agent学习入门 - hello agent

19 阅读2分钟

第一章

学习笔记

PEAS 模型:

  • 性能度量(Performance)
  • 环境(Environment)
  • 执行器(Actuators)
  • 传感器(Sensors)

智能体的运行机制: image.png

image.png

课后问答

智能健身教练的PEAS

  • P:帮助用户安全、高效、持续地达成健身目标
  • E:用户、设备、训练场景、饮食与生活习惯等构成的真实环境
  • A:语音指导、动作纠正、计划调整、饮食建议
  • S:可穿戴数据、动作数据、用户输入、历史记录
    它的任务环境特性主要是:部分可观察、随机、序贯、动态、连续、以单智能体为主。

电商公司考虑两种方案来处理售后退款申请

  • 方案 A(Workflow)
    • 优点是规则清晰、执行稳定、容易审计和控制风险,适合处理标准化、高频、规则明确的退款申请;
    • 缺点是灵活性差,遇到复杂或特殊情况时容易僵化。
  • 方案 B(Agent)
    • 优点是能理解政策、结合用户历史和商品状态进行综合判断,更适合复杂、边界模糊、需要个性化处理的场景;
    • 缺点是可控性较弱,成本更高,也更难审计。
  • 一般来说,规则明确、强调一致性和合规性时,Workflow 更适合;场景复杂、例外较多、需要智能判断时,Agent 更有优势。如果我是负责人,我会优先选择 Workflow 作为基础方案。
  • 同时也存在更好的 方案 C:将两者结合。简单、低风险案例走 Workflow 自动处理,复杂、高风险案例交给 Agent 辅助分析或转人工审核,这样能兼顾效率、灵活性和风险控制。

智能旅行助手功能扩展

  • AI思考: image.png

  • 个人思考:加一个白名单黑名单概念,通过每一轮的Memory/Reflection分析,将用户偏好/不喜欢写入白/黑名单(黑白名单概念层级要保持一致)。下次循环将黑白名单喂给LLM