一、Agent是什么
Agent翻译过来时“智能体”，你可以把它理解为一个“有自主能力的智能助手”——它不用人一步步指挥，能自己理解任务，规划步骤、使用工具、记住过往经历，甚至和其他Agent或人类协作，最终完成目标。
简单说：普通LLM是“你问我答”的工具，二Agent是“你交代任务，它自己搞定”的帮手。比如你让普通LLM写代码，它只给代码；但让变成Agent写代码，他会先问清需求细节，查相关语法、生成代码后测试，有bug还会自己修改，全程自主推进。
二、Agent的发展脉络（了解即可）
这张图记录了 2021-2023 年 Agent 相关的关键项目，能清晰看到 Agent 的爆发历程：
- 横坐标：时间（从 2021 年 1 月到 2023 年 8 月）；
- 纵坐标：推测是项目关注度或相关工作数量（数值越高越受重视）；
- 核心信息：
- 2022 年之前：Agent 相关探索很少（只有 WebGPT 等少数项目），还处于萌芽期；
- 2023 年是 “Agent 爆发年”：从 2 月到 8 月，大量关键项目集中出现（AutoGPT、HuggingGPT、MetaGPT 等），涵盖工具使用、游戏、协作等多个方向；
- 类型多样：图中提到了 Tool Agent（工具型）、Generative Agent（生成型）、Game Agent（游戏型）等，说明 Agent 已经渗透到不同场景。
简单总结：Agent 是基于 LLM 发展来的 “进阶形态”，2023 年开始成为 NLP 领域的热门方向，核心是让 AI 从 “被动问答” 变成 “主动做事”。
三、Agent的4大核心特征（为什么他能“自主做事”）
这张图把Agent拆成4个核心模块，就像人的“人设、大脑、手脚、记忆”
1.专有场景（Profile:智能体的“人设”）
每个Agent都有自己的“专属身份和场景”，不是万能的。比如：
- 智能客服 Agent：场景是 “处理用户售后问题”，人设是 “耐心、专业、熟悉产品规则”；
- 编程 Agent：场景是 “代码开发”，人设是 “懂语法、会调试、熟悉开发工具”。PPT 里的 Profile 包含 “人口统计学信息（比如‘虚拟年龄 25 岁’）、性格（比如‘严谨细心’）、社交信息（比如‘擅长和工程师协作’）”，这些都是为了让 Agent 在专属场景里更 “贴合角色”。
2.保留记忆（Memory：智能体的“大脑存储”）
Agent能像人一样“记事情”，下次互动式直接用，不用重复交代。比如你跟理财Agent说“我风险承受能力低”，它会记住这个信息，下次推荐基金时，就不会推高风险产品。
- 记忆类型：有 “统一记忆”（所有信息存在一起）、“混合记忆”（分短期记忆和长期记忆）；
- 记忆操作：能 “读”（回忆过往信息）、能 “写”（记录新信息）、还能 “反思”（比如总结 “上次用户投诉是因为物流慢，这次要重点关注物流问题”）。
3.任务规划（Planning：智能体的“思考能力”）
Agent接到任务后，会自己拆分成步骤，不用人指挥，
比如你让它 “写一篇 AI 行业月度总结”，它会规划：
- 检索本月 AI 行业关键事件；
- 整理核心数据（比如融资额、新发布模型）；
- 按 “事件 + 数据 + 趋势” 结构写初稿；
- 检查是否有遗漏信息，优化语言。
- 规划方式：分 “无反馈规划”（按固定思路拆步骤）和 “有反馈规划”（根据环境或人类反馈调整步骤）；
