本文深入解析了大模型时代下的智能体（Agent）技术。文章阐述了智能体与大模型的区别，重点介绍了智能体的三大核心构成：规划（Planning）、记忆（Memory）和工具使用（Tool Use）。文中详细讲解了思维链（CoT）、思维树（ToT）、ReAct 等规划策略，区分了短期与长期记忆的应用场景，并说明了 Function Calling 的实现机制。此外，还列举了 LangChain、AutoGen 等主流开发框架，分析了当前面临的技术挑战及未来展望，旨在帮助开发者理解并构建自主智能应用。
在数字化转型的浪潮中，人工智能（AI）正以其前所未有的速度和规模，重塑着我们的世界。大语言模型（LLM）的出现，仿佛为 AI 赋予了思考的大脑。但若要让这些数字巨人真正步入现实世界，与人类并肩作战，我们还需要给它们配备什么？答案可能是：智能体（Agent）。
大模型虽然强大，但它们缺乏人类的某些本能——记忆、工具使用和规划思考能力。人类能够记住知识、使用工具、规划行动，而大模型则需要额外的支持来实现这些功能。
智能体，或称为 Agent，是一种计算机程序，它基于大语言模型，并通过添加规划思考、记忆和工具使用的能力，能够自主完成复杂的任务。它不仅仅是被动地回答问题，而是主动地感知环境、制定计划并执行操作。
[图：智能体架构示意图]
在基于 LLM 的智能体中，LLM 充当着智能体的'大脑'的角色。下面对智能体的三大核心能力—规划、记忆与工具使用进行详细讲解。
规划是智能体将复杂任务分解为可执行子任务的能力。它是智能体有效完成任务的行动指南。以下是规划在智能体中的全面应用：
思维链 (Chain of Thoughts, CoT)
思维链已经是一种比较标准的提示技术，能显著提升 LLM 完成复杂任务的效果。当我们对 LLM 这样要求，会发现 LLM 会把问题分解成多个步骤，一步一步思考和解决，能使得输出的结果更加准确。这是一种线性的思维方式。
思维链的 Prompt 示例：
template = "回答问题：Q：{问题}？让我们一步一步地思考："
思维树（Tree-of-thought, ToT）
对 CoT 的进一步扩展，在思维链的每一步，推理出多个分支，拓扑展开成一棵思维树。使用启发式方法评估每个推理分支对问题解决的贡献。选择搜索算法，使用广度优先搜索（BFS）或深度优先搜索（DFS）等算法来探索思维树，并进行前瞻和回溯。
[图：思维树结构示意]
ReAct
ReAct（Yao et al. 2023），《ReAct: Synergizing Reasoning and Acting in Language Models》这篇论文提出一种用于增强大型语言模型的方法，它通过结合推理（Reasoning）和行动（Acting）来增强推理和决策的效果。
[图：ReAct 循环流程]
案例分析：考虑一个名为'市场分析师'的智能体，其任务是为一家公司制定年度市场推广计划。该智能体首先将年度计划拆解为季度目标，再细分为月度活动。它规划了每个活动的关键绩效指标（KPIs）和执行时间表。在执行过程中，智能体持续监控活动效果，根据反馈调整策略，并在年底进行总结，以优化下一年度的计划。
记忆是智能体存储和回忆信息的能力，它分为短期记忆和长期记忆：
案例分析：以'个人助理'智能体为例，它需要帮助用户管理日常任务和提醒。短期记忆中可能包含今天的会议安排，而长期记忆则存储用户的个人喜好和历史任务记录。当用户询问明天是否有重要事件时，智能体从长期记忆中检索信息，并结合短期记忆中的日程安排给出回答。
智能体能够使用各种工具 API，如搜索引擎、代码执行器等，与物理世界进行交互：
Function Calling 是一种实现大型语言模型连接外部工具的机制。通过 API 调用 LLM 时，调用方可以描述函数，包括函数的功能描述、请求参数说明、响应参数说明，让 LLM 根据用户的输入，合适地选择调用哪个函数，同时理解用户的自然语言，并转换为调用函数的请求参数（通过 JSON 格式返回）。调用方使用 LLM 返回的函数名称和参数，调用函数并得到响应。最后，如果需要，把函数的响应传给 LLM，让 LLM 组织成自然语言回复用户。
function calling 具体工作流程：
[图：Function Calling 流程图]
案例分析：设想一个'智能家居控制系统'的智能体，它负责控制家中的智能设备。该智能体使用 API 与各种设备（如灯光、温度控制器、安全系统）交互，根据用户的需求和习惯自动调节家居环境。例如，当用户回家时，智能体通过工具 API 自动打开照明、调整室内温度，并确保安全系统处于解除状态。
当前智能体开发框架的出现，极大地简化了智能体的创建过程。如记忆能力、规划能力、RAG 能力、大模型调用等智能体框架。使得开发者能够快速搭建出功能丰富的智能体。
根据 awesome-ai-agents 的整理，无论是开源的还是闭源的，智能体应用框架在各个领域，比如自定义智能体、编码、研究、数据分析、多智能体等等，都有比较有代表性的产品可供选择。常见的框架包括 LangChain、LlamaIndex、AutoGen 等。
[图：主流智能体框架对比]
尽管智能体技术前景广阔，但仍面临诸多挑战：
未来，随着模型能力的提升和基础设施的完善，智能体将在更多垂直领域落地，成为人机协作的核心载体。
智能体（Agent）作为大模型时代的 AI 革新者，正逐步从概念走向现实。它们不仅能够扩展大模型的能力，更能够与人类紧密协作，共同创造更加智能的未来。通过掌握规划、记忆和工具使用这三大核心能力，开发者可以构建出真正具有自主性的智能应用。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online