AI Agent（智能体）

AI Agent是一个能够自主理解目标、拆解步骤、调用外部API、观察执行结果并自我修正的闭环系统。其核心公式为：Agent = LLM + 规划 + 记忆 + 工具使用。

四大支柱

1. 大脑：模型与推理能力，推荐使用[[ReAct框架]]进行逻辑推理。
2. 工具：通过[[MCP（Model Context Protocol）]]标准化接口调用外部API。
3. 记忆：短期记忆依赖上下文窗口，长期记忆依赖[[RAG（检索增强生成）]]和向量数据库。
4. 编排：通过[[多代理编排（Multi-Agent Orchestration）]]处理复杂任务。

与LLM的区别

• 传统LLM：预测下一个Token的概率模型，无法走出对话框。
• AI Agent：能够自主执行任务、调用工具、自我修正的闭环系统。

关键挑战

• 轨迹偏离（Trajectory Drift）：长序列任务中微小错误导致后续步骤跑偏，需引入反思机制。
• 工具调用的确定性：需使用少样本提示（Few-shot Prompting）确保API调用正确。
• 安全风险：需遵循[[SAIF（Secure AI Framework）]]框架，实现权限最小化和人机协同。

运维体系

Agent的开发从"写代码"变成了"养员工"，需要[[AgentOps]]运维体系进行管理。