pengxiao
e58b95d227
将《设计人工智能：基础与应用》拆分为 38 个 Markdown 文件， 按 11 个部分（上篇6部分+下篇5部分）+ 3 个附录组织。 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
3.9 KiB
学习目标
-
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``"
↓
-
分析场地条件 -
2. ``确定功能分区 -
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
-
单Agent和多Agent系统各有什么优势？
-
如何设计Agent的记忆系统？
-
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