AI Agent 知识手册
什么是 AI Agent
AI Agent（人工智能代理）是一种能够自主感知环境、做出决策并执行任务的智能软件实体。与传统的 AI 模型不同，Agent 不仅能理解和生成文本，还能主动调用工具、规划任务步骤、记忆对话历史，并根据环境反馈调整行为。
AI Agent 的核心特征包括：
- 自主性：无需人类持续干预，能独立完成任务
- 感知能力：能接收和理解环境信息（文本、图像、传感器数据）
- 决策能力：基于目标制定计划，选择最佳行动方案
- 行动能力：能够调用工具、执行操作（如搜索、计算、操作 API）
- 记忆与学习：能记住对话历史，从经验中改进
ReAct 范式
ReAct（Reasoning + Acting）是目前最主流的 Agent 实现范式，由研究人员在 2022 年提出。它将推理与行动相结合，让模型交替进行思考（Reasoning）和行动（Acting），通过语言推理来指导外部工具调用，并将行动结果反馈回推理过程，形成闭环。
ReAct 的工作流程通常为：观察（Observation）→ 思考（Thought）→ 行动（Action）→ 观察...直到得出最终答案。相比纯推理（如 CoT）或纯行动（如 Tool-use），ReAct 能有效减少幻觉，提升在需要多步推理和外部知识交互的任务中的准确性。
LangChain 框架
LangChain 是一个用于开发大语言模型（LLM）应用的开源框架，发布于 2022 年。它提供了标准化的接口，方便将 LLM 与外部数据源、工具连接起来。
LangChain 的核心功能包括：
- 链（Chains）：将多个处理步骤串联起来
- 工具调用：让 LLM 能调用 API、数据库等外部工具
- 记忆（Memory）：管理对话历史
- 文档处理：支持 RAG（检索增强生成）
- Agent 支持：帮助构建 AI Agent
简单来说，LangChain 就像是开发 AI 应用的"乐高积木"，让你能快速搭建像 ChatGPT 插件、智能客服、文档问答系统等应用。
RAG 检索增强生成
RAG（Retrieval-Augmented Generation）是一种将信息检索与 LLM 生成相结合的技术。它的核心思想是：在 LLM 回答用户问题之前，先从知识库中检索出相关的信息片段，然后将这些信息作为上下文提供给 LLM，让 LLM 基于检索到的信息生成回答。
RAG 的工作流程：
- 将文档分割成小块（Chunking）
- 将每个块转换为向量（Embedding）
- 将向量存储到向量数据库中
- 用户提问时，将问题也转为向量
- 在向量数据库中搜索最相似的文档块
- 将检索到的文档块作为上下文，连同问题一起交给 LLM
- LLM 基于上下文生成回答
RAG 解决了 LLM 的几个核心问题：知识过时（LLM 训练数据有截止日期）、幻觉（LLM 可能编造事实）、不具备内部知识（无法访问企业私有文档）。
Function Calling（工具调用）
Function Calling 是让 LLM 能够调用外部函数/工具的机制。它不是让 LLM 真的去执行代码，而是让 LLM 输出一个结构化的请求，描述它想调用什么函数以及传入什么参数。真正的函数执行由开发者代码完成。
工具调用的流程：
- 开发者定义工具（名称、描述、参数结构）
- 将工具定义随用户问题一起发给 LLM
- LLM 判断是否需要调用工具
- 如果需要，LLM 返回工具调用请求（含参数）
- 开发者代码执行工具函数
- 将执行结果返回给 LLM
- LLM 基于结果生成最终回答
提示工程（Prompt Engineering）
提示工程是设计和优化输入提示词的技术，目的是让 LLM 产生更准确、更可靠的输出。核心技术包括：
- System Prompt：设定 AI 的角色、行为规则和输出格式
- Few-shot：在 prompt 中给出输入输出示例，让 LLM 学习任务格式
- Chain-of-Thought（思维链）：引导 LLM 逐步推理，减少错误
- 结构化输出：要求 LLM 以 JSON 等结构化格式返回结果
