认知基础 · Phase 1

Agent 的心智地图

在写第一行 Agent 代码之前，先建立完整的认知框架。这里包含 LLM 原理、Agent 范式、关键概念， 以及可读、可复现、可思考的知识体系。

知识全景

学习者心智模型全景

不同知识节点之间的关联一目了然。你可以根据当前进度选择性深入。

graph TD
  Start([👤 从这里开始]) --> A[🤖 什么是 LLM?]
  A --> B[📝 提示工程基础]
  A --> C[🔬 Transformer 注意力]
  B --> D[🛠️ Function Calling]
  D --> E[🤖 Agent 范式]
  C --> F[🧠 推理能力]
  F --> E
  E --> G[🌊 ReAct 循环]
  E --> H[📋 Plan-and-Execute]
  E --> I[👥 多 Agent 协作]
  G --> J[💾 记忆系统]
  H --> J
  I --> J
  J --> K[🧰 工具与编排]
  K --> L[📚 RAG 检索增强]
  L --> M[🌐 项目蓝图]
  K --> M
  I --> M
  M --> N([🎯 交付大型 Agent])

  classDef critical fill:#7c5cff,stroke:#00d4ff,color:#fff,stroke-width:2px;
  classDef important fill:#00d4ff,stroke:#00ffa3,color:#000;
  classDef useful fill:#00ffa3,stroke:#7c5cff,color:#000;
  classDef final fill:#ff6ec7,stroke:#ffb84d,color:#fff,stroke-width:3px;

  class A,B,D,E critical;
  class G,H,I,J important;
  class C,F,K,L useful;
  class M,N final;
核心概念

理解 Agent 的基本元素

从 LLM 这个"大脑"开始，到工具、记忆、规划——逐一拆解 Agent 的关键能力。

基石 01

大型语言模型 (LLM)

Agent 的"大脑"。基于 Transformer 架构，从海量文本中学习统计规律，并通过自回归方式生成下一个 token。

  • 从 GPT-3 到 GPT-4o/Claude/Gemini 的演进
  • Token、上下文窗口、温度、Top-p 等关键参数
  • 幻觉现象与边界：知道 LLM 不能做什么
基石 02

提示工程 (Prompt Engineering)

通过精心构造的文本指令，引导 LLM 输出更准确、更可靠的响应。这是与 LLM 交互的"语言艺术"。

  • Zero-shot / Few-shot / Chain-of-Thought
  • System Prompt 的角色与最佳实践
  • Structured Output 与 JSON 模式
基石 03

工具调用 (Function Calling)

让 LLM 突破纯文本限制，可以调用外部 API、查询数据库、执行代码。Agent "行动能力"的来源。

  • OpenAI Function Calling / Tool Use
  • 工具描述的编写规范
  • 多工具选择与参数生成
核心 04

推理 (Reasoning)

不只是模式匹配。LLM 通过 Chain-of-Thought、Self-Consistency、Tree-of-Thoughts 等方法在 token 间"推理"。

  • CoT / ReAct / Self-Refine
  • 推理时计算 (Inference-time Compute)
  • o1/o3 类推理模型的范式转变
核心 05

记忆 (Memory)

短期对话缓冲、长期事实存储、向量语义记忆——Agent 持续进化的关键。

  • 短期记忆：上下文窗口内的对话
  • 长期记忆：向量数据库 + 知识图谱
  • 情景记忆、语义记忆、程序性记忆
核心 06

规划 (Planning)

把复杂任务拆解为可执行步骤，选择合适的工具，处理执行中的异常并动态调整计划。

  • Plan-and-Execute 模式
  • 任务分解 (Task Decomposition)
  • 反思与重规划 (Re-planning)
架构范式

主流 Agent 运行范式

理解每种范式的设计动机、适用场景和典型实现。

ReAct 循环
Plan-and-Execute
多 Agent 协作
图编排 (LangGraph)

ReAct：思考 - 行动 - 观察循环

最经典的 Agent 范式。模型在每一轮循环中：先思考 (Thought) 当前状况，决定下一步行动 (Action)， 执行后观察结果 (Observation)，再进入下一轮循环，直到任务完成。

Thought: 思考

LLM 分析当前状态，决定下一步要做什么。这一步决定了 Agent 的"智能性"。

Action: 行动

选择工具、生成参数、调用外部系统。这是 Agent 的"动手能力"。

Observation: 观察

接收工具返回的结果，作为下一轮循环的输入。

循环 / 终止

判断任务完成则输出最终答案；否则回到 Thought 继续循环。

react_agent.py 
# 极简 ReAct 实现
def react_agent(query, max_steps=8):
    history = f"问题: {query}\n"
    for step in range(max_steps):
        # 1. Thought
        thought = llm(f"{history}\n思考下一步:")
        # 2. Action
        action = parse_action(thought)
        # 3. Observation
        observation = tools[action.tool](**action.args)
        history += f"思考: {thought}\n行动: {action}\n观察: {observation}\n"
        # 4. 判断完成
        if action.tool == "Finish":
            return observation
    return "未完成"
i
关键洞察

ReAct 的"思考"质量直接决定 Agent 上限。这是为什么 OpenAI o1/o3 类推理模型在大工具调用场景也持续领先。

Plan-and-Execute：先规划，后执行

适合复杂、可分解任务。先用 LLM 生成完整执行计划，再逐项执行。 典型代表：BabyAGI、AutoGPT、LangGraph 的规划器。

🎯 Planner
负责拆解任务、生成步骤
⚙️ Executor
逐项执行计划的具体步骤
🪞 Replanner
根据执行反馈调整计划
  • 更适合需要长链推理的复杂任务
  • 可缓存规划结果，节省 token
  • 易于调试：可读出完整计划
  • 失败回滚更可控
plan_execute.py 
# Plan-and-Execute 模式
def run(task):
    # 阶段 1: 生成计划
    plan = planner.invoke(f"任务: {task}\n生成步骤:")
    results = []
    # 阶段 2: 逐项执行
    for step in plan.steps:
        result = executor.invoke(step, context=results)
        results.append(result)
        # 阶段 3: 必要时重规划
        if result.need_replan:
            plan = replanner.invoke(plan, results)
    return results[-1]

多 Agent 协作：分而治之

将复杂任务交给多个专门化 Agent，通过协作、辩论、监督完成。CrewAI、AutoGen、MetaGPT 是代表。

典型协作模式

👔 经理 Agent
分派任务、监督进度
🧑‍💻 工程师 Agent
专注实现具体任务
🧐 评审 Agent
质检与反馈
!
权衡提示

多 Agent 不总是更强。它增加 token 成本和复杂度。任务明确时单 Agent 更高效。

graph LR
  M[👔 Manager] -->|分派任务| E1[🧑‍💻 Engineer A]
  M -->|分派任务| E2[🧑‍💻 Engineer B]
  E1 -->|交付代码| R[🧐 Reviewer]
  E2 -->|交付代码| R
  R -->|反馈意见| E1
  R -->|反馈意见| E2
  R -->|汇总报告| M

图编排：状态化的 Agent 构造

LangGraph 将 Agent 抽象为有向图 (DAG)，节点是动作，边是条件。天然支持状态管理、人工干预、并行分支。

核心优势

  • 状态显式：每个节点共享全局状态，可检查点
  • 条件分支：根据状态决定下一步走向
  • 循环天然支持：图结构允许节点回到自身
  • Human-in-the-loop：可暂停等待人工输入
stateDiagram-v2
  [*] --> 输入
  输入 --> 分析: query
  分析 --> 规划: 任务明确
  分析 --> 澄清: 信息不足
  澄清 --> 分析: 再次分析
  规划 --> 执行
  执行 --> 评估
  评估 --> 完成: 通过
  评估 --> 重规划: 未通过
  重规划 --> 规划
  完成 --> [*]
学习自检

你是不是真的掌握了？

完成下面的清单。如果有不确定的，回到对应章节复习。

🧠 第一阶段自检清单

  • ✓
    能用一段话向非技术人员解释什么是 AI Agent
    不是"能调用工具的 LLM"，而是包含感知、推理、行动、记忆的自主系统。
  • ✓
    能区分 LLM、Agent、AI Assistant、AI Workflow 的差异
    Agent 的核心是"自主决策做什么"，而 LLM 只是"被调用的模型"。
  • ✓
    能说出 ReAct、Plan-and-Execute、多 Agent 三种范式的差异与适用场景
    能针对具体任务选择最合适的范式，并说出理由。
  • ✓
    能独立设计一个高质量的 Tool 描述（含参数 schema）
    tool description 是 LLM 决策的关键输入，需要像写 API 文档一样对待。
  • ✓
    理解 Function Calling 的内部流程（从用户输入到工具返回）
    不只是"调个 API"，而是模型如何解析、参数如何生成、结果如何回到上下文。
  • ✓
    知道短期记忆和长期记忆的本质区别与实现方式
    短期记忆 = 上下文窗口内容；长期记忆 = 持久化的向量/结构化数据。

清单勾完，进入下一阶段学习：

进入 Phase 2 · 技能与工具栈 →

认知基础已扎实

接下来的 Phase 2，你将学习主流 Agent 框架，掌握工具与编排能力。

查看完整学习路径