1、先搞清楚一个问题：什么是 Agent？
在开始讲 Astron Agent 智能体之前，我们先统一一个认知。
- LLM（大语言模型） 更像一个'聪明的问答系统'，负责思考和回答问题
- Agent（智能体） 不只是回答问题，而是可以： 拆解任务 调用工具 执行动作 记住上下文 不断优化结果
一句话区别：LLM 负责'想'，Agent 负责'把事情做完'。
2、LLM 和 Agent
LLM 是接收输入、理解语义、生成内容、输出文本的被动响应式语言模型
Agent 是能够感知环境、理解指令、制定步骤并执行任务的智能体
我们熟悉并常常使用 LLM 大模型，但可能很少用到 Agent。
我们都知道 LLM 是大语言模型，市场上最好的大语言模型有 GPT(OpenAI)、Gemini(Google)、ChatGLM(智谱清言)、通义千问 (阿里巴巴)、讯飞星火 (科大讯飞) 等。
我们常打开网页版对话窗口，将大模型作为技术顾问，主动问一些问题，大模型在很短的思考时间后给出我们解决问题的建议。我们采纳这些建议就按照建议去处理问题，认为回答内容没有解决问题，可以继续追问大模型。
假设你下班后很累，想吃一顿外卖，但你不知道该怎么点、点什么。
（1）你去问 LLM（大语言模型）
LLM 的角色更像一个顾问，它只负责告诉你应该怎么做，真正的操作（打开 App、下单、支付）全部需要你自己完成
LLM 会思考、会回答，但不行动
你对 LLM 说：
'我想点一份外卖，不知道该怎么点、点什么。'
LLM 会回答你类似这样的话：
打开外卖 App 注册或登录账号搜索你想吃的菜品选择商家并下单支付并等待配送
（2）你去问 Agent（智能体）
Agent 不只是告诉你怎么做，而是直接帮你把事情做完。
Agent 会思考、会规划、还能调用工具并真正执行行动
你对 Agent 说：
'我想点一份外卖。'
Agent 会这样做：
理解你的目标：解决吃饭问题主动思考方案：是点外卖、做饭还是去附近吃调用工具：打开外卖平台执行步骤：搜索你常点的餐厅选择合适的套餐下单并支付完成任务：把外卖点好，并告诉你'已下单，预计 30 分钟送达'
3、Agent（智能体）核心概念
3.1 Agent 定义
Agent 是能够感知环境、理解指令、指定步骤、执行任务的自主"执行人"，不依靠固定流程，能在不确定场景中，自主选择步骤，调整策略。
3.2 Agent 能力
具备感知环境、认知能力、行动、闭环的能力。
- 感知环境 感知环境指 Agent 具备读取外部数据的能力 支持多模态输入，比如文本、文档、图片、音频、视频等数据可以作为 Agent 的外部输入，Agent 接收输入后，对输入内容进行意图识别并输出符合预期的结果。
- 认知能力 指 Agent 能够理解用户的指令，分析用户的意图，并制定合适的目标，形成执行步骤
- 行动 Agent 能够用接口、工具或直接生成内容来完成既定的执行步骤。观察结果再调整下一步
- 闭环 Agent 能够形成自我闭环。 比如某个 API 调用失效，Agent 会切换策略，切换执行计划；某个采集的数据集是不齐全的，会再次从网络抓取；如果执行结果有问题，会尝试其他策略来达成计划目标。
