导航

HTML

CSS

JavaScript

浏览器 & 网络

版本管理

框架

构建工具

TypeScript

性能优化

算法

UI、组件库

Node

业务技能

针对性攻坚

AI

公共类

第一章 初识智能体

1. 核心定义与演进 (1.1)

• 什么是智能体 (Agent)？
  • 定义： 能够通过传感器感知环境，并自主地通过执行器采取行动以达成目标的实体。
  • 灵魂： 自主性 (Autonomy) —— 不仅仅是执行指令，而是拥有决策能力。
• 进化路线：
  • 传统智能体 (Old)：
    • 反射型 (恒温器，由规则驱动) → 基于模型 (有世界状态记忆) → 基于目标/效用 (不仅要完成，还要最优) → 学习型 (AlphaGo，通过 RL 自我进化)。
    • 局限： 依赖人工预设规则，缺乏泛化能力。
  • LLM 驱动的新范式 (New)：
    • 核心差异： 传统是“写死代码逻辑”，LLM Agent 是“引导通用大脑”。
    • 能力跃迁： 具备隐式世界模型，能处理模糊自然语言，具备规划、工具使用和动态修正能力。
• 重要分类学：
  • 决策时间： 反应式 (快但短视) vs 规划式 (慢但深谋远虑) vs 混合式 (平衡)。
  • 知识表示 (重难点)：
    • 符号主义 (逻辑规则，白盒，可解释但脆弱)。
    • 亚符号主义 (神经网络，黑盒，直觉强但不可解释)。
    • 神经符号主义 (Neuro-Symbolic)： LLM Agent 的本质。结合了神经网络的直觉 (生成内容) 和符号系统的逻辑 (结构化思考 Thought/Action)。

2. 运行原理与架构 (1.2)

• 任务环境 (PEAS 模型)：
  • 定义智能体需明确 4 要素：Performance (性能)、Environment (环境)、Actuators (执行器)、Sensors (传感器)。
  • 环境特性： 现代 Agent 面临的是部分可观察 (信息不全)、随机性 (结果不确定)、动态且序贯 (当下决定影响未来) 的复杂环境。
• 核心循环 (The Agent Loop)：
  • 流程： 感知 (Perception) → 思考 (Thought) → 行动 (Action) → 观察 (Observation)。
  • 思考内部： 包含 规划 (Planning) (拆解任务) 和 工具选择 (Tool Selection) (缺啥补啥)。
  • 交互协议： Thought-Action-Observation 范式。
    • Thought: 内部独白，展示推理过程。
    • Action: 具体的函数/API 调用。
    • Observation: 环境返回的执行结果。

3. 构建实战：5 分钟造 Agent (1.3)

• 极简架构： LLM (大脑) + Tools (手脚) + Prompt (说明书)。
• Prompt 关键： 必须在 System Prompt 中规定输出格式 (如 Thought: ... Action: ...)，强制 LLM 进行链式思考。
• 执行流案例 (旅行助手)：
  1. 用户提问 → LLM 思考 (Thought) → 决定调用天气工具 (Action)。
  2. 程序执行代码 → 获得“晴天” (Observation)。
  3. LLM 再次思考 → 结合“晴天”调用景点搜索工具 (Action)。
  4. 获得结果 → 综合输出最终建议 (Finish)。
• 启示： 智能体是通过多轮循环，利用工具一步步消除不确定性来解决问题的。

4. 应用模式与 Workflow 对比 (1.4)

• 两种协作模式：
  1. 开发者工具 (Copilot/Cursor)： 人主导，AI 辅助。嵌入工作流，提效。
  2. 自主协作者 (AutoGPT/CrewAI)： AI 主导，人给目标。AI 自主规划执行，甚至多 Agent 组队。
• Workflow vs Agent (核心考点)：
  • Workflow (工作流)： 结构化、静态。逻辑是 If A then B。适合确定性高、标准化的任务 (如报销流程)。
  • Agent (智能体)： 目标导向、动态。逻辑是 Goal -> Plan -> Action。适合环境多变、需要推理的任务 (如“帮我策划旅行”)。
  • 总结： Workflow 是让 AI 按部就班；Agent 是赋予 AI 自由度去“看着办”。

💡 极速总结 (One-Liner)

智能体 (Agent) 是以 LLM 为大脑，通过 感知-思考-行动 闭环，利用 工具 自主解决复杂问题的系统；它与传统自动化的本质区别在于，它不是在执行死板的 If-Then 代码，而是在进行动态的 目标规划与推理。

第二章 智能体发展史

1. 核心演进逻辑

智能体的发展不是堆砌技术，而是为了解决“痛点”：

• 符号主义 (旧)： 试图把世界写成代码 -> 失败 (常识太多写不完，遇到新情况就挂)。
• 联结主义 (中)： 让机器模仿大脑神经网络 -> 进步 (能感知识别，但缺乏逻辑和决策)。
• 现代智能体 (新)： LLM (大脑) + 强化学习 (决策) -> 爆发 (既有通识知识，又能自主规划)。

2. 三大发展阶段

| --- | --- | --- | --- |

3. 关键案例解析

• ELIZA (最早的聊天机器人)：
• AlphaGo (强化学习的巅峰)：
• ChatGPT/LLM Agent (集大成者)：

4. 现代智能体架构

现在的 Agent 是怎么工作的？这一章总结了一个标准流程：

感知 (Perception) ➜ 思考 (Thought) ➜ 行动 (Action) ➜ 观察 (Observation)

• 大脑 (LLM)： 负责 Thought。利用预训练的知识进行规划（Planning）。
• 手脚 (Tools)： 负责 Action。解决 LLM 无法联网、无法计算的缺陷。
• 经验 (Memory)： 负责记住之前的交互，避免像 ELIZA 那样说一句忘一句。

💡 极速总结 (One-Liner)

智能体发展史就是一部“去人工化”的历史：从人类手写规则教机器做事，进化到机器通过阅读海量数据（预训练）和自我试错（强化学习）来拥有自主常识和决策能力。

第三章 大语言模型基础

1. 语言模型的进化史 (3.1.1)

为了让机器学会“说人话”，我们经历了三个阶段：

• 统计时代 (N-gram)： 查字典、算概率。假设下一个词只跟前 $N$ 个词有关。
• 神经网络早期 (RNN/LSTM)： 像读磁带一样按顺序读。引入了“记忆”功能，能记住前文。
• Transformer 时代： 一目十行，并行处理。彻底抛弃循环，用“注意力”机制同时看到所有词。