《AI Agent 自学指北》第 1 篇：什么是 AI Agent？

从能聊天到能干活AI 的下一个形态1. 前言Agent 还有一个中文名字叫做“智能体”Agent在最近一年火速出圈它其实可以理解为是一个没有实体的一个“人”能够感知环境、独立决策、自主行动。、2. 什么是 AgentAgent 大脑LLM 手工具 眼睛感知大脑GPT-4、Claude 等大模型负责思考——理解用户意图、决定下一步做什么手工具比如查天气 API、搜索引擎、计算器、文件读写眼睛感知环境比如读取用户输入、获取系统状态、接收工具返回的结果三者的协作流程是3. 一个具体的例子假设你问 Agent“帮我查一下北京明天的天气然后告诉我穿什么衣服合适。”整个过程是这样的步骤角色发生了什么1大脑理解到用户想知道北京明天的天气和穿衣建议2大脑决定调用查天气工具参数是北京3手执行天气 API返回明天 15-22°C小雨4大脑看到天气信息结合常识推理15-22°C 小雨需要薄外套带伞5大脑输出回答“北京明天 15-22°C小雨建议穿薄外套出门记得带伞。”注意关键点第 2 步和第 4 步都是大脑完成的。大脑既负责决定做什么也负责分析结果做什么。这就是 Agent 和普通 API 调用的本质区别——Agent 有自主决策能力。4. 生活中的 Agent其实 Agent 并不神秘我们每天都在用产品你怎么用Agent 做了什么Siri / 小爱同学“帮我设个 10 分钟的闹钟”语音识别 → 理解意图 → 调用系统闹钟 API自动驾驶设定目的地摄像头感知 → 路径规划 → 控制方向盘和油门推荐系统刷抖音/小红书收集你的行为数据 → 分析兴趣 → 推荐内容智能客服问我的快递到哪了识别意图 → 查数据库 → 返回物流信息这些系统本质上都是 Agent感知输入 → 内部决策 → 执行动作 → 反馈结果。不同的是以前这些 Agent 是用规则写死的if-else而现在的 AI Agent 是用大模型做大脑决策能力更强、更灵活。5. Agent vs 普通 LLM 调用之前我也分不清用 API 调大模型和Agent的区别现在一张表说明对比项普通 LLM 调用AI Agent输入只有文本文本 环境状态文件、数据库、传感器等输出只有文本文本 工具调用可以执行操作决策能力无只会生成文字有能决定该做什么工具使用不能能调用 API、执行代码、访问文件状态管理无状态每次独立有状态可多轮交互自主性被动回答主动完成任务简单记忆普通 LLM你问它答它只动嘴Agent你给它目标它自己想办法完成既动脑又动手