43 lines
1.8 KiB
Markdown
43 lines
1.8 KiB
Markdown
---
|
||
title: "AI Agent"
|
||
type: concept
|
||
tags: [ai-agent, autonomous, llm]
|
||
last_updated: 2026-04-25
|
||
---
|
||
|
||
## Definition
|
||
AI Agent（AI 智能体）是围绕大语言模型（LLM）构建的循环控制系统，具备感知目标、规划步骤、执行动作、反思结果的能力，实现真正的自主行动。
|
||
|
||
## Core Loop
|
||
AI Agent 通过一个连续循环过程实现其目标：
|
||
|
||
1. **获取任务**：接收高层目标（用户或自动触发）
|
||
2. **扫描场景**：感知环境，获取上下文信息（工具/记忆/资源）
|
||
3. **仔细思考**：由推理模型驱动，分析任务与场景，制定行动计划
|
||
4. **采取行动**：调用适当工具（API/代码/数据库），作用于外部世界
|
||
5. **观察并迭代**：观察行动结果，更新上下文，循环回到步骤3
|
||
|
||
## Key Capabilities
|
||
- **自主决策**：根据上下文自主选择行动策略
|
||
- **工具使用**：调用 API、执行代码、查询数据库
|
||
- **多步骤规划**：分解复杂任务为可执行步骤
|
||
- **自我反思**：基于执行结果调整下一步行动
|
||
|
||
## Role in AI System Architecture
|
||
- **执行层**：AI Agent 作为 AI 系统的"行动系统"，负责将决策转化为实际行动
|
||
- 使用 [[Large Language Model]] 进行推理
|
||
- 使用 [[RAG]] 确保信息来源准确
|
||
|
||
## Related Concepts
|
||
- [[Large Language Model]] — Agent 的"大脑"
|
||
- [[RAG]] — Agent 的"记忆"
|
||
- [[Model Context Protocol]] — Agent 连接外部工具的标准协议
|
||
- [[ReAct Pattern]] — Agent 的推理-行动模式
|
||
- [[Agentic AI]] — 具备自主决策能力的 AI 系统
|
||
|
||
## Sources
|
||
- [[llms-rag-ai-agent-三个到底什么区别]]
|
||
- [[designing-for-agentic-ai]]
|
||
- [[n8n-full-tutorial-building-ai-agents-in-2025-for-beginners]]
|
||
- [[大模型相关术语和框架总结｜llm-mcp-prompt-rag-vllm-token-数据蒸馏]]
|