要想知道Agent逻辑，就得先知道大语音模型的逻辑，要想知道大语言模型，就得知道机器学习的逻辑
机器学习
是研究学习算法的一门学问。 定义：从数据（经验）通过学习算法（任务）得到某个知识的理解（度量），这个过程就是机器学习的定义。 也可以简单理解现在有一组数据x和这组数据的结果y。我们要学习通过某种方法。来拟合这组数据和结果之间的映射关系y=f(x)。那么这个方法就是机器学习，这个拟合函数f(x)就是度量;对应的模型训练过程就是机器学习。通过语料数据训练得到的大语言模型就是机器学习对“语音”知识的理解。
从历史数据训练获得规律，从而进行预测新数据的结果。
大语言模型（LLM）：
可以简单理解为训练出来的拟合函数，会以你的输入值作为函数输入，输出有可能的一个token。再反复循环以输入值和模型上一个输出的token，放一起继续作为函数输入，输出下一个有可能的token。
最开始的提示词功能。其实就是围绕着LLM来。研究如何优化自己的输入来使得LLM能产生更好更完美的输出。比如角色扮演，少样本等方法，其中部分方法逐步沉淀、融合进了现在的AI Agent里。
智能体（Agent）：
是能够自主感知环境，制定计划，调用工具并执行多步任务的AI系统，无需人类在每一步介入即可完成复杂目标，agent = LLM(大脑) + Planning(规划) + Memory(记忆) + tools(工具)
简单理解就是你输入一个目标，LLM使用tool感知你的项目代码仓，使用检索tool去检索相关代码，再进行规划完成这个目标，要逐步完成哪些步骤，然后每个步骤LLM都进行输出或者调用tool去完成对应步骤输出，每个步骤都完成后就能实现目标，即结束。 举个例子，你可以让他使用React框架开发一个新项目并打包，它就会执行bash命令初始化一个React工程项目，然后在合适的文件夹创建合适的文件写上你需要的代码。最后执行npm run build命令打包。过程中遇到报错，他就会分析并解决报错，直到完成目标。 其中，执行bash命令去创建文件，写入代码等等，就是已经的最最基础的tool。大模型是没办法操作你的电脑的，他只能用这些tool来操作你的电脑环境。
LLM是怎么去调用tool的
1.Agent在API请求中传入了tool参数（工具说明书） 2.LLM经过训练，学会了在适当的时候输出一种特殊的结构化格式。 3.这个格式本质上就是一段json。描述我想调用哪个函数、传什么参数 4.Agent的代码解析这段json，执行真正的函数，再把结果回给LLM。
MCP：
简单理解，就是大模型训练数据里不会有的内容需要通过MCP连接第三方服务来获取，MCP就是让大模型主动调用接口去做一些事情，比如想要获取我们github上的issues。
Skills：
使用AI过程中，当你想要AI在遇到某特定场景时，指导他去怎么做，每次都要重复敲一遍提示词就会比较麻烦，于是乎你就会想到把这么一大段提示词写成一个md文件，起一个名字加一个描述，告诉LLM什么场景下读取这个提示词，这样就相当于把你这块的知识沉淀下来了。 举个实际的例子来说，就是如果你想让LLM帮你使用组件写个业务表格，但是LLM训练数据里没有这个组件的数据。那么这个时候最简单的就是你把这个组件的所有API写在提示词里，并举一个使用组件的代码示例，LLM就会使用这个组件了，这也就是few-shot提示词工程。而现在有了agent之后，直接将API和示例整理成一个skill的md文件，加上触发描述，后续Agent想要使用组件进行开发，直接将对应md文件作为提示词喂给LLM，这个过程就相当于LLM具备了使用这个组件的技能
规范驱动开发（SDD）（也翻译为规格驱动开发）:
预先制定好结构化的规范文档，作为开发的唯一信任源，规范文档不是说开发规则规范，而是包含了目标约束条件，功能需求详细内容，非功能需求内容（安全、性能等）和测试标准的详细且完整的规范，能有效指导Agent具体且完整的开发，下发开发任务前，通过修改完善规范文档，减少返工，可能提高AI开发成功率，比较适合大需求。
