<aside> ✨

致力于成为新时代 AI Agent 工程师

</aside>

什么是 Agent ？

现有的顶尖大模型（如 GPT, Qwen）虽逻辑强大，但存在个核心限制：无法感知或改变外界环境。

• 无法感知：模型无法主动读取你本地的代码文件或实时数据，除非你手动复制给它。
• 无法改变：模型可以生成代码，但无法直接将代码写入文件或运行程序。

Agent 公式：Agent = 大模型 (大脑) + 工具 (感官与四肢) 通过给大模型接上“工具”（Tools），例如文件读取器、终端执行器等，大模型就具备了感知和改变环境的能力。

Agent 可以给LLM装上了手和脚。

典型案例：

• Cursor：编程 Agent，能自动读写代码文件。
• Manus：通用 Agent，能自动制定计划、搜索网页并整理报告。

核心组件

推理引擎（Model）

目前绝大多数 Agent 基于多模态大语言模型（如 GPT-4、Claude、通义千问）。

大模型的作用不仅是生成文字，更重要的是：

• 理解模糊指令（如“整点资料”）
• 进行多步推理（“如果 A 成立，那么 B 可能…”）
• 决定是否需要调用工具

比如：很多框架（如 LangChain、LlamaIndex）允许你“注入”系统提示词（system prompt）来引导 LLM 行为，

你是一个任务规划助手。当用户请求涉及外部操作时，请明确列出所需工具及参数。