一、概念
|---------------------------------------------------------------------------------------------------------------------------------------------------------------|
| Agent是总司令，LLM是军师，RAG是资料员，工具集 是执行团队。 总司令（Agent）问军师（LLM）该怎么做，军师指挥资料员（RAG）找资料、指挥团队（工具集）干活，最后军师整理成果给总司令汇报。TCP则是整个公司的电话网络，确保所有沟通畅通无阻。 |
| agent是总司令，第1步:接收用户任务，第2步:处理，第3步:返回结果给用户。 其中第2步骤，agent处理过程： 先：通过【TCP=协议】调用【LLM=大语言模型】(如: deepseek,千问)，拿到10个结果 再：调用【RAG=外部知识库】增强LLM回答的准确性。比如只要旅行类的，去掉7个，只留下2个结果 |
1、Agent 智能体
Agent:基于Thought-Action-Observation范式的智能体
所具备的四项基本能力：任务分解、工具调用、上下文理解和结果合成。
2、LLM 大语言模型
LLM的关键在于【提示工程（Prompt Engineering）】。我们需要设计一个"指令模板"，告诉 LLM 它应该扮演什么角色、拥有哪些工具、以及如何格式化它的思考和行动。
3、RAG 检索-增强-生成
-
Retrieval - 检索（从知识库中查找相关信息）
-
Augmented - 增强（用检索结果增强大模型）
-
Generation - 生成（生成最终答案）
4、TCP 协议
每个Agent通过MCP协议调用外部API
二、项目应用
1、智能问答
1.1 智能旅行助手
https://datawhalechina.github.io/hello-agents/#/
详见 1.3 5分钟动手实现1个智能体
1、智能代码审查助手（CodeReviewAgent）
现代码质量分析（检查代码风格、命名规范、注释完整性）、潜在 bug 检测（发现逻辑错误、边界条件问题、资源泄漏）、性能优化建议（识别性能瓶颈、提出优化方案）、安全漏洞扫描（检测 SQL 注入、XSS 等安全问题）以及最佳实践推荐（根据语言特性和设计模式提出改进建议）
3、 电商的智能客服
a. 理解用户的退款申请理由
b. 查询用户的订单信息和物流状态
c. 根据公司政策智能地判断是否应该批准退款
d. 生成一封得体的回复邮件并发送至用户邮箱
e. 如果判断决策存在一定争议（自我置信度低于阈值），能够进行自我反思并给出更审慎的建议