topic-agent

什么是 Agent - Index

1. 核心观点

Summary（一句话声明）

Agent = LLM（大脑）+ Planning（规划）+ Memory（记忆）+ Tools（工具），把被动的文本生成器改造成能主动感知、规划、行动的 " 数字员工 "。

2. 快速导航

1. 基本概念

• 1.1 Agent 定义
• 1.2 LLM 的不足
• 1.3 为什么必须做 AI Agent

2. 架构

• 2.1 实战演示：一个 ReAct Agent 的思考过程

2.2 大脑

• 2.2.1 大脑：LLM 的角色转变

2.3 规划

• 2.3.1 规划：从直觉到逻辑

2.4 记忆

2.4.1 深入解析 Messages List

• 2.4.1.1 核心概念：API 是无状态的
• 2.4.1.2 代码层面的解释

2.4.2 Context Window

• 2.4.2.1 Context Window 概念

2.5 工具

2.5.1 核心技术揭秘：Function Calling

• 2.5.1.1 基本概念
• 2.5.1.2 为什么需要 Function Calling
• 2.5.1.3 多个工具调用

2.5.2 核心概念

• 2.5.2.1 工具定义 (Tool Lists)
• 2.5.2.2 架构化输出
• 2.5.2.3 Function Calling 原理

2.5.2.4 Function Call 完整流程

• 2.5.2.4.1 定义 Tool Schema
• 2.5.2.4.2 定义可调用的本地函数
• 2.5.2.4.3 发起第一次对话请求
• 2.5.2.4.4 解析模型返回的函数调用
• 2.5.2.4.5 将函数结果回传给模型
• 2.5.2.4.6 获取最终自然语言回答

2.5.3 多个工具调用

• 2.5.3.1 单轮选择
• 2.5.3.2 链式调用
• 2.5.3.3 并行调用

3. Agent 系统设计

• 3.1 设计方法概述
• 3.2 Simple Workflow (Prompt Chain)
• 3.3 React Reflection 形式
• 3.4 Multi-Agent (DeepResearch) 形式

3.5 主流 Agent 开发模式与框架

• 3.5.1 引言：单 Agent 的困境

3.5.2 ReAct 模式

• 3.5.2.1 什么是 ReAct
• 3.5.2.2 ReAct 的生命周期
• 3.5.2.3 为什么 ReAct 如此重要

3.5.3 Multi-Agent 多智能体系统

• 3.5.3.1 核心理念：Role-Playing
• 3.5.3.2 MAS 产生原因
• 3.5.3.3 核心机制
• 3.5.3.4 架构特点
• 3.5.3.5 MAS 架构
• 3.5.3.6 MAS 实例

3.5.3.7 两种经典的协作拓扑图

• 3.5.3.7.1 顺序流 SOP 流水线
• 3.5.3.7.2 层级监督模式（项目经理制）

3.5.4 主流开发框架选型指南

• 3.5.4.1 LangChain & LangGraph
• 3.5.4.2 AutoGen
• 3.5.4.3 Coze / Dify

4. Agent 面试重点

• 4.1 理解 Agent 本质
• 4.2 系统设计能力
• 4.3 系统编排与优化
• 4.4 结果评估

5. 技术基础

5.1 调用大模型

• 5.1.1 调用大模型 API
• 5.1.2 多轮对话原理

3. 导航

• ↑ 返回源文件