大语言模型Agent学习笔记

发表于 | 评论数： | 阅读次数：

最近一段事件，基于 LLM 的 Agent 非常火爆，比如 OpenClaw 龙虾。那么什么是 AI Agent，基于 LLM 的 Agent 带来了哪些突破呢？值得探究一下。

什么是 AI Agent

在生成式人工智能的背景下，AI 代理（也称为复合 AI 系统或自主 AI）是一类能够在复杂环境中自主运行的智能代理。自主 AI 工具优先考虑决策而非内容创建，并且不需要持续监督。

AI 代理具有几个关键属性，包括复杂的目标结构、自然语言接口、能够在无需用户监督的情况下独立行动的能力，以及集成软件工具或规划系统。它们的控制流程通常由大型语言模型（LLMs）驱动。代理还包括用于记忆先前用户-代理交互的记忆系统和用于组织代理组件的编排软件。

AI 代理的一个常见应用是任务的自动化，例如根据用户的提示请求预订旅行计划。

AI Agent 构成

AI Agent = LLM（推理） + Tools（工具） + Planning（规划） + Memory（记忆）

其执行流程如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
用户输入
   ↓
[感知 Perception] ← 记忆
   ↓
[规划 Planning]  → 分解任务
   ↓
[决策 Decision]  → 选择行动
   ↓
[执行 Action]    → 调用工具
   ↓
[观察 Observation] → 获取结果
   ↓
(循环直到完成)
   ↓
返回最终答案

AI Agent 分类

类型 特点 适用场景 代表框架
ReAct 推理+行动交替 单步任务、工具调用 LangChain
Plan-and-Execute 先规划再执行 复杂多步任务 BabyAGI
Autonomous 自主循环运行 长期目标任务 AutoGPT
Multi-Agent 多智能体协作 复杂系统、角色分工 MetaGPT

AI Agent 关键技术

  • 大语言模型 （LLM）
  • 工具调用（Function Calling）
  • 工具库设计
  • 记忆机制
    • 短期记忆（对话历史）
    • 长期记忆（向量数据库）
    • 结构化记忆（实体记忆）

AI Agent 生态位

1
2
3
4
5
6
7
8
9
┌─────────────────────────────────────┐
│           外部工具 / 数据源          │  文件系统、数据库、GitHub、Slack…
├─────────────────────────────────────┤
│   MCP 服务器 / Skills（能力封装层）   │  标准化协议连接 & 模块化能力包
├─────────────────────────────────────┤
│          Agent（执行循环层）         │  感知 → 推理 → 工具调用 → 观察
├─────────────────────────────────────┤
│          LLM（推理核心层）           │  Claude、GPT-4o、DeepSeek、Gemini…
└─────────────────────────────────────┘

参考链接

  1. LLM Agent开发指南,by meiluosi.
  2. 万字长文解读LLM Agent：总体框架、经典论文与实践, 魔法学院的Chilia.
  3. AI agent,by wikipedia.
  4. 为什么调用 OpenAI Tools 后，还要再请求一次大模型？——从代码看 LLM 工具调用的本质,by 烟袅破辰.
  5. 使用 OpenAI SDK 调用 Tools 实现外部工具集成,by 烟袅破辰.
  6. 大模型工具调用完整指南：从原理到实践,by 鱼XueTr​.
  7. MCP、Skills、Agent、LLM：四层架构全解，一文理清核心概念,by 七牛云行业应用.