肇庆市网站建设_网站建设公司_C#_seo优化

本文系统介绍了AI Agent的基本概念与框架，首先区分了RL Agent、AI Agent和Agentic Workflow的差异，详细阐述了Agent的基本结构，并深入解析了ReAct、TOT、RAISE等经典方法。同时，文章探讨了多智能体结构及在编程领域的应用，最后介绍了代表性Agent项目和开发框架，为读者提供了全面的AI Agent学习路径和实践指南。

引言

什么是Agent？

在翻阅很多资料之后，发现这个问题真是“众说纷纭”。

有人说，LLM + MCP 调个工具就是 Agent；也有人说，Agent 是个推理、规划、协同的复杂系统。

其实，Agent这个词是多义性的，没有定义清楚前就开始讨论，就会产生困扰。

因此，本文将根据现有的Agent相关资料，对其建立一个基本的认知体系，以便为后续的学习建立基础。

Agent基本定义

Agent 很容易与 RL Agent 和 Agentic Workflow 混淆，首先需要把这几个的概念界定清楚。

RL Agent 和 AI Agent 区别

在强化学习（Reinforcement Learning, RL）中，Agent 是一个与环境交互的决策者。
它通过“状态—动作—奖励”三元组不断学习最优策略，目标是最大化长期回报。

RL Agent 的行为可以看作是一个数学意义上的最优控制过程，其“智能”来源于对奖励信号的优化学习，而非语言或知识层面的推理。

在 2023 年之后谈论“Agent”时，更多指的是基于大语言模型的智能体系统。

AI Agent 不再局限于数值型的奖励学习，而是一个“靠语言推理与外部行动构成的认知体”。

Agentic Workflow 和 AI Agent 区别

去年，吴恩达提出了 Agentic Workflow 这个概念，从广义上来说，它也是 Agent 的一种[1]。

Agentic Workflow 和 AI Agent 的核心差异在于系统架构的自主权分配，两者的差异如下表所示：

Agentic Workflow 本质上是带有LLM的工作流，本文所讨论的 AI Agent 则是让 LLM 自主决策的智能体。

Agent 的基本结构

参考文献[2] 给出了一个 Agent 的完整结构，如下图所示：

翻译一下，一个完整智能体有以下结构：

• 角色 (Profile)

• 角色内容 (Profile contents)
• 生成策略 (Generation strategy)

• 记忆 (Memory)

• 记忆结构 (Memory structure)
• 记忆形式 (Memory formats)
• 记忆操作 (Memory operation)

• 规划 (Planning)

• 无反馈规划 (Planning without feedback)
• 有反馈规划 (Planning with feedback)

• 行动 (Action)

• 行动目标 (Action target)
• 行动生成 (Action production)
• 行动空间 (Action space)
• 行动影响 (Action impact)

并不是说一个Agent必须要包含以上内容，只是可作为一个参考。

Agent 的经典方法

在 Agent 的发展进程中，有以下经典方法，被广泛使用[3]。

ReAct

ReAct（推理+行动）是指，智能体首先针对给定任务写下思考内容，随后基于该思考执行动作并观察输出结果，这一循环可重复直至任务完成。

ReAct 是 Cot(思维链) 的进阶版，Cot 只是让模型写出推理过程，ReAct 则是推理+行动。

有研究表明[3]，在 HotpotQA数据集上，使用 CoT 方法的幻觉发生率为 14%，而 ReAct 方法的这一比例则为6%。

下图是一个 ReAct 交互的例子：

不过，ReAct 也有局限性，将推理、观察和行动交织在一起可能会重复生成相同的思考与行动，无法产生新思路来推动任务完成并跳出ReAct循环。

TOT

思维树（Tree-of-Thought，ToT）是对 ReAct 和 Cot 思维链方法的进一步扩展，其核心思想是在推理过程中探索多条可能思路，而不是单一路径。

ToT 维护着一棵思维树，思维由连贯的语言序列表示，这个序列就是解决问题的中间步骤。使用这种方法，LLM 能够自己对严谨推理过程的中间思维进行评估。LLM 将生成及评估思维的能力与搜索算法（如广度优先搜索和深度优先搜索）相结合，在系统性探索思维的时候可以向前验证和回溯[4]。

ToT 的具体构建方式可参考 tree-of-thought-prompting仓库[5]的提示词。

RAISE

RAISE方法建立在ReAct方法的基础上，并增加了模拟人类短期和长期记忆的机制，该方法通过使用草稿纸实现短期存储，并利用类似历史案例的数据集进行长期存储。

下图是 RAISE的框架结构。

RAISE的局限性是智能体经常在角色认知或知识层面出现幻觉。例如，一个未明确定义角色的销售Agent可能保留着Python编程能力，导致其开始编写Python代码而非专注于销售任务。

Reflexion

自我反思（Reflexion）是指将来自环境的反馈转换为语言反馈，也被称作 self-reflection，为下一轮中 LLM 智能体提供上下文[4]。

本质上就是在得到结果和进行下一步决策时，再加一轮自我反思的流程，如下图所示。

Reflexion 的局限性是智能体的反思的能力并不一定有效，且额外增加的一轮交互，容易触发到模型的上下文Token数量上限。

LATS

语言代理树搜索（LATS）受蒙特卡洛树搜索启发，将状态表示为节点，将执行动作视为节点间的遍历，用树结构将规划、行动和推理协同结合，使用基于语言模型的启发式方法搜索可能选项，然后通过状态评估器选择动作。

然而，由于算法复杂性和涉及反射步骤，LATS通常比其他单智能体方法消耗更多计算资源且耗时更长。

CodeAct

CodeAct 是在 ReAct 基础上发展起来的一类专注于代码生成与执行的 Agent 框架[6]，CodeAct 把 ReAct 的行动（Action) 变成了代码执行（Code Execution），被 Manus 等知名产品所采用[7]。

具体的工作流程如下：

多智能体结构

在一些更为复杂的系统中，往往会构建多智能体扮演不同的角色，来进行协作和信息共享[8]。

在智能体架构中，有以下经典方法[3]。

DyLAN

DyLAN 构建了一个Agent网络，该框架设有专门步骤用于评估各Agent在上一轮工作中的贡献度，并仅允许核心贡献者进入下一轮执行。

这种方法本质上是水平式的，因为Agent之间可以相互共享信息，且没有明确的领导角色。

AgentVerse

AgentVerse 框架包含任务执行的四个核心阶段：招募、协同决策、独立行动执行与评估，这一流程可循环直至达成总体目标。

MetaGPT

许多多智能体架构允许智能体在共同解决问题时相互对话。这种对话能力可能导致智能体之间产生冗余且无助于团队目标的闲聊。

MetaGPT通过要求智能体生成结构化输出（如文档和图表）而非共享非结构化聊天消息，解决了智能体间无效闲聊的问题。

此外，MetaGPT 实现了一种用于信息共享的“发布-订阅”机制。这使得所有智能体可以在一个地方共享信息，但只读取与其各自目标和任务相关的信息。这简化了整体目标执行过程，并减少了智能体之间的对话噪音。

Coding领域的Agent应用

不同领域的Agent都不尽相同，Vibe Coding 是当前Agent应用相对成熟的垂类领域。

Vibe Coding 意思是程序员通过纯指令的方式让Coding Agent去编写代码，基本交互流程如下图所示[9]。

历年来，关于此方面的模型、Agent、评测集和产品如下图所示[9]：

下图[9]汇总了当前领域所用的模型、Agent、开发环境和反馈算法，部分经典的在前文中已提到，更多内容可参考此图做引申研究。

Agent代表性项目

不难发现，Agent没有固定范式，还处于百家争鸣的状态，要进一步学习操作细节，可参考以下Agent的开源项目[10]：

• AutoGPT：由SignificantGravitasLtd.视频游戏公司的创始人ToranBruceRichards开发，是2023年3月推出的早期Agent之一，它是当今GitHub上最受欢迎的Agent项目。
• BabyAGI：任务驱动自主智能体的精简版。Python脚本只有140个字的代码。
• SuperAGI：AutoGPT的更灵活且用户友好的替代方案。将其视为开源AI智能体的集成者，其中包含构建、维护和运行自己的Agent所需的一切。
• ShortGPT：一个用于自动化内容创建的强大框架。它简化了视频创建、素材来源、配音合成和编辑任务。
• ChatDev：一家虚拟软件公司，通过担任不同角色的各种智能体进行运营，包括首席执行官、首席产品官、首席技术官、程序员、审阅者、测试员、美术设计师。这些智能体形成了一个多智能体组织结构。
• MetaGPT：试图模仿传统软件公司的结构，Agent被分配产品经理、项目经理和工程师的角色，并且他们在用户定义的编码任务上进行协作。
• Camel：早期的多智能体框架之一，它使用独特的角色扮演设计来使多个智能体能够相互通信和协作。
• JARVIS：通过访问HuggingFace中心中的数十个专用模型，利用ChatGPT的推理能力将最佳模型应用于给定任务。这使得它对于各种任务（从简单的摘要到对象检测）都具有相当不错的灵活性。
• OpenAGI：一个开源AGI（通用人工智能）研究平台，结合了小型专家模型（为情感分析或图像去模糊等任务量身定制的模型）和任务反馈强化学习(RLTF)，以提高其输出。
• XAgent：一个开源实验性大型语言模型(LLM)驱动的自主智能体，可以自动解决各种任务。它被设计为一个通用Agent，可以应用于广泛的任务。

Agent开发框架

下面汇总了一些开源的开发框架，借此可以更方便地去开发Agent：

• LangChain：它可以帮助开发者将 LLMs 与外部工具、API 和知识源连接，让 Agent 能够推理并采取行动。
• LangGraph：在 LangChain 的基础上，支持以状态和转换的图（graphs）来设计 Agent。
• Langflow：将 LangChain 的概念融入拖放式界面，无需深入编码即可可视化构建 AI 工作流程。
• LlamaIndex：支持让 Agent 连接外部数据源（PDF、数据库、API、向量存储）来补充 Agent 的上下文信息。
• AutoGen：一个支持使用多个智能体(Agent)开发LLM应用程序的框架，这些Agent可以相互对话来解决任务。
• PromptAppGPT：基于LLM的自然语言应用开发框架：支持全自动编译、运行、界面生成，支持无代码配置实现流程调度，支持几十行低代码实现AutoGPT类全自主智能体。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2025 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？