13个 AI Agent 的基础概念

1、AgentAgent依靠大语言模型作为核心同时拥有任务规划、信息记忆以及工具调用三大能力能够自行拆分繁杂任务反复执行操作接收实时反馈并一步步推进流程直至任务收尾。它跳出了单纯输出文字的局限不再只会被动听从指令作答能够像职场员工一样独立处理事务完整走完整套工作流程。2、大模型预训练预训练就是利用海量的通用网络数据对模型开展基础训练让模型熟练掌握语言使用逻辑、各类常识知识以及基础使用能力搭建出可以重复使用的基础模型架构。这种训练采用自监督学习模式对于大语言模型而言最主流的训练方式就是持续预判文本里接下来出现的词元内容。3、大模型微调微调操作是在已经训练完成的基础模型之上使用体量更小、贴合实际应用场景的专属数据继续优化训练让模型适配各类细分使用场景日常大多采用监督式微调或者指令式微调两种训练方式。4、大模型幻觉大模型幻觉指的是模型输出的内容看着逻辑通顺实际内容全部错误模型会直接把编造的虚假内容当成真实信息进行回复日常使用中不能默认大模型给出的所有回答都是准确无误的。5、MCP协议MCP也就是模型上下文协议这套协议专门为各类AI应用打造统一的连接标准方便AI对接各类外部数据资源与实用工具。日常使用里AI能够借助MCP接入本地文件、数据库、搜索引擎、计算工具以及各类专属提示词内容调取对应信息完成实操工作简单来讲MCP就相当于AI设备通用的TypeC传输接口。6、TokenToken中文称作词元大模型无法直接识别文字内容只能处理数字信息分词器的作用就是把日常输入的文字内容转换成对应数字格式。分词器会按照既定拆分规则切割文本生成一个个词元再给每个词元匹配专属数字编号后续大模型所有的运算推理工作全都依靠这些数字编号完成。7、RAG-检索增强生成RAG全称检索增强生成简单来说就是大模型作答之前先主动调取相关资料查阅如同学生开卷答题一般。即便模型本身没有学习过企业内部资料、专属行业内容只要提前调取匹配的相关资料模型就能结合调取到的真实内容给出贴合需求、可信度更高的回答。8、记忆模块Agent搭载的记忆体系主要分为两个部分第一部分是短期记忆仅适用于当下对话场景通过精简对话内容、整理对话摘要控制文本篇幅同时保障对话内容逻辑通顺连贯。第二部分是长期记忆能够跨越不同对话场景调取内容依靠向量匹配筛选出过往相关对话信息按需融入当前对话内容当中。9、SkillSkill实际就是整理规整好的本地文件合集用来补齐特定行业领域内的工作流程、专业知识以及实用操作工具方便模型在对应场景里主动或是按需调用。它属于针对大模型打造的能力整合形式内部包含核心说明文档、工作规则流程、内容模板案例、实操脚本工具以及各类参考学习资料等内容。10、ReActReAct由逻辑思考和实际行动两部分组成模型执行任务时会先梳理现有信息判断现有内容能不能完成当下任务。如果信息不足就主动调用各类工具执行对应操作拿到操作返回结果后再继续梳理规划后续步骤一步步推进直至整件事情处理完毕。11、Agent的自我反思Agent自我反思的核心逻辑就是先输出内容再自行核对评估结合评估出来的问题调整修正输出结果。主要分为两种形式第一种是自我复盘依靠大模型自身核对输出内容适合检查文案格式统一度、规则遵守情况以及内容是否出现随意改动第二种是外部核验把生成内容放到实际工具中验证核对适配代码编写、数值计算、格式文件制作这类需要贴合实际事实的工作。12、Harness工程Harness工程也叫作驾驭工程是专门为AI Agent搭建适配工作环境的整套实用工程思路。内容涵盖对话上下文统筹、工具调用管理、独立运行沙箱、使用权限划分、内容测试核验、运行日志记录、内容审核标准以及问题调整机制等目的就是让AI Agent能够平稳融入实际工作系统运行状态更稳定可控顺利完成各类长期工作任务。13、SDD-规格驱动开发SDD也就是规格驱动开发这套工作模式要求正式着手编写代码之前先用规范文档确定好需求调整目标、工作覆盖范围、系统运行模式、设计限制条件以及各项任务拆分细节。后续让AI严格依照敲定好的规范文档开展开发工作把模糊笼统的需求梳理成清晰稳定的工作依据有效避免AI自行揣测需求、随意改动原有逻辑以及开发方向出现偏差这类问题。