<smtcmp_block filename="公开笔记/Bilibili/费曼学习法，5分钟搞懂Agent.md" language="markdown">
二、Agent 的组成
可以把 Agent 想象成数字员工来理解。就像公司有运营、财务等岗位，Agent 是数字岗位——不用请假、24小时待命、成本更低。
重要澄清：Agent 最核心的部件不是数量，而是自主工作的能力。
1. LLM（Large Language Model，大语言模型）—— 核心大脑
作用：理解人类语言、分析任务、制定计划、生成决策
为什么不可或缺：没有 LLM，其他组件都没有意义。就像再完美的办公环境，没有人坐在那里也无法运转。
选择建议：
| 维度 | 说明 |
|---|---|
| 推理能力 | 决定 Agent 能否正确规划任务步骤 |
| 上下文长度 | 影响 Agent 能处理的信息量上限 |
| 工具调用能力 | 部分模型原生支持 function calling |
| 成本 | 需权衡性能与费用 |
常见模型：GPT-4/Claude（闭源）、DeepSeek/LLaMA/Qwen（开源）
2. Prompt（提示词）—— 岗位说明书
作用：规定 Agent 的职责、限制条件、回复风格
核心要素：
┌─────────────────────────────────────────────┐
│ Prompt 组成 │
├─────────────────────────────────────────────┤
│ 角色定义 你是什么身份？ │
│ 任务目标 你要完成什么？ │
│ 行为规范 什么能做，什么不能做？ │
│ 输出格式 结果以什么形式呈现？ │
│ 示例（Few-shot）给参考案例让输出更稳定 │
└─────────────────────────────────────────────┘
设计原则：
- 清晰具体：避免模糊指令，给出明确判断标准
- 分层递进：复杂任务拆解为多个 Prompt 阶段
- 边界约束：明确禁止项（如"不能透露用户隐私"）
注意：Prompt 不是写一次就完事，而是需要根据实际表现持续迭代优化。
3. Memory（记忆）—— 上下文跟踪
为什么需要：如果实习生每 30 秒失忆一次，工作无法进行。
两种类型：
| 类型 | 说明 | 典型场景 |
|---|---|---|
| 短期记忆（Short-term） | 当前会话上下文 | 对话中的前文内容 |
| 长期记忆（Long-term） | 跨会话持久存储 | 用户偏好、历史经验 |
实现方式：
文本直接存储 → 适合短上下文
向量数据库（如 Milvus/Pinecone） → 语义检索
知识图谱 → 关系型记忆
设计要点：
- 决定存储什么：不是所有对话都需要记住
- 检索策略：基于关键词还是语义相似度
- 遗忘机制：避免记忆无限膨胀
4. Knowledge（外部知识）—— 资料库
作用：弥补 LLM 通用知识的不足，提供企业内部或垂直领域信息
典型内容：
| 类别 | 示例 |
|---|---|
| 企业知识 | 组织架构、内部流程、联系人 |
| 产品文档 | 功能说明、使用手册、FAQ |
| 行业数据 | 竞品信息、市场报告、行业术语 |
| 实时信息 | 当前时间、股价、天气等 |
接入方式：
静态文档 → RAG（检索增强生成）→ 动态注入
API 接口 → 实时查询 → 补充最新信息
核心价值：让 Agent 不仅"知道很多"，更"知道你们公司的具体情况"。
5. Tools（工具）—— Agent 的手脚
为什么最关键：从"会聊天"变成"会干活"，让 AI 真正能执行实际操作。
工具类型：
| 类型 | 示例 | 功能 |
|---|---|---|
| 浏览器工具 | Playwright、Selenium | 网页搜索、内容抓取 |
| 文件操作 | 读/写本地文件 | 文档处理 |
| API 调用 | HTTP 请求 | 连接外部服务 |
| 代码执行 | Python REPL | 数据分析、计算 |
| SaaS 集成 | 邮件、日历、Slack | 日常办公自动化 |
工作原理：
用户输入 → LLM 判断需要调用什么工具 → 执行工具 → 获取结果 → 继续推理
设计要点：
- 工具描述要清晰：LLM 需要理解工具能做什么
- 参数定义要准确：避免 LLM 传错参数
- 错误处理：工具执行失败后的 fallback 策略
进阶：ReAct 框架中，LLM 会先推理（Reasoning）决定用哪个工具，再行动（Acting）执行，然后检查结果。
组件关系图
┌─────────────┐
│ LLM │ ← 大脑：推理决策
└──────┬──────┘
│
┌──────────────────┼──────────────────┐
│ │ │
▼ ▼ ▼
┌───────────┐ ┌───────────┐ ┌───────────┐
│ Prompt │ │ Memory │ │ Knowledge │
│ 岗位说明书│ │ 记忆 │ │ 资料库 │
└───────────┘ └───────────┘ └───────────┘
│
▼
┌───────────┐
│ Tools │ ← 手脚：执行操作
└───────────┘
补充说明
-
关于 Agent 组成的争议：目前 Agent 处于高速发展阶段，行业内尚无统一标准。学术界、工程团队、产品公司、普通用户的视角不同，看到的组件划分也不同。没有"官方标准答案"，关键在于理解核心原理。
-
ReAct 框架补充：ReAct（Reasoning + Acting）最早由 Yao 等人在 2022 年提出，是一种让大语言模型交替进行推理和行动的 prompting 方法，有助于提升模型在复杂任务中的表现。
-
Memory 的实现方式：通常分为短期记忆（当前会话上下文）和长期记忆（持久化存储），实际应用中常通过向量数据库实现语义检索。
-
RAG（检索增强生成）补充：RAG 是目前最常用的知识接入方案，通过向量检索将相关文档片段注入上下文，让 LLM 基于最新、最相关的信息生成回答。
-
Function Calling / Tool Use：部分大模型（如 GPT-4、Claude、DeepSeek）原生支持工具调用功能，可以更稳定地让模型决定调用哪个工具及参数。
面试题
Q1：LM、Workflow 和 Agent 的核心区别是什么？
答案：LM 是简单的输入-输出模式；Workflow 是人提前设计好的多步骤流程，AI 按既定路线执行；Agent 则能自主决定下一步做什么，具备自主规划和迭代能力。简单来说，Workflow 是"按图纸执行"，Agent 是"自己思考决策"。
Q2：Agent 由哪几部分组成？各自的作用是什么？
答案：Agent 主要由五部分组成：
- LLM：作为大脑，负责理解、推理、规划
- Prompt：作为岗位说明书，定义职责和行为规范
- Memory：提供记忆功能，维持上下文连贯性
- Knowledge：外部知识库，补充通用知识之外的领域信息
- Tools：赋予实际操作能力，让 Agent 能"干活"
Q3：什么是 Agent Loop？请解释 ReAct 框架。
答案：Agent Loop 是 Agent 的核心运行机制，表现为"思考→行动→检查→循环"的持续过程。ReAct（Reasoning + Acting）是经典框架，要求 Agent 先推理要做什么，再执行行动，最后检查结果，不满意则继续迭代。这与普通 LLM 直接输出结果不同，Agent 具备自我纠错能力。
Q4：为什么说 Tools 是 Agent 最关键的部分？
答案：因为 Tools 让 AI 从"会聊天"进化到"会干活"。它赋予 Agent 操作电脑/手机上各种软件的能力（如发邮件、制作 Excel、查询数据等），使 Agent 能真正代替用户完成实际任务，而不仅仅是对话生成。
Q5：有了 LLM、Prompt、Memory、Knowledge、Tools 五组件，就一定是 Agent 吗？为什么？
答案：不一定。这五个组件是 Agent 的必要条件而非充分条件。真正让一个系统成为 Agent 的核心，是它是否具备自主工作的能力——能围绕目标自主规划、执行、检查、迭代，而不是机械地按预设流程输出结果。
Q6：短期记忆和长期记忆有什么区别？各有什么典型实现方式？
答案：短期记忆负责当前会话的上下文跟踪，会话结束后一般清除；长期记忆跨会话持久存储，用于记住用户偏好和历史经验。短期记忆通常直接以文本形式存储在上下文窗口中；长期记忆的典型实现是通过向量数据库进行语义检索存储和召回。
Q7：Prompt 设计的核心要素有哪些？设计时需要注意什么？
答案：Prompt 的核心要素包括：角色定义（身份）、任务目标、行为规范、输出格式、必要时的 Few-shot 示例。设计时需要注意：指令要清晰具体而非模糊；复杂任务应分层递进拆解；明确边界约束（禁止项）；持续根据实际表现迭代优化。
Q8：RAG 是什么？在 Agent 中起什么作用？
答案：RAG（Retrieval-Augmented Generation，检索增强生成）是一种将外部知识接入 LLM 的技术方案。它通过向量数据库存储文档，将用户问题检索相关片段后注入上下文，让 LLM 基于最新、最相关的信息生成回答。在 Agent 中，RAG 主要用于弥补 LLM 通用知识的不足，提供企业专属或垂直领域的实时信息。
