企业官网建设流程全解析

AI Agent 入门

本blog为datawhale开源教程《ai-agent-book：从入门到Agent工程实践》的组队打卡学习笔记

文章目录

• AI Agent 入门
• • Agent的组成部分
  • • LLM：Agent 的大脑
    • 工具：Agent 的手脚
    • 上下文：Agent 的眼睛
    • Harness：约束or赋能
    • Agent 的学习机制：从上下文适应到持久更新
  • Agent与环境
  • ReAct循环
• Agent调用大模型的API

Agent的组成部分

Agent = LLM + 上下文 + 工具

LLM：Agent 的大脑

大语言模型（Large Language Model, LLM）是 Agent 的决策核心
Agent 中用于思考推理的那部分，即为预先训练好的 LLM
在采取实际行动之前，Agent 可以先进行规划与推演，此时Agent不改变外部环境，
LLM的能力来自两部分：

1. 预训练（让模型“懂世界、会说话、有通用推理能力”）
2. 后训练（让模型“听话、安全、会用工具、能作为 Agent 完成任务”）

工具：Agent 的手脚

工具是Agent用来实际“干活”的东西，通过工具，Agent可以改变环境中的内容
工具分为5类：

1. 感知工具：让 Agent 能访问信息，搜索引擎提供实时网络数据，文件系统读取本地文档，API 和数据库则对接外部服务和企业核心数据
2. 执行工具：让 Agent 改变世界，代码执行、文件操作、系统命令、外部 API 调用
3. 协作工具：让 Agent 与其他 Agent 分工合作，委托子 Agent 完成专项任务，在关键决策点请求人类确认，或在多 Agent 系统中协调行动
4. 事件触发工具：作为外部输入来驱动 Agent 开始执行任务，比如收到一封新邮件、到了某个预定时间点、或另一个系统发出了 Webhook 回调
5. 用户沟通工具：Agent 主动与用户建立连接、传递信息的渠道，专注于信息的传递和交互，通过文字消息、语音通话、邮件等方式，将 Agent 的执行进展或主动关怀传达给用户

工具调用（Tool Calling，也称 Function Calling）是现代 LLM Agent 的一项核心能力，它让模型能够通过结构化的方式调用外部工具。工具调用流程分为4步：

1. 声明工具
2. 模型决定调用
3. 追加结果到上下文
4. 模型基于结果回复

上下文：Agent 的眼睛

上下文是Agent在每个决策点保留的信息，作为LLM的输入参数，供LLM推理
上下文由5个部分组成：

1. 系统提示词（System Prompt）：通过提示工程（Prompt Engineering）精心设计系统提示词，塑造 Agent 的工作方式
2. 工具定义（Tool Definitions）：声明 Agent 可用工具的名称、功能描述和参数格式
3. 用户消息（User Messages）：来自用户的输入
4. 模型回复（Assistant Messages）：模型的回复历史，包括思考过程、文本内容、工具调用请求
5. 工具执行结果（Tool Results）：Agent 框架执行工具后返回的结果
   或者说两个部分构成：
6. 静态前缀：工具定义与系统提示词一起构成对话中保持不变的静态前缀
7. 轨迹（动态消息历史）：用户消息 + 模型回复 + 工具执行结果，随交互不断增长

轨迹是 Agent 在执行任务过程中不断积累的消息历史——用户消息、模型回复（包括思考过程和工具调用）、工具执行结果
完整上下文由静态前缀（系统提示词 + 工具定义）和轨迹（动态消息历史）两部分组成
Agent 的上下文 = 静态前缀 + 轨迹

Harness：约束or赋能

Agent 边界内负责支撑模型运行及模型与环境交互的代码、配置和服务统称为 Harness。Harness 包括上下文管理、工具接口、安全约束、验证与纠正等基础设施，负责构造上下文、暴露工具接口、维护循环和状态，并实施权限、验证与纠正。
Harness 的核心是上下文管理 + 工具接口，再加上三层保障机制：

1. 约束（限定 Agent 能做什么、不能做什么）
2. 验证（检查 Agent 做得对不对）
3. 纠正（做错了怎么补救）

Agent 的学习机制：从上下文适应到持久更新

Agent的学习行为有三条路径：

1. 任务内的上下文适应：不改模型参数，也不改外部持久化资源，只通过改变“这一次推理时喂给模型的上下文”，来临时改变 Agent 的行为
2. 跨任务的外部产物（artifact）更新：把事实和经验整理为知识文档，把可语言化的策略写进 Prompt 或 Skill，把确定性流程与约束写成程序和 Harness
3. 以及训练周期中的参数更新：目标是高维能力时，外部规则难以完整表达，需要通过后训练更新模型参数

Agent与环境

与Agent交互的环境不属于Agent的组成部分
环境包括文件、数据库、网页、用户、其他Agent及物理或仿真世界
Agent通过观察和行动接口与环境交互，用于获取环境信息或改变环境
因此，Agent与外部环境存在两个边界：

1. 观察通道（Harness 把环境返回的观察转换为模型能够处理的上下文）
2. 动作接口（模型选择的行动转换为对环境的工具调用）

在底层模型固定时，提升 Agent 任务表现最主要的系统工程手段，往往就是重新定义或扩展观察空间与动作空间，换句话说，就是扩展上下文和工具

思考题1：如果你只能给一个 Agent 系统增加一项能力——更强的模型、更丰富的上下文还是更多的工具——你会选哪个？在什么条件下你的选择会改变？
回答：更丰富的上下文。丰富上下文相当于增大观察空间，上下文直接决定模型的任务目标清晰度、对工具的认识、对模型回复和历史工具执行结果的感知深度，并且丰富上下文成本最低：只需要改prompt、加few-shot、接RAG、写记忆。但是当agent输出失败时，若模型太弱看不懂指令、调用工具错误、推理过程总是错误等情况，该选择更强的模型；若模型清楚做什么，但是没有对应工具，此时该选择更多的工具。

ReAct循环

Agent 执行任务的核心模式叫做 ReAct（Reasoning + Acting）：模型先思考当前应该做什么，然后调用工具行动，再观察工具返回的结果并继续思考下一步
基于完整上下文，LLM 生成下一步的响应，然后这个响应又追加到轨迹中，供下一次调用使用，Harness 负责组装上下文、校验并执行工具，Environment 负责产生真实状态变化和观察

Agent调用大模型的API

大模型 API 的核心是一个消息列表（messages）
列表中的每条消息都有一个角色（role）标识，模型根据角色来理解每条消息的含义和来源，组成为：

1. system：系统提示词，由开发者编写，定义 Agent 的身份、行为规则、约束条件
2. user：用户消息，来自终端用户的输入
3. assistant：助手消息，模型之前的回复，包括文本回复和工具调用请求
4. tool：工具结果，Agent 框架执行工具后，将结果以tool角色的消息送回给模型
   system、user、assistant 和 tool 四种消息角色分别对应系统提示词、用户消息、模型回复和工具执行结果。工具定义（tools）作为请求的独立字段（而非消息），告诉模型有哪些工具可以使用、每个工具接受什么参数，并不是一种消息角色