fix(latex): 修复中文引号渲染，''...'' → "..."（139处）

pandoc 转换将中文双引号变为两个ASCII单引号，导致LaTeX中
左右引号均渲染为右引号。替换为Unicode中文引号以正确显示。

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

chapters/ch07-agent.tex

@@ -2,9 +2,9 @@
 
 \section{篇章导读}
 
-AI Agent（智能体）代表了人工智能的下一个前沿：从''被动响应''到''主动行动''，从''单一能力''到''系统协同''。如果说前几章介绍的AI模型是''工具''，那么AI Agent就是能\textbf{自主使用工具的助手}。
+AI Agent（智能体）代表了人工智能的下一个前沿：从“被动响应”到“主动行动”，从“单一能力”到“系统协同”。如果说前几章介绍的AI模型是“工具”，那么AI Agent就是能\textbf{自主使用工具的助手}。
 
-想象这样一幅场景：你告诉AI''帮我分析这块场地的开发潜力''，它不再只是被动地等待你一步步指令，而是主动调用地图工具获取地块信息、查询规划数据库核对用地性质、分析日照和交通数据、最终生成一份完整的场地分析报告。这就是AI Agent——一个能感知环境、制定计划、调用工具并持续改进的智能系统。
+想象这样一幅场景：你告诉AI“帮我分析这块场地的开发潜力”，它不再只是被动地等待你一步步指令，而是主动调用地图工具获取地块信息、查询规划数据库核对用地性质、分析日照和交通数据、最终生成一份完整的场地分析报告。这就是AI Agent——一个能感知环境、制定计划、调用工具并持续改进的智能系统。
 
 本章将从规则系统出发，系统介绍LLM-based Agent的架构、推理模式、多Agent协作机制，以及在设计领域的应用前景。
 
@@ -13,7 +13,7 @@ AI Agent（智能体）代表了人工智能的下一个前沿：从''被动响
 
 \subsection{规则系统时代}
 
-最早的''智能系统''基于\textbf{规则（Rules）}，即''如果满足条件A，则执行动作B''。
+最早的“智能系统”基于\textbf{规则（Rules）}，即“如果满足条件A，则执行动作B”。
 
 \textbf{典型结构：}
 
@@ -39,7 +39,7 @@ else:
 \item
   维护困难——规则数量膨胀后，系统变得难以理解和更新
 \item
-  缺乏理解——系统并不''理解''规则背后的含义，只是机械执行
+  缺乏理解——系统并不“理解”规则背后的含义，只是机械执行
 \end{itemize}
 
 \subsection{传统规划方法}
@@ -72,7 +72,7 @@ else:
 \end{longtable}
 }
 
-LLM之所以能成为Agent的''大脑''，关键在于它具备了：
+LLM之所以能成为Agent的“大脑”，关键在于它具备了：
 
 \begin{itemize}
 \tightlist
@@ -123,7 +123,7 @@ LLM之所以能成为Agent的''大脑''，关键在于它具备了：
     - 工具反馈：查询结果、执行状态、错误信息
 \end{lstlisting}
 
-感知的关键在于\textbf{理解意图}——用户说''设计一个公园''，Agent需要理解这涉及场地分析、功能分区、路径规划、植物配置等多个子任务。
+感知的关键在于\textbf{理解意图}——用户说“设计一个公园”，Agent需要理解这涉及场地分析、功能分区、路径规划、植物配置等多个子任务。
 
 \subsection{规划（Planning）}
 
@@ -236,7 +236,7 @@ CoT的价值在于\textbf{让思考过程可见}，这不仅提升了推理的
 
 \subsection{ReAct（Reasoning + Acting）}\label{reactreasoning-acting}
 
-ReAct模式将\textbf{推理与行动交替进行}，形成''思考-行动-观察''的循环。
+ReAct模式将\textbf{推理与行动交替进行}，形成“思考-行动-观察”的循环。
 
 \textbf{基本循环：}
 
@@ -392,7 +392,7 @@ Agent角色
 \item
   \textbf{Agent团队}：多个Agent组成固定团队，各有专长
 \item
-  \textbf{Agent市场}：Agent可以''雇佣''其他Agent完成特定子任务
+  \textbf{Agent市场}：Agent可以“雇佣”其他Agent完成特定子任务
 \item
   \textbf{Agent社会}：大量Agent在开放环境中自主交互和协作
 \end{itemize}
@@ -627,11 +627,11 @@ AI协作能力：
 \item
   \textbf{推理模式}：CoT和ReAct各适用于什么场景？请分别举一个设计领域的应用案例。
 \item
-  \textbf{多Agent设计}：如果要设计一个''城市规划审批Agent系统''，你会设计哪些Agent角色？它们之间如何协作？
+  \textbf{多Agent设计}：如果要设计一个“城市规划审批Agent系统”，你会设计哪些Agent角色？它们之间如何协作？
 \item
   \textbf{HITL实践}：在设计流程中，哪些环节应该由AI自动完成，哪些环节必须保留人工审核？请给出你的判断依据。
 \item
-  \textbf{MCP理解}：MCP协议如何解决设计领域AI应用的''数据孤岛''问题？以一个具体的建筑设计场景为例进行说明。
+  \textbf{MCP理解}：MCP协议如何解决设计领域AI应用的“数据孤岛”问题？以一个具体的建筑设计场景为例进行说明。
 \item
   \textbf{未来展望}：你认为AI Agent在未来10年会如何改变设计行业的就业结构？设计师应该如何准备？
 \end{enumerate}