤1：
调用 get_stock_price("AAPL")
→ 返回：$178.35

执行步骤2：
调用 get_stock_history("AAPL", "30天")
→ 返回：[价格数据]

执行步骤3：
调用 search_news("Apple stock news")
→ 返回：[新闻列表]

执行步骤4：
分析数据...
→ 发现：股价近期上涨，有新产品发布

执行步骤5：
生成建议...

Step 4：输出结果

"根据最新数据分析：

当前股价：$178.35（+1.2%）

近期情况：
- 过去30天上涨了8%
- 刚发布了新款iPhone
- 分析师普遍看好

建议：
从技术面看，股价处于上升趋势。
但投资有风险，建议您：
1. 考虑分批买入
2. 设置止损点
3. 关注下周的财报

【数据来源：Bloomberg、Yahoo Finance】"

5.2 Agent 的工作流程图

5.3 关键：循环执行（ReAct 模式）

Agent 不是一次性执行完，而是一步步思考、行动、观察

ReAct = Reasoning（推理）+ Acting（行动）

循环过程：
思考 → 行动 → 观察 → 思考 → 行动 → 观察 → ...

举例：

思考：用户想知道股价，我需要先查询
行动：调用 get_stock_price("AAPL")
观察：得到价格 $178.35

思考：还需要知道历史趋势
行动：调用 get_stock_history("AAPL")
观察：得到历史数据

思考：现在可以分析了
行动：调用 analyze(数据)
观察：得到分析结果

思考：可以给出建议了
行动：生成最终回复

六、核心概念四：Agent 的工具使用能力

Agent 最强大的地方就是 能使用各种工具 。

6.1 常用工具类型

6.2 工具调用示例

示例一：搜索工具

Agent 思考：用户问最新的新闻，我需要搜索

行动：
调用 search("ChatGPT 最新发布")

结果：
- "OpenAI 发布 GPT-4 Turbo"
- "ChatGPT 新功能：语音和图像"
- ...

示例二：代码执行器

Agent 思考：用户要分析数据，我需要写代码

行动：
执行代码：
```python
import pandas as pd
data = pd.read_csv('sales.csv')
summary = data.describe()
print(summary)

结果： 打印出统计摘要

6.3 工具调用的实现方式

方式一：函数调用（Function Calling）

OpenAI 的方式： 定义工具：

{
  "name": "get_weather",
  "description": "获取指定城市的天气",
  "parameters": {
    "city": "城市名称",
    "date": "日期"
  }
}

模型会决定：

• 是否调用这个工具
• 用什么参数调用

方式二：提示词驱动 在提示词中告诉模型： "你可以使用以下工具：

1. search：搜索信息
2. calculator：计算
3. weather_api：查询天气

使用格式： Action: 工具名称 Input: 工具参数 "

七、核心概念五：Agent 的规划与记忆

Agent 不仅要会用工具，还要会规划和记忆。

7.1 规划能力

把复杂任务拆解成可执行的步骤

简单规划

任务："帮我订机票"

简单规划：
1. 搜索航班
2. 比较价格
3. 选择航班
4. 下单预订

动态规划

任务："策划一次旅行"

动态规划：
初始计划：
1. 确定目的地
2. 查询天气
3. 预订酒店
4. 规划行程

执行过程中：

- 如果天气不好 → 调整行程
- 如果酒店满了 → 更换酒店
- 如果预算超了 → 重新规划

（计划会根据实际情况动态调整！）

7.2 记忆能力

记住之前的经历和知识

记忆的类型

记忆的实现方式

方式一：对话历史

对话：
你："我喜欢靠窗座位"
...
Agent："好的，记住了您喜欢靠窗座位"
...
你："帮我订机票"
Agent："已经为您预订了靠窗座位"

方式二：向量数据库

存储：

- 用户偏好
- 历史任务
- 执行经验

检索：

- 遇到类似任务时
- 查找历史经验
- 改进执行策略

方式三：文件存储

持久化存储：

- 任务记录
- 执行日志
- 学习到的知识

文件格式：
{
  "user_preferences": {...},
  "task_history": [...],
  "learned_patterns": [...]
}

7.3 规划 + 记忆 = 学习能力

第一次执行任务：
规划 → 执行 → 失败

记住经验：

- 哪些步骤有效
- 哪些工具好用
- 什么策略成功

再次执行类似任务：
规划（基于经验）→ 执行 → 成功

Agent 会"越用越聪明"！

八、核心概念六：Agent vs 传统程序 vs 大模型

咱们来对比一下这三者的区别。

8.1 对比表格

8.2 举例说明

任务：分析一个数据文件并生成报告

传统程序：

# 需要程序员写代码
def analyze_data(file):
    data = read_file(file)
    result = calculate(data)
    report = generate(result)
    return report
# 每次需求变化都要改代码

大模型：

你："帮我分析这个数据"
AI："请把数据发给我..."
    "根据你提供的数据..."
    （只能分析你给它的内容）

Agent：

你："帮我分析这个数据文件"
Agent：
1. 读取文件（用文件工具）
2. 分析数据（用代码工具）
3. 搜索相关资料（用搜索工具）
4. 生成报告（用大模型）
5. 发送邮件（用邮件工具）

（全自动完成！）

8.3 Agent 的优势

✅ 可以处理复杂任务
✅ 可以自主规划
✅ 可以使用工具
✅ 可以学习和改进
✅ 可以适应新情况
✅ 不需要编程

九、Agent 的实际应用案例

咱们来看几个真实的 Agent 应用。

案例一：个人旅行助手

场景： 帮助用户规划旅行

Agent 的能力：

输入："帮我规划一个去日本的旅行，预算1万，5天时间"

Agent 执行：

1. 【搜索】查找日本热门目的地
   → 东京、大阪、京都

2. 【查询】查询各地机票价格
   → 找到最便宜的组合

3. 【查询】查询酒店价格
   → 按预算筛选酒店

4. 【搜索】搜索景点推荐
   → 列出必去景点

5. 【规划】规划每日行程
   → 优化路线节省时间

6. 【计算】计算总预算
   → 确保不超标

7. 【生成】生成详细攻略
   → 包含交通、住宿、景点

输出：
"为您规划了5天日本关西之旅：

第一天：飞抵大阪
- 航班：CA123 08:00起飞
- 酒店：大阪喜来登（¥500/晚）
...

【完整攻略已发送到您的邮箱】
【酒店预订链接：xxx】
【景点门票预订：xxx】"

案例二：智能客服 Agent

场景： 自动处理客户问题

Agent 的能力：

客户："我的订单什么时候到？"

Agent 执行：

1. 【识别】识别客户身份
   → 通过手机号/订单号

2. 【查询】查询订单状态
   → 调用订单系统 API

3. 【查询】查询物流信息
   → 调用物流 API

4. 【分析】分析是否异常
   → 判断是否延迟

5. 【生成】生成回复
   → 根据情况回复

6. 【操作】必要时执行操作
   → 安排退款/补偿

输出：
"您的订单 #12345 已发货：
- 当前位置：北京转运中心
- 预计到达：明天下午3点

如有问题可以联系客服：400-xxx"

案例三：数据分析 Agent

场景： 自动分析业务数据

Agent 的能力：

用户："分析一下上个月的销售情况"

Agent 执行：

1. 【读取】读取销售数据文件
   → sales_2024_02.csv

2. 【分析】执行数据分析
   ```python
   - 计算总销售额
   - 分析产品类别分布
   - 找出热销商品
   - 对比环比增长


3. 【可视化】生成图表
   - 销售趋势图
   - 品类占比图

4. 【洞察】生成洞察
   - 发现增长点
   - 发现问题

5. 【报告】生成分析报告
   - 发送到邮箱

输出：
"【2月销售分析报告】

总销售额：¥1,234,567（环比+15%）

- 品类A：¥500,000（占比40%）
- 品类B：¥300,000（占比24%）

关键发现：
✓ 新产品X表现亮眼，单月贡献¥100,000
✓ 华东地区增长最快（+25%）
⚠ 品类C出现下滑（-8%），需要关注

【完整报告已发送至您的邮箱】"

案例四：代码开发 Agent

场景： 辅助程序员开发

Agent 的能力：

用户："帮我做一个简单的待办事项网站"

Agent 执行：

1. 【规划】规划开发步骤
   - 前端页面
   - 后端API
   - 数据库设计

2. 【编码】生成代码
   - HTML/CSS/JavaScript
   - Python Flask 后端
   - SQLite 数据库

3. 【测试】测试功能
   - 运行代码
   - 检查错误

4. 【调试】修复问题
   - 发现bug
   - 修复bug

5. 【部署】部署上线
   - 打包应用
   - 部署到服务器

输出：
"待办事项网站已完成！

功能：
✓ 添加任务
✓ 标记完成
✓ 删除任务
✓ 数据持久化

十、Agent 的挑战和未来

Agent 虽然强大，但也面临一些挑战。

挑战一：可靠性

问题： Agent 可能会"想错"

例子： 用户："帮我查股价" Agent 思考：股价？需要查公司信息 Agent 行动：搜索公司官网 （跑偏了！应该直接调用股票API）

解决方案：

• 更好的规划算法
• 人工验证关键步骤
• 多 Agent 协作验证

挑战二：成本

问题： Agent 需要多次调用大模型

传统问答： 用户 → 大模型 → 回答 （1次调用）

Agent： 用户 → 大模型规划 → 执行工具 → 大模型分析 → ... （可能5-10次调用）

成本×5-10倍！

解决方案：

• 使用更小的模型
• 优化规划减少步骤
• 缓存重复操作

挑战三：安全性

问题： Agent 可能会"乱用工具"

危险场景：

• Agent 意外删除重要文件
• Agent 发送不该发的邮件
• Agent 进行错误的支付

解决方案：

• 权限控制
• 关键操作人工确认
• 沙盒环境

挑战四：可解释性

问题： 很难理解 Agent 为什么这么做

用户："你为什么要这样做？"
Agent："根据我的规划..."
（但用户可能不理解规划逻辑）

解决方案：

• 输出详细思考过程
• 可视化执行步骤
• 提供决策依据

Agent 的未来

发展趋势：

现在： 单 Agent 简单任务

未来1-2年： 多 Agent 协作

• 专精不同领域的 Agent
• 互相配合完成任务

未来3-5年： 自主 Agent

• 完全自主的决策
• 持续学习改进
• 处理复杂任务

未来5-10年： Agent 社会

• 大量 Agent 协作
• 形成 Agent 经济
• 人机共存社会

十一、本文小结

咱们今天主要讲了以下几点：

1. 什么是 Agent

• Agent = 能自主感知、思考、行动的智能系统
• Agent = 大模型 + 工具 + 规划 + 记忆
• 从"聊天机器人"到"智能助手"的升级

2. Agent 的四大核心能力

3. Agent 的工作原理 感知 → 规划 → 执行（循环） → 输出

4. Agent 的工具使用

• 搜索工具
• API 调用
• 代码执行
• 文件操作
• ...

5. Agent vs 传统程序 vs 大模型

• 传统程序：固定功能，需要编程
• 大模型：聊天问答，不能行动
• Agent：自主执行，灵活适应

6. 实际应用

• 个人旅行助手
• 智能客服 Agent
• 数据分析 Agent
• 代码开发 Agent

7. 挑战与未来

• 挑战：可靠性、成本、安全性、可解释性
• 未来：多 Agent 协作、自主 Agent、Agent 社会

8. 关键公式

强大的 Agent = 强大的大模型 + 丰富的工具 + 优秀的规划 + 长期记忆

十二、今日思考题

今天留一个思考题：

如果你要设计一个"私人助理 Agent"，你会给它配置哪些工具？它能帮你做什么？

提示：

• 你日常有哪些重复性工作？
• 哪些任务可以自动化？
• 需要什么工具？

欢迎在评论区分享你的想法！

往期推荐：

• 什么是 RAG？
• 大模型是怎么"思考"的？
• 什么是幻觉？

如果这篇文章对你有帮助，欢迎点赞关注，我会持续用大白话讲解复杂的技术概念！