Agent Systems

概述

基于大语言模型构建的自主智能体系统，能够感知环境、做出决策、执行任务并与外部工具和服务交互，代表了人工智能从被动响应到主动执行的范式转变。

关键内容

1. 核心组件：
2. 规划（Planning）：将复杂任务分解为可执行的子任务
3. 记忆（Memory）：短期记忆存储当前上下文，长期记忆存储知识和经验
4. 工具使用（Tool Usage）：调用外部工具和服务扩展能力

5. 感知（Perception）：理解和处理来自环境的信息输入

6. 架构模式：

7. 单智能体系统：单个LLM驱动的智能体，执行特定任务
8. 多智能体系统：多个智能体协作完成复杂任务

9. 分层智能体：不同层级智能体负责不同粒度的任务规划和执行

10. 关键技术：

11. 工具调用（Function Calling）：标准化的API调用机制
12. 记忆管理系统：分层记忆架构（工作记忆、情节记忆、语义记忆）
13. 上下文管理：维护长时间对话和任务执行的上下文一致性

14. 状态管理：跟踪任务进度和执行状态

15. 应用场景：

16. 个人助理：日程管理、信息检索、文档处理
17. 业务自动化：客户服务、流程执行、数据分析
18. 研究辅助：文献调研、实验设计、报告生成

来源

• AI-Agent--02_context_engineering — Context Engineering的应用场景中提及

相关

• Context Engineering — supports
• LLM — application_of
• Tool Calling — uses
• Memory Systems — requires
• MCP — uses