## 学习目标

1.  理解从规则到LLM-based Agent的演进

    掌握Agent的核心组件

    了解ReAct和CoT推理模式

## 从规则到LLM Agent

### 规则系统时代

`if`` ``condition_A``:`\
`    ``action_``B``(``)`\
`elif`` ``condition_C``:`\
`    ``action_D``()`\
`else``:`\
`    ``action_E``()`

局限：规则难以穷举，无法应对新情况

### LLM-based Agent

`用户请求`` → LLM``理解`` → ``规划`` → ``调用工具`` → ``反思`` → ``输出`

优势： - 自然语言交互 - 上下文理解 - 泛化能力强

## Agent核心组件

### 感知 (Perception)

`输入信息`` → ``理解与解析`\
`    - ``用户指令`\
`    - ``环境状态`\
`    - ``工具反馈`

### 规划 (Planning)

`目标`` → ``分解为子任务`\
`    - ``任务分析`\
`    - ``步骤规划`\
`    - ``依赖管理`

### 记忆 (Memory)

`┌─────────────────────────────┐`\
`│   ``短期记忆`` (Short-term)      │`\
`│   ``对话上下文、临时状态``        │`\
`├─────────────────────────────┤`\
`│   ``长期记忆`` (Long-term)       │`\
`│   ``知识库、经验积累``            │`\
`└─────────────────────────────┘`

### 工具调用 (Tool Use)

`可用工具集：`\
`    - ``数据库查询`\
`    - API``调用`\
`    - ``文件操作`\
`    - ``代码执行`\
`    ...`

## 推理模式

Chain of Thought (CoT)

`问题`` → ``思考链`` → ``答案`

`"``设计一个公园``"`

`    ↓`

1.  `分析场地条件`

2.  `2. ``确定功能分区`

3.  `3. ``布局路径系统`

`4. ``选择植物配置`

`↓`

    完整方案

### ReAct (Reasoning + Acting)

`循环：思考`` → ``行动`` → ``观察`` → ``思考`` ...`\
\
`思考：需要查询场地数据`\
`行动：调用``GIS``工具`\
`观察：获取到高程信息`\
`思考：基于高程做排水设计`\
`行动：生成排水方案`\
`...`

## Agent架构示例

单Agent架构

`┌─────────────────────────────┐`\
`│         LLM Core            │`\
`│   (``规划、推理、决策``)         │`\
`├─────────────────────────────┤`\
`│  ┌───┐ ┌───┐ ┌───┐ ┌───┐  │`\
`│  │``感知``││``记忆``││``工具``││``反思``│  │`\
`│  └───┘ └───┘ └───┘ └───┘  │`\
`└─────────────────────────────┘`\
`         ↓`\
`    ``执行任务`

### 多Agent协作

`┌─────────┐  ┌─────────┐  ┌─────────┐`\
`│ ``规划``Agent│→│``分析``Agent│→│``设计``Agent│`\
`└─────────┘  └─────────┘  └─────────┘`\
`     ↓            ↓            ↓`\
`  ``任务分解``    ``数据分析``    ``方案生成`

## 思考与练习

1.  单Agent和多Agent系统各有什么优势？

2.  如何设计Agent的记忆系统？

3.  CoT和ReAct各适用于什么场景？

## 关键术语

  --------------------------------------------
  中文       英文         说明
  ---------- ------------ --------------------
  思考链     CoT          Chain of Thought

  推理行动   ReAct        Reasoning + Acting

  记忆       Memory       存储和检索信息

  反思       Reflection   自我评估与改进

  工具使用   Tool Use     调用外部能力
  --------------------------------------------

## 延伸阅读

1.  [LLM Powered Autonomous Agents](https://lilianweng.github.io/posts/2023-06-23-agent/)

    [ReAct: Synergizing Reasoning and Acting](https://arxiv.org/abs/2210.03629) \# 05.2 具身智能