第一章 初始智能体
1.1 什么是智能体？
关键词（四个基本要素+特性）：传感器、环境、执行器、自主性、行动
由传感器感知所处环境，经由执行器进行自主决策而行动的实体
1.1.1 传统视角下的智能体
反射智能体：条件-动作（自动恒温器）
基于模型的反射智能体：状态-动作（自动驾驶的汽车）
基于目标的智能体：状态-目标-动作（GPS导航系统）
基于效用的智能体：状态-效用函数-目标-动作（权衡利弊）
学习型智能体：强化学习-智能体（正向激励正确决策，AlphaGo）
1.1.2 大语言模型驱动的新范式
LLM智能体可以直接处理高层级、模糊且充满上下文信息的自然语言指令。
1.1.3 智能体的类型
（1）基于内部决策架构的分类
（2）基于时间与反应性的分类
- 反应式智能体：快速决策、及时响应。速度快、开销低、局部最优
- 规划式智能体：思考、规划。战略性、远见、时间和计算成本高、错过最佳时机
- 混合式智能体：结合前面两者的优点，思考-行动-观察的循环中运作
（3）基于知识表示的分类
- 符号主义AI：逻辑明确、可追溯、可推理、结构化数据、已知世界的规则映射。未知、未覆盖的知识导致系统失灵。
- 亚符号主义AI：神经网络、深度学习、非结构化数据、黑箱。逻辑推理不佳，会出现幻觉
- 神经符号主义AI：结合前面两者的优点，像神经网络从数据中学习，也像符号系统进行逻辑推理。
LLM智能体是神经符号主义的实践范例。
1.2 智能体的构成与运行原理
1.2.1 任务环境定义
PEAS模型：
1.2.2 智能体的运行机制
智能体循环：感知-思考-⾏动-观察
-
感知（Perception）：这是循环的起点。智能体通过其传感器（例如，API 的监听端⼝、⽤户输⼊接⼝）接收来⾃环境的输⼊信息。这些信息，即观察 (Observation)，既可以是⽤户的初始指令，也可以是上⼀步⾏动所导致的环境状态变化反馈。
-
思考 (Thought)：接收到观察信息后，智能体进⼊其核⼼决策阶段。对于 LLM 智能体⽽⾔，这通常是由⼤语⾔模型驱动的内部推理过程。如图所示，"思考"阶段可进⼀步细分为两个关键环节：
- 规划 (Planning)：智能体基于当前的观察和其内部记忆，更新对任务和环境的理解，并制定或调整⼀个⾏动计划。这可能涉及将复杂⽬标分解为⼀系列更具体的⼦任务。
- ⼯具选择 (Tool Selection)：根据当前计划，智能体从其可⽤的⼯具库中，选择最适合执⾏下⼀步骤的⼯具，并确定调⽤该⼯具所需的具体参数。
- ⾏动 (Action)：决策完成后，智能体通过其执⾏器（Actuators）执⾏具体的⾏动。这通常表现为调⽤⼀个选定的⼯具（如代码解释器、搜索引擎 API），从⽽对环境施加影响，意图改变环境的状态。
1.3 第一个智能体的实现
以Java为例实现智能旅行助手Agent：
准备工作：
- agent的系统提示词：应当包括该Agent的角色、可用的工具、输出格式的规范化要求、结束条件、是否包含思考过程等系统约束
- 天气查询服务：免费的天气查询服务，wttr.in，将城市作为参数，通过HTTP请求获取天气数据，返回格式是JSON
- 景点推荐服务：网络查询服务，tavily，通过官网注册，获取API密钥，通过城市和天气，通过该API搜索返回景点推荐
- 大模型的选择与注册：选择一个大模型，注册获取key、请求地址、模型名
Agent构建：
- 用户提示词：当前没有前端页面输入，直接代码中固定或者在命令行中输入城市
- Agent请求循环设置：为防止无效Token的消耗或者大模型限于死循环，设置一定的交互次数阈值。
- 步骤：构建大模型客户端------构建提示词------调用LLM------做大模型输出的冗余截断------格式化之后的大模型输出解析出工具名和输入参数------调用工具------记录结果------将上一步的结果加入提示词并进行构建，循环直至达成预设目标或者到达最大的循环次数。
- 注意点：对大模型的输入和输出进行格式化冗余编辑，对异常条件做判断
这个案例主要演示了基于 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。
1.4 智能体应用的协作模式
1.4.1 作为开发者⼯具的智能体
智能体被深度集成到开发者的⼯作流中，作为⼀种强⼤的辅助⼯具。
- GitHubCopilot：由 GitHub 与 OpenAI 联合开发，深度集成于 Visual Studio Code 等主流编辑器中，以其强⼤的代码⾃动补全能⼒⽽闻名。
- Claude Code：由 Anthropic 开发的 AI 编程助⼿，旨在通过⾃然语⾔指令帮助开发者在终端中⾼效地完成编码任务。它能够理解完整的代码库结构，执⾏代码编辑、测试和调试等操作，⽀持从描述功能到代码实现的全流程开发。
- Trae：为开发者提供精准的代码建议和⾃动化重构⽅案。特⾊在于其轻量级的设计和快速响应能⼒，特别适合需要频繁迭代和快速原型开发的场景。
- Cursor：AI 原⽣的代码编辑器。让 AI 理解整个代码库的上下⽂，从⽽实现更深层次的问答、重构和调试。
共同指向了⼀个明确的趋势：AI 正在深度融⼊软件开发的全⽣命周期，通过构建⾼效的⼈机协同⼯作流，深刻地重塑着软件⼯程的效率边界与开发范式。
1.4.2 作为⾃主协作者的智能体
在该模式下，我们将⼀个⾼层级的⽬标委托给它。智能体会像⼀个真正的项⽬成员⼀样，独⽴地进⾏规划、推理、执⾏和反思，直到最终交付成果。它标志着我们与 AI 的关系从"命令-执⾏"演变为"⽬标-委托"。智能体不再是被动的⼯具，⽽是主动的⽬标追求者。
- 单智能体⾃主循环：早期的典型范式，如 AgentGPT 所代表的模式。其核⼼是⼀个通⽤智能体通过"思考-规划-执⾏-反思"的闭环，不断进⾏⾃我提示和迭代，以完成⼀个开放式的⾼层级⽬标。
- 多智能体协作：这是当前最主流的探索⽅向，旨在通过模拟⼈类团队的协作模式来解决复杂问题。它⼜可细分为不同模式： ⻆⾊扮演式对话 ：如 CAMEL 框架，通过为两个智能体（例如，"程序员"和"产品经理"）设定明确的⻆⾊和沟通协议，让它们在⼀个结构化的对话中协同完成任务。 组织化⼯作流：如 MetaGPT 和 CrewAI，它们模拟⼀个分⼯明确的"虚拟团队"（如软件公司或咨询⼩组）。每个智能体都有预设的职责和⼯作流程（SOP），通过层级化或顺序化的⽅式协作，产出⾼质量的复杂成果（如完整的代码库或研究报告）。AutoGen 和 AgentScope 则提供了更灵活的对话模式，允许开发者⾃定义智能体间的复杂交互⽹络。
- ⾼级控制流架构：诸如 LangGraph 等框架，则更侧重于为智能体提供更强⼤的底层⼯程基础。它将智能体的执⾏过程建模为状态图（State Graph），从⽽能更灵活、更可靠地实现循环、分⽀、回溯以及⼈⼯介⼊等复杂流程。
1.4.3 Workflow 和 Agent 的差异
Workflow 是让 AI 按部就班地执⾏指令，⽽ Agent 则是赋予 AI ⾃由度去⾃主达成⽬标。
⼯作流是⼀种传统的⾃动化范式，其核⼼是对⼀系列任务或步骤进⾏预先定义的、结构化的编排。它本质上是⼀个精确的、静态的流程图，规定了在何种条件下、以何种顺序执⾏哪些操作。
基于⼤型语⾔模型的智能体是⼀个具备⾃主性的、以⽬标为导向的系统。它不仅仅是执⾏预设指令，⽽是能够在⼀定程度上理解环境、进⾏推理、制定计划，并动态地采取⾏动以达成最终⽬标。基于实时信息进⾏动态推理和决策的能⼒，正是 Agent 的核⼼价值所在。
