Agent养成日记 EP.01：深入AI之前，先弄懂这5个核心概念
大家好，这里是「AgentSmith养成日记」。
这是一个记录我从前端工程师开始，逐步学习并构建AI智能体（Agent）全过程的公开日记。
万丈高楼平地起。在真正开始敲代码之前，我认为最有必要做的一件事，就是建立清晰的概念地图。
AI领域名词满天飞，AI、机器学习、大模型、智能体……它们之间到底是什么关系？
这篇文章，就是我的学习笔记，希望能用最直白的方式，帮你一次性理清这几个最核心的概念。
1. 人工智能 (Artificial Intelligence, AI)
一句话定义：致力于让机器拥有像人一样的智慧的最广泛的科学领域。
通俗理解：
把它想象成一个巨大的家族，叫“智能家族”。这个家族的目标是让机器能看、能听、能说、能思考、能行动。所有能让机器变聪明的研究，都属于这个家族。
它包含什么：
机器学习、自然语言处理(NLP)、计算机视觉(CV)、机器人学等等，都是这个家族里的核心成员。
关键点：
✨ AI是一个总称，一个目标领域，而不是某一项具体技术。
2. 机器学习 (Machine Learning, ML)
一句话定义：实现人工智能的一种主流方法。
通俗理解：
回到“智能家族”，机器学习是其中最能干、最出名的一个孩子。他的学习方式很特别：不是靠家长（程序员）把所有规则都写死告诉他，而是给他大量的学习资料（数据），让他自己从中“悟”出规律。
举个例子：
- 传统方法（非ML）：你写一堆
if-else规则来识别垃圾邮件（比如if邮件包含“发票”then不是垃圾邮件）。 - ML方法：你给机器看10万封邮件，并告诉它哪些是垃圾邮件，哪些不是。机器自己学习垃圾邮件的特征（比如用词、发件人等），然后就能自己判断新的邮件了。
关键点：
✨ 机器学习是AI的子集，核心是“从数据中学习”。
3. 深度学习 (Deep Learning, DL)
一句话定义：机器学习领域中一种非常强大的技术。
通俗理解：
深度学习是“机器学习”这个孩子学会的一种高级学习技巧，它模仿了人类大脑的神经网络结构。这种结构有很多“层”，可以让它学习到数据中非常复杂和抽象的模式。
举个例子：识别一只猫。
- 传统ML可能学习的是：“有胡须”、“有尖耳朵”等浅层特征。
- DL可以学习的是：从底层的像素点，到边缘、轮廓，再到猫的五官组合，最后到“猫”这个抽象概念。它能理解得更“深”。
我们现在看到的AI绘画、人脸识别，背后都是深度学习的功劳。
关键点：
✨ 深度学习是机器学习的子集，它让机器的“学习能力”有了质的飞跃。
4. 大型语言模型 (Large Language Model, LLM)
一句话定义：由深度学习技术训练出来的、专门处理和生成人类语言的超大型模型。
通俗理解：
这就是用“深度学习”这个高级技巧，再喂给它“整个互联网”级别的海量文本资料，最终培养出的一个“语言天才”。它不仅认识字，还理解语法、上下文、逻辑、情感，甚至知识。
我们熟知的：
OpenAI的GPT系列（ChatGPT的核心）、Google的Gemini、阿里的通义千问，都属于LLM。
关键点：
✨ LLM是深度学习在自然语言处理领域的一个巅峰应用。它将是我们构建Agent的“大脑”。
5. AI 智能体 (AI Agent)
一句话定义：一个以LLM为核心，并被赋予了目标、工具和记忆的自主系统。
通俗理解：
如果说LLM是一个聪明的“大脑”，那么Agent就是拥有了手、脚和任务清单的“完整的人”。
- 大脑 (Core)：LLM，负责思考和规划。
- 手脚 (Tools)：它能调用各种工具，比如搜索引擎去查最新信息、计算器去算数、代码执行器去写并跑程序，甚至调用API去订机票。
- 记忆 (Memory)：它能记住之前的对话和任务进展，进行长期规划。
- 目标 (Goal)：你给它一个最终目标（比如“帮我写一份下周去北京出差的详细规划”），它会自己分解任务、使用工具、最终完成目标。
关键点：
✨ Agent = LLM + Tools + Memory。它不只是被动回答，而是能主动执行复杂任务。这是我们这个系列最终要实现的目标。
总结一下它们的关系：
我们可以用一个简单的层级关系来理解：
人工智能 (AI) ⊃ 机器学习 (ML) ⊃ 深度学习 (DL) → 大型语言模型 (LLM) → AI智能体 (Agent)
简单来说，我们使用深度学习这种技术，在海量数据上训练出了大型语言模型这个强大的大脑，然后我们给这个大脑装上工具和记忆，把它打造成一个能自主完成任务的AI智能体，这整个过程，都属于人工智能的范畴。
希望这篇笔记能帮你打下坚实的基础。
在下一篇日记中，我们将开始搭建开发环境，并尝试用代码调用LLM，迈出构建Agent的第一步。
如果觉得有收获，欢迎点个「关注」，我们一起成长。
