AI演变过程

AI Agent🤖 和普通 AI 聊天机器人的区别

• 普通 AI（如 ChatGPT）：
  → 你：“怎么订便宜机票？”
  → 它：“亲，建议您去携程比价哦~” （光说不练假把式）
  → 你：“？？？我要你何用！”
• Agent：
  → 你：“订张便宜机票。”
  → 它：默默打开浏览器→登录账号→比价→下单→截图发你。（真·全自动代练）

Agent是什么？

Agent = 大模型（LLM）+ 规划（Planning）+ 记忆（Memory）+ 工具使用（Tool Use）

AI Agent 智能体 是大模型驱动、具有任务规划和执行能力的自动化工具。
通俗来说，Agent是一位能自动写“函数”、调“API”、还带“Debug 能力”的 AI 队友。
你给它一个需求（比如“订机票”），它自己拆任务、调工具、跑流程，最后给你结果——不用你一行行写 if-else！

Agent && 大模型

LLM 的全称是 Large Language Model（大型语言模型），指通过海量文本数据训练、具备自然语言理解和生成能力的深度学习模型。

• Agent VS LLM：模型的知识仅限于其训练数据，AI Agent通过工具连接外部系统，在模型自带的知识之外，实时、动态扩展知识。
• 模型缺乏原生逻辑层，需借助提示词工程或使用推理框架（CoT、ReAct等）来形成复杂提示，指导模型进行预测，而AI Agent自带原生认知架构，内置CoT、ReAct等推理框架或LangChain等编排框架。
  

Agent的工作机制

Agent核心组件

AI Agent的核心组件包括：模型(model)、规划(planning)、工具(tool)、记忆(memory)。

构建基础Agent

LangChain 是一个专门为构建 LLM 应用（特别是 Agent）而设计的框架。
LangChain官网地址：https://www.langchain.com/

LangChain的核心优势在于：

• ✅ 组件丰富：内置 Prompt 模板、记忆机制、工具调用等模块
• ✅ 灵活组合：像乐高一样拼出你想要的 Agent
• ✅ 支持多模型：OpenAI、ChatGLM、Claude、Gemini、文心一言等都能接
• ✅ 社区活跃：生态完善、教程丰富
  LangChain 就像是 AI Agent 的“游戏引擎”，特别适合入门使用。

LangChain 中，一个最小的 Agent 由以下部分构成：

# 导入 DuckDuckGo 搜索工具，用于联网搜索信息
from langchain_community.tools import DuckDuckGoSearchRun
# 导入 ChatOpenAI 类，用于与兼容 OpenAI 接口的语言模型交互
from langchain_community.chat_models import ChatOpenAI
# 导入 initialize_agent 和 AgentType，用于创建 LangChain 智能体
from langchain.agents import initialize_agent, AgentType

# 实例化 DuckDuckGo 搜索工具，作为 agent 可用的工具之一
search = DuckDuckGoSearchRun()
tools = [search]  # 工具列表，目前只包含搜索工具

API_KEY = 'sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx'

# 创建一个 LLM（大型语言模型）客户端，连接到 DeepSeek 的 OpenAI 兼容接口
llm = ChatOpenAI(
    model='deepseek-chat',  # 指定使用 deepseek-chat 模型
    openai_api_key=API_KEY,  # 使用你的 API 密钥进行认证
    openai_api_base='https://api.deepseek.com',  # DeepSeek 的 API 接口地址
    max_tokens=1024  # 最大生成 token 数
)

# 初始化智能体 Agent，使用 Zero-Shot ReAct 模式（零样本推理 + 工具调用）
agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,  # agent 类型：基于 ReAct 的 Zero-Shot 智能体
    verbose=True,  # 输出 agent 的推理过程，便于调试和观察
    handle_parsing_errors=True  # 容错处理，避免格式解析出错时中断
)

response = agent.invoke({"input": "请用中文回答这个问题：最近有哪些关于AI Agent的新研究？"})
print(response)

还可以。。。

• 加入记忆机制：让 Agent 记住上下文
• 自定义工具函数：如调用数据库、写文件、调用 API
• 多 Agent 协作：多个角色协同处理复杂任务

Agent应用分类

应用类型上，AI Agent 可分为平台框架型与垂类应用型两类，前者聚焦工具与生态，后者聚焦行业与功能场景。

Agent平台分享

借助扣子提供的可视化设计与编排工具，你可以通过零代码或低代码的方式，快速搭建出基于大模型的各类 AI 项目

链接地址：https://www.coze.cn/open/docs/guides