AI肖睿團(tuán)隊(duì)（韓露、顧躍、王春輝、吳寒、李娜）20250520@北京?北大青鳥人工智能研究院?北大計(jì)算機(jī)學(xué)院?北大教育學(xué)院學(xué)習(xí)科學(xué)實(shí)驗(yàn)室AI

Agent與Agentic

AI

原理與應(yīng)用Deepseek內(nèi)部研討系列一、本次講座專為科研人員、工程師及AI技術(shù)愛好者設(shè)計(jì)，旨在深度剖析AIAgent與AgenticAI的核心技術(shù)、前沿進(jìn)展與未來(lái)挑戰(zhàn)。我們聚焦

技術(shù)底層機(jī)制、關(guān)鍵算法與工程實(shí)踐痛點(diǎn)，力求超越概念普及，提供硬核洞察。通過(guò)本次分享，您將全面理解Agent的技術(shù)內(nèi)涵與趨勢(shì)，獲得

技術(shù)選型參考，并激發(fā)對(duì)潛在研究方向與創(chuàng)新應(yīng)用的深度思考。二、本次講座的內(nèi)容主要涵蓋以下四個(gè)核心模塊：1.探源與定義-探源Agent智能的“是什么”與“為什么”：探析Agent爆發(fā)的技術(shù)契機(jī)與演進(jìn)脈絡(luò)；清晰Agent及AgenticAI的核心定義、關(guān)鍵特征及其與傳統(tǒng)AI的界限。2.核心技術(shù)深度剖析-揭秘Agent智能的“如何構(gòu)建”：系統(tǒng)拆解Agent技術(shù)棧：感知、認(rèn)知與決策（LLM引擎、規(guī)劃、記憶、學(xué)習(xí)）、行動(dòng)模塊；深入探討主流的Agent架構(gòu)模式（如單Agent、多Agent系統(tǒng)、反思性Agent）及其設(shè)計(jì)原則與考量，以及針對(duì)當(dāng)下主流的關(guān)

鍵交互協(xié)議如：MCP、A2A、AG-UI的深入探討。3.前沿實(shí)踐與技術(shù)分析：洞察Agent智能的“技術(shù)落地”：深度拆解COZE、

Manus、

Deep

ResearchAgents、Genspark、

Lovart等代表性Agent平臺(tái)與項(xiàng)目的技術(shù)特點(diǎn)、架構(gòu)創(chuàng)新及優(yōu)劣勢(shì)。4.現(xiàn)狀、挑戰(zhàn)與未來(lái)展望：展望Agent智能的“路在何方”：評(píng)估當(dāng)前技術(shù)成熟度，剖析核心挑戰(zhàn)（行動(dòng)、規(guī)劃、記憶、幻覺(jué)等）與開放

問(wèn)題；展望AIAgent的發(fā)展趨勢(shì)、顛覆潛力與倫理考量，并提供行動(dòng)建議.三、大家可以參考《人工智能通識(shí)教程（微課版）》這本系統(tǒng)全面的入門教材，結(jié)合B站“思睿觀通”欄目的配套視頻進(jìn)行學(xué)習(xí)。歡迎關(guān)注“AI

肖睿團(tuán)隊(duì)”的視頻號(hào)和微信號(hào)（ABZ2829），加入社區(qū)，共同探討AIAgent的前沿動(dòng)態(tài)與未來(lái)發(fā)展。講座內(nèi)容介紹

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）2

一、

AI

Agent和Agentic

AI的興起……………………………

P41.

AIAgent的爆發(fā)……………………...…

P62.

Agent的發(fā)展歷程……………….…

P83.

AIAgent的核心特質(zhì)及概念解析..………………….…………

P104.Agentsvs

AIAgents

vs

Agentic

AI

……..………………..…

P155.AIAgent的適用場(chǎng)景及判斷標(biāo)準(zhǔn)……..…………..…

P166.AIAgent應(yīng)用案例分享……..……….…..…

P177.

總結(jié)：新范式已至，未來(lái)可期……..…………..……………..……..…

P18二、

AI

Agent的核心技術(shù)棧解密…..…………

P201.

AIAgent的核心組成部分…………

P222.

感知模塊……………………

P233.

認(rèn)知與決策模塊………………………

P294.

行動(dòng)模塊………………………

P395.

Agent架構(gòu)模式……………

P536.

構(gòu)建基礎(chǔ)AIAgent：核心步驟概覽……………..

P767.

總結(jié)：Agent核心技術(shù)

-從能力邊界到智能涌現(xiàn)…..

P77三、

主流Agent平臺(tái)、框架與項(xiàng)目技術(shù)拆解………….………….…

P791.

Agent平臺(tái)/框架/應(yīng)用分類總覽……………………

P812.Agent構(gòu)建平臺(tái)(Low-code/No-code)………………….

P823.

Agent開發(fā)框架(Code-centric)………………….…

P1044.Agentic應(yīng)用/產(chǎn)品(End-userfocused)……….…………

P1295.

通用智能Agent……...………………………

P1506.

專用領(lǐng)域Agent/系統(tǒng)……………..……

P1707.

總結(jié)：Agent生態(tài)的多元探索與實(shí)踐前沿…………….……………….……

P194四、AI

Agent的技術(shù)現(xiàn)狀、核心挑戰(zhàn)與未來(lái)展望..……………

P1961.

當(dāng)前Agent發(fā)展現(xiàn)狀…………….……

P1982.

核心技術(shù)挑戰(zhàn)…………………………..………

P2043.

開放性問(wèn)題探討……………….……...…

P2114.AIAgent的未來(lái)趨勢(shì)與展望

………..…….……...…

P2165.

總結(jié)與思考…...…………………..……….……...…

P220內(nèi)容目錄

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）3

n

我們將深入探討

AI

Agent

與

Agentic

AI

這

一

迅速發(fā)展的領(lǐng)域

。

隨著大型語(yǔ)言模型

（

LLM）等技術(shù)的飛躍式進(jìn)步，AI

Agent正從昔日的理論構(gòu)想大步邁向現(xiàn)實(shí)應(yīng)用，迎

來(lái)了前所未有的爆發(fā)契機(jī)，標(biāo)志著人工智能發(fā)展已步入一個(gè)更強(qiáng)調(diào)自主性與行動(dòng)能力

的新階段。n

為構(gòu)建清晰的認(rèn)知框架，我們將核心聚焦于Agent的本質(zhì)定義—即一個(gè)具備環(huán)境感知

（Perception）

、智能決策

（Decision-making/Reasoning）

乃至

自主行動(dòng)

（Action）能力的智能實(shí)體

。

通過(guò)對(duì)這些核心概念的厘清，您將深刻理解AI

Agent的

技術(shù)底蘊(yùn)及其與現(xiàn)有AI范式的聯(lián)系與區(qū)別，為把握這一AI前沿趨勢(shì)奠定堅(jiān)實(shí)基礎(chǔ)。一、AIAgent和AgenticAI的興起

AI肖睿團(tuán)隊(duì)

4

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829

）4

1.

AI

Agent的爆發(fā)2.

Agent的發(fā)展歷程3.

AI

Agent的核心特質(zhì)及概念解析4.

AgentsvsAIAgentsvsAgenticAI5.

AI

Agent的適用場(chǎng)景及判斷標(biāo)準(zhǔn)6.

AI

Agent應(yīng)用案例分享7.

總結(jié)：

新范式已至，未來(lái)可期一、

AI

Agent和Agentic

AI的興起1.1天時(shí)地利：AIAgent爆發(fā)的技術(shù)與生態(tài)契機(jī)1.2風(fēng)口浪尖：為何AIAgent成為當(dāng)前新焦點(diǎn)？2.1AIAgent的源起：思想的火花與早期探索2.2從理論到實(shí)踐：Agent發(fā)展的關(guān)鍵轉(zhuǎn)折點(diǎn)3.1超越簡(jiǎn)單交互：AIAgent的獨(dú)特價(jià)值主張3.2核心概念解析

(一)：什么是AIAgent？3.3核心概念解析

(一)：Agent的核心特征3.4核心概念解析

(一)：AIAgent的五個(gè)發(fā)展階段3.5核心概念解析

(二)：AgenticAI

-追求更高階的智能

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）5

相關(guān)基礎(chǔ)設(shè)施與生態(tài)的成熟（地利）1.向量數(shù)據(jù)庫(kù)

(Vector

Databases)高效存儲(chǔ)和檢索海量非結(jié)構(gòu)化數(shù)據(jù)（文本、圖像等轉(zhuǎn)換的Embedding），為Agent構(gòu)建長(zhǎng)期記憶和知識(shí)庫(kù)提供了關(guān)鍵支撐2.模型API與服務(wù)化各大廠商開放LLM及其他AI能力API(如OpenAIAPI,GoogleGeminiAPI，DeepSeekAPI等)，降低了開發(fā)者構(gòu)建Agent的技術(shù)門檻和成本3.開源框架與社區(qū)LangChain,crewAI,AutoGen等開源框架的涌現(xiàn)，提供了模塊化的Agent構(gòu)建工具和豐富的實(shí)踐案例，加速了Agent應(yīng)用的開發(fā)和迭代大語(yǔ)言模型(LLM)的能力躍升（天時(shí)）1.自然語(yǔ)言理解

(NLU)與生成

(NLG)LLM具備前所未有的復(fù)雜指令理解、上下文推理、復(fù)雜文本生成能力，為Agent提供了強(qiáng)大的“大腦”和“嘴巴”2.

常識(shí)推理與邏輯演繹LLM在一定程度上掌握了世界知識(shí)和基本推理能力，使得Agent能夠進(jìn)行更復(fù)雜的規(guī)劃和決策。（雖然仍有局限，但已達(dá)到可用門檻）3.

代碼生成與理解LLM可以生成和理解代碼，為Agent賦予了直接操作軟件、調(diào)用API的“雙手”1.1天時(shí)地利：AIAgent爆發(fā)的技術(shù)與生態(tài)契機(jī)

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）6

LLM的突破性進(jìn)展與日益完善的基礎(chǔ)設(shè)施，共同催生了AIAgent的爆發(fā)點(diǎn)。LLM的賦能、早期探索的啟迪以及當(dāng)前多樣化Agent產(chǎn)品與平臺(tái)的實(shí)踐浪潮，共同將AIAgent推向了技術(shù)革命和產(chǎn)業(yè)變革的前沿。1.

LLM賦予Agent“超級(jí)大腦”

質(zhì)的飛躍：

LLM根本性地解決了以往Agent在理解復(fù)雜指令、進(jìn)行多輪對(duì)話、掌握廣博知識(shí)、執(zhí)行靈活推理等方面的核心瓶頸。

Agent不再是預(yù)設(shè)規(guī)則的簡(jiǎn)單執(zhí)行者，而是具備了更強(qiáng)的通用性和適應(yīng)性。2.GPTs與多樣化Agent形態(tài)的啟示與實(shí)踐

GPTs、AutoGPT等早期探索的點(diǎn)燃效應(yīng)，推動(dòng)了對(duì)Agent架構(gòu)和能力思考。

當(dāng)前Agent實(shí)踐的多樣化浪潮，從概念驗(yàn)證到應(yīng)用落地，形態(tài)與平臺(tái)不斷

涌現(xiàn)，推動(dòng)Agent走向?qū)嵱没?、產(chǎn)品化。3.對(duì)“行動(dòng)能力”與“自主智能”的普遍渴望

用戶和開發(fā)者不再滿足于AI的“說(shuō)”和“寫”（內(nèi)容生成），更期望AI能夠“做”（任務(wù)執(zhí)行），能夠自主理解目標(biāo)、規(guī)劃路徑、調(diào)用工具、與環(huán)境交互并最終完

成任務(wù)，真正成為智能實(shí)體或自主系統(tǒng)。PEKINGUNIVERSITYN

I

V9

81.2風(fēng)口浪尖：為何AIAgent成為當(dāng)前新焦點(diǎn)？

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）7

Agent的思想源遠(yuǎn)流長(zhǎng)，是人工智能領(lǐng)域的經(jīng)典概念之一。早期概念回顧：符號(hào)主義AI中的Agent:（1956–1990）

理念:智能源于符號(hào)的表示和操作。

Agent被視為能夠通過(guò)邏輯推

理和規(guī)則匹配來(lái)感知環(huán)境、

制定計(jì)劃并執(zhí)行動(dòng)作的實(shí)體。

代表:Allen

Newell和

Herbert

A.Simon的

“邏輯理論家”(LogicTheorist)和

“通用問(wèn)題求解器”(General

Problem

Solver,GPS)

可視為早期Agent思想的雛形。

特點(diǎn):強(qiáng)調(diào)明確的知識(shí)表示和演繹推理。分布式人工智能

(DAI)與多智能體系統(tǒng)

(MAS):

理念:復(fù)雜問(wèn)題可通過(guò)多個(gè)協(xié)同工作的Agent解決。

關(guān)注點(diǎn):Agent間的通信、

協(xié)調(diào)、

協(xié)商和合作。2.1AIAgent的源起：思想的火花與早期探索

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）8

Agent：概念起源于哲學(xué)，描述了一種擁有

欲望、信念、意圖以及采取行動(dòng)能力的實(shí)體。HerbertA.SimonAllen

Newell?

GPT-3

(2020):展示了LLM強(qiáng)大的零樣本/少樣本學(xué)習(xí)能力。?

InstructGPT/ChatGPT

(2022):通過(guò)指令微調(diào)和RLHF，顯著提

升了LLM的指令遵循和對(duì)話能力，使其成為理想的Agent“大腦”。?

AutoGPT,

BabyAGI

(2023):作為實(shí)驗(yàn)性項(xiàng)目，展示了基于LLM的自主任務(wù)規(guī)劃與執(zhí)行能力，極大地激發(fā)了社區(qū)與公眾對(duì)自主AI完

成復(fù)雜任務(wù)的想象，推動(dòng)了對(duì)Agent架構(gòu)和能力的廣泛思考。?

Genspark、Coze、

Manus、

Lovart（2024~2025）：Agent實(shí)踐的多樣化，從概念驗(yàn)證到應(yīng)用落地，形態(tài)與平臺(tái)不斷涌現(xiàn)，推動(dòng)Agent走向?qū)嵱没?、產(chǎn)品化推動(dòng)Agent走向?qū)嵱没a(chǎn)品化。2.2從理論到實(shí)踐：Agent發(fā)展的關(guān)鍵轉(zhuǎn)折點(diǎn)

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）9

關(guān)鍵里程碑：技術(shù)進(jìn)步不斷推動(dòng)Agent從理論構(gòu)想向?qū)嵱孟到y(tǒng)演進(jìn)?

雖然不是嚴(yán)格意義上的Agent，但

其“知識(shí)庫(kù)

+推理機(jī)”的模式為Agent的決策模塊提供了早期思路。?

搜索引擎爬蟲、早期聊天機(jī)器人、

推薦系統(tǒng)等，展現(xiàn)了Agent在特定任務(wù)上的應(yīng)用潛力。?

為Agent賦予了從與環(huán)境交互中學(xué)習(xí)

決策策略的能力

(例如，AlphaGo)。?

提升了Agent在感知

(如CV,

NLP)

和模式識(shí)別方面的能力。Step

05大型語(yǔ)言模型(LLM)

的爆發(fā)(2020s)Step

04機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的融合(2010s)Step

02強(qiáng)化學(xué)習(xí)(RL)

的興起(1990s-至今)Step

03互聯(lián)網(wǎng)與WebAgent(1990s-2000s)Step

01基于規(guī)則的專家系統(tǒng)(1970s-1980s)對(duì)比傳統(tǒng)AI/機(jī)器學(xué)習(xí)(AI/ML)

及生成式AI

(GenerativeAI)

傳統(tǒng)AI/ML?模式:通常是被動(dòng)式、數(shù)據(jù)驅(qū)動(dòng)的模式匹配或預(yù)

測(cè)(如圖像分類、推薦系統(tǒng))。?交互:

交互性弱，主要處理特定、封閉的任務(wù)。

生成式AI

(GenAI):?模式:強(qiáng)大的內(nèi)容生成能力

(文本、圖像、代碼)。?交互:通常是“一問(wèn)一答”或“一次性生成”，缺乏持續(xù)的任務(wù)執(zhí)行和環(huán)境適應(yīng)。

自主性

(Autonomy)?核心差異:能夠基于目標(biāo)自主決策、規(guī)劃步驟、執(zhí)行動(dòng)作，并

在過(guò)程中根據(jù)環(huán)境反饋進(jìn)行調(diào)整，減少人工干預(yù)。

持續(xù)環(huán)境交互與適應(yīng)

(Continuous

Interaction&Adaptation)?核心差異:Agent被設(shè)計(jì)為在一個(gè)（可能是動(dòng)態(tài)的）環(huán)境中持續(xù)運(yùn)

作，感知變化并作出反應(yīng)或主動(dòng)調(diào)整策略。

復(fù)雜、多步驟任務(wù)處理

(Complex,

Multi-step

Task

Completion)?核心差異:能夠?qū)⒑甏?、模糊的目?biāo)分解為一系列可執(zhí)行的子任務(wù)，

并行地完成它們。3.1超越簡(jiǎn)單交互：AIAgent的獨(dú)特價(jià)值主張

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）10

AIAgent的核心獨(dú)特價(jià)值3.2核心概念解析

(一)：什么是AIAgent？作用:Agent的“大腦”，基于感知到的信

息、內(nèi)部知識(shí)和目標(biāo)，進(jìn)行思考、規(guī)劃、選

擇下一步行動(dòng)。核心：推理、任務(wù)規(guī)劃、問(wèn)題求解、知識(shí)運(yùn)

用、策略生成。

LLM通常在此扮演關(guān)鍵角色。作用:從環(huán)境中收集信息，理解當(dāng)前狀態(tài)。方式：通過(guò)文本輸入、圖像識(shí)別、語(yǔ)音指令、

傳感器數(shù)據(jù)、API返回結(jié)果等方式，理解環(huán)

境狀態(tài)，識(shí)別相關(guān)實(shí)體和事件。作用:Agent對(duì)環(huán)境施加影響，執(zhí)行決策結(jié)

果。方式：生成文本/語(yǔ)音、調(diào)用API、代碼執(zhí)行、

控制物理設(shè)備（機(jī)器人）、與其他Agent通

信等?！叭魏文軌蛲ㄟ^(guò)傳感器

(Sensors)感知其環(huán)境

(Environment)，并通過(guò)

執(zhí)行器

(Actuators)對(duì)其環(huán)境產(chǎn)生行動(dòng)

(Action)的事物?！薄_素和諾維格《人工智能：一種現(xiàn)代方法》

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）11

總結(jié)：AIAgent是一個(gè)具備感知環(huán)境、自主決策、并采取行動(dòng)以達(dá)成特定目標(biāo)的智能實(shí)體。決策/推理Decision-making/Reasoning行動(dòng)ActionAgent關(guān)鍵組成部分Agent經(jīng)典定義感知Perception

反應(yīng)性(Reactivity)n定義：Agent能夠感知其所處的環(huán)境，并對(duì)環(huán)境中發(fā)生的變化

及時(shí)做出響應(yīng)。n體現(xiàn)

：對(duì)外部刺激的快速反饋。Q

學(xué)習(xí)/適應(yīng)性

(Learning/Adaptability)n定義：Agent能夠從經(jīng)驗(yàn)中學(xué)習(xí)，不斷改進(jìn)其行為和性能，適應(yīng)環(huán)境的變化或任務(wù)需求的變化。n體現(xiàn)：經(jīng)驗(yàn)積累、策略優(yōu)化、知識(shí)更新。

目標(biāo)導(dǎo)向性

(Goal-orientedness)n定義：Agent的行為是圍繞一個(gè)或多個(gè)預(yù)設(shè)的或動(dòng)態(tài)生成的目

標(biāo)展開的。n體現(xiàn)

：任務(wù)驅(qū)動(dòng)、效用最大化。

自主性

(Autonomy)n定義：Agent能夠在沒(méi)有人類或其他Agent直接干預(yù)的情況

下，獨(dú)立控制其內(nèi)部狀態(tài)和自身行為。n體現(xiàn)：自我啟動(dòng)、

自我決策、

自我調(diào)整。

交互性

(Social

Ability)n定義：Agent能夠通過(guò)某種Agent通信語(yǔ)言

(ACL)或其他機(jī)制與其他Agent（包括人類）進(jìn)行交互、協(xié)作、協(xié)商。n

體現(xiàn)：溝通、協(xié)作、談判。

主動(dòng)性

(Initiative)n定義：Agent不僅僅對(duì)環(huán)境做出反應(yīng)，還能表現(xiàn)出目標(biāo)驅(qū)動(dòng)

的行為，主動(dòng)發(fā)起行動(dòng)以達(dá)成目標(biāo)。n體現(xiàn)

：機(jī)會(huì)發(fā)現(xiàn)、主動(dòng)規(guī)劃。3.3核心概念解析

(一)：Agent的核心特征一個(gè)成熟的AI

Agent具備以下核心特征這些特征共同構(gòu)成了智能體的核心能力，使其能夠有效地在復(fù)雜環(huán)境中執(zhí)行任務(wù)。

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）12

3.4核心概念解析

(一)：AIAgent的五個(gè)發(fā)展階段記憶與推理階段

03Agent具備記憶(記住用戶信息)和推理能力(更聰明地解

決問(wèn)題)記憶:跨會(huì)話記住用戶細(xì)節(jié)，

實(shí)現(xiàn)個(gè)性化(如記住用戶偏

好)。推理:通過(guò)推理工具(如PythonTools)提高多步驟任

務(wù)的成功率(從60%提升到更

高)。例子:Agent在多次對(duì)話后記住用戶需求，提供更貼切的

回答。要點(diǎn):推理提升復(fù)雜任務(wù)表現(xiàn)，

但會(huì)增加成本和延遲。Agent系統(tǒng)

05構(gòu)建完整的Agent

系統(tǒng)，通

過(guò)API異步處理任務(wù)并返回

結(jié)果。實(shí)現(xiàn):需要數(shù)據(jù)庫(kù)保存狀態(tài)

、異步任務(wù)處理(如FastAPI后臺(tái)

任務(wù))和結(jié)果流式傳輸。挑戰(zhàn):技術(shù)復(fù)雜(如使用WebSocket)，但這是未來(lái)趨

勢(shì)

，也是商業(yè)化的重點(diǎn)。例子:一個(gè)帶有AgentAPl和

Ul框架的，具有用戶交互能

力的Agent系統(tǒng)。要點(diǎn):最難但最有潛力，適

合大規(guī)模應(yīng)用。多Agent團(tuán)隊(duì)階段多個(gè)Agent組成團(tuán)隊(duì)，分工

合作解決復(fù)雜問(wèn)題。挑戰(zhàn):每個(gè)Agent需專注單一領(lǐng)域(工具少于

10個(gè))，團(tuán)

隊(duì)協(xié)作需推理支持，否則成

功率低(目前成功率

<50%)。例子:一個(gè)團(tuán)隊(duì)Agent分析股票數(shù)據(jù)，另一個(gè)提供建議。要點(diǎn):2025年多Agent

系統(tǒng)

仍不成熟，適合研究而非生

產(chǎn)?；A(chǔ)工具與指令階段最簡(jiǎn)單的AIAgent;使用

LLM結(jié)合工具和指令完成

任務(wù)。特點(diǎn):最簡(jiǎn)單的AlAgent，使用

LLM結(jié)合工具和指令

完成任務(wù)。功能:通過(guò)指令

“教"Agent

如何完成任務(wù)，使用工具

(如搜索工具)與外部環(huán)境交

互。例子:一個(gè)指導(dǎo)開發(fā)者構(gòu)建Agent

的Agent。要點(diǎn):適合初級(jí)任務(wù)，但能

力有限。知識(shí)庫(kù)與存儲(chǔ)階段加入知識(shí)庫(kù)和存儲(chǔ)功能，讓

Agent能搜索外部信息并保存狀態(tài)。知識(shí)庫(kù):使用混合搜索(全文

+語(yǔ)義搜索)+重排序(reranking)，提升信息檢索

精準(zhǔn)度。存儲(chǔ):保存會(huì)話狀態(tài)(如ChatGPT的聊天記錄)，讓Agent在不同會(huì)話間保持

“記憶”。例子:Agent能從

SQLite

數(shù)

據(jù)庫(kù)中讀取知識(shí)，回答更復(fù)

雜的問(wèn)題。要點(diǎn):解決

LLM無(wú)狀態(tài)問(wèn)題，

提升任務(wù)連續(xù)性。

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）13

AIAgent的發(fā)展呈現(xiàn)“從簡(jiǎn)單開始，逐步增加復(fù)雜性”的特性。020104n定義：AgenticAI強(qiáng)調(diào)AI系統(tǒng)所具備的自主性(Autonomy)、

目標(biāo)驅(qū)動(dòng)

(Goal-driven)、環(huán)境交互

(EnvironmentInteraction)和學(xué)習(xí)能力

(Learning

Capability)n定位：它是AIAgent追求的高級(jí)形態(tài)和核心設(shè)計(jì)理念/

哲學(xué)，而不僅僅是實(shí)現(xiàn)了Agent基本功能的系統(tǒng)。一個(gè)

系統(tǒng)可以是一個(gè)Agent

，但不一定足夠“Agentic”n目標(biāo)：構(gòu)建能夠像智能生物一樣，在復(fù)雜動(dòng)態(tài)環(huán)境中主

動(dòng)感知、理解、規(guī)劃、行動(dòng)并持續(xù)學(xué)習(xí)和適應(yīng)的AI系統(tǒng)n

自主性

(Autonomy):無(wú)需人類持續(xù)干預(yù)，能獨(dú)立感

知、決策和行動(dòng)。n

目標(biāo)驅(qū)動(dòng)

(Goal-driven):始終以達(dá)成預(yù)設(shè)或動(dòng)態(tài)生

成的目標(biāo)為導(dǎo)向。n

環(huán)境交互(Environment

Interaction):能夠主動(dòng)感

知環(huán)境變化，

并通過(guò)行動(dòng)影響環(huán)境，

形成閉環(huán)。n

學(xué)習(xí)與適應(yīng)性(Learning/Adaptability):能夠從經(jīng)

驗(yàn)中學(xué)習(xí)，改進(jìn)自身行為，適應(yīng)變化的環(huán)境和任務(wù)3.5核心概念解析

(二)：AgenticAI

-追求更高階的智能

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）14

Agentic

AI的內(nèi)涵

Agentic

AI的關(guān)鍵特征3AgenticAIAgenticAI把AIagents更加自主、適應(yīng)性強(qiáng)且主動(dòng)，能自主規(guī)劃、決策，無(wú)需人類指示就能行動(dòng)。關(guān)鍵：自主性，學(xué)習(xí)能力最強(qiáng)。舉例：一個(gè)管理智能家居的AgenticAI系統(tǒng)不僅能調(diào)節(jié)溫度，還能在食物快用完時(shí)自動(dòng)下單，安排家電維護(hù)，優(yōu)化能源使用——全程無(wú)需你動(dòng)手。4.AgentsvsAIAgentsvsAgenticAI2AIAgents（AI智能體/代理）升級(jí)版的agents，AI驅(qū)動(dòng)，不只是遵

循簡(jiǎn)單規(guī)則，而是能利用機(jī)器學(xué)習(xí)、

自然語(yǔ)言處理等AI技術(shù)做決策。關(guān)鍵：能從數(shù)據(jù)中學(xué)習(xí)，適應(yīng)新情況，隨時(shí)間變得更聰明。舉例：Siri、小愛同學(xué)這類虛擬助手就是AIAgents。它們能理解你的語(yǔ)音指令，學(xué)習(xí)改進(jìn)回答質(zhì)量，執(zhí)行設(shè)置鬧鐘、播放音樂(lè)等任務(wù)。Agents（智能體/代理）最基礎(chǔ)的概念，指任何能感知環(huán)境

并為達(dá)成目標(biāo)而行動(dòng)的實(shí)體，可以

是軟件、硬件，甚至是人。關(guān)鍵：不需要AI也能工作。舉例：冰箱的恒溫器是典型Agent。它感知溫度（環(huán)境感知），開關(guān)制冷系統(tǒng)（采取行動(dòng)），保持設(shè)定溫度（實(shí)現(xiàn)目標(biāo)）。它只是按照預(yù)設(shè)規(guī)則工作，不需要任何AI能力。

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）15

1AIAgents的適用場(chǎng)景

高復(fù)雜度的任務(wù)：任務(wù)流程復(fù)雜，涉及多個(gè)子任務(wù)

和決策點(diǎn)。

需要自主規(guī)劃與執(zhí)行：任務(wù)目標(biāo)明確，但達(dá)成路徑不固定，需要Agent根據(jù)實(shí)時(shí)情況動(dòng)態(tài)調(diào)整。

需要與環(huán)境交互：Agent需要從外部系統(tǒng)獲取信息，并向其發(fā)送指令以影響環(huán)境。

需要長(zhǎng)期記憶與學(xué)習(xí)：Agent需要積累經(jīng)驗(yàn)，并通

過(guò)學(xué)習(xí)優(yōu)化未來(lái)的決策和行為。

需要多模態(tài)感知與理解：任務(wù)涉及文本、圖像、語(yǔ)音等多種數(shù)據(jù)形式的輸入和輸出。何時(shí)選擇AIAgent？

任務(wù)可拆解性：任務(wù)是否可以被分解為一系列可由

Agent獨(dú)立完成的子任務(wù)？

環(huán)境可觀察性與可控性：Agent能否獲取足夠的環(huán)

境信息進(jìn)行決策？能否對(duì)環(huán)境施加有效影響？

目標(biāo)明確性：任務(wù)的最終目標(biāo)是否清晰可衡量？

知識(shí)可表達(dá)性：完成任務(wù)所需的知識(shí)是否可以被

Agent理解和利用？

魯棒性要求：任務(wù)對(duì)錯(cuò)誤容忍度如何？Agent能否

在不確定性下穩(wěn)定運(yùn)行？

長(zhǎng)期價(jià)值考量：Agent的持續(xù)學(xué)習(xí)能力能否為業(yè)務(wù)

帶來(lái)長(zhǎng)期增益？

898PEKING

UNIVERSITY

N

I

V

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）16

5.AIAgent的適用場(chǎng)景及判斷標(biāo)準(zhǔn)醫(yī)療健康某在線問(wèn)診app：?jiǎn)稳兆罡咛幚?2萬(wàn)次問(wèn)診，分診準(zhǔn)確

率達(dá)95%。實(shí)際價(jià)值：大幅提升問(wèn)診效率并縮短患者平均候診時(shí)間

40分鐘。軟件開發(fā) Devin

(Cognition

AI)：首個(gè)AI軟件工程師，能自主完成

復(fù)雜編程任務(wù)，從需求理解、

代碼生成、調(diào)試到部署。實(shí)際價(jià)值：

大幅提升開發(fā)效率，降低人力成本，

加速產(chǎn)

品上市。智能客服某電商客服機(jī)器人：

不僅僅是簡(jiǎn)單的問(wèn)答機(jī)器人，能理

解用戶意圖，自主查詢知識(shí)庫(kù)，執(zhí)行多步操作（如辦理

業(yè)務(wù)、修改訂單）。實(shí)際價(jià)值：

24*7不間斷服務(wù)，提高客戶滿意度，降低人

工客服壓力。廣告營(yíng)銷某公司內(nèi)容創(chuàng)作Agent：根據(jù)營(yíng)銷目標(biāo)和受眾畫像，自

主生成文案、

圖片、視頻腳本，

甚至能進(jìn)行多輪迭代優(yōu)

化。實(shí)際價(jià)值：

規(guī)模化生產(chǎn)高質(zhì)量?jī)?nèi)容，提高營(yíng)銷效率。

N

I

V

898PEKING

UNIVERSITY

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）17

AIAgent在智能客服、醫(yī)療健康、廣告營(yíng)銷、軟件開發(fā)領(lǐng)域已取得了顯著成效。6.AIAgent應(yīng)用案例分享AIAgent的崛起，得益于LLM的飛躍與基礎(chǔ)設(shè)施的成熟，標(biāo)志著AI正從被動(dòng)式工具向主動(dòng)型智能體深刻轉(zhuǎn)型。這不僅僅是技術(shù)的浪潮，更是一種追求自主感知、智能決策、高效行動(dòng)與持續(xù)進(jìn)化的AI新范式。AgenticAI的設(shè)計(jì)哲學(xué)，驅(qū)動(dòng)我們探索更高級(jí)的智能形態(tài)，其重塑復(fù)雜任務(wù)執(zhí)行、賦能創(chuàng)新發(fā)現(xiàn)、以及變革人機(jī)協(xié)作模式的巨大潛力，正徐徐展開，未來(lái)可期。

898PEKING

UNIVERSITY

N

I

V

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）18

7.總結(jié)：新范式已至，未來(lái)可期一、AI

Agent和Agentic

AI的興起………………

P41.

AIAgent的爆發(fā)……………………...…

P62.

Agent的發(fā)展歷程……………….…

P83.

AIAgent的核心特質(zhì)及概念解析..………………….…………

P104.Agentsvs

AIAgents

vs

Agentic

AI

……..………………..…

P155.AIAgent的適用場(chǎng)景及判斷標(biāo)準(zhǔn)……..…………..…

P166.AIAgent應(yīng)用案例分享……..……….…..…

P177.

總結(jié)：新范式已至，未來(lái)可期……..…………..……………..……..…

P18二、

AI

Agent的核心技術(shù)棧解密……………

P201.

AIAgent的核心組成部分…………

P222.

感知模塊……………………

P233.

認(rèn)知與決策模塊………………………

P294.

行動(dòng)模塊………………………

P395.

Agent架構(gòu)模式……………

P536.

構(gòu)建基礎(chǔ)AIAgent：核心步驟概覽……………..

P767.

總結(jié)：Agent核心技術(shù)

-從能力邊界到智能涌現(xiàn)…..

P77三、

主流Agent平臺(tái)、框架與項(xiàng)目技術(shù)拆解………….………….…

P791.

Agent平臺(tái)/框架/應(yīng)用分類總覽……………………

P812.Agent構(gòu)建平臺(tái)(Low-code/No-code)………………….

P823.

Agent開發(fā)框架(Code-centric)………………….…

P1044.Agentic應(yīng)用/產(chǎn)品(End-userfocused)……….…………

P1295.

通用智能Agent………………

P1506.

專用領(lǐng)域Agent/系統(tǒng)……………..……

P1707.

總結(jié)：Agent生態(tài)的多元探索與實(shí)踐前沿…………….……………….……

P194四、AI

Agent的技術(shù)現(xiàn)狀、核心挑戰(zhàn)與未來(lái)展望..……………

P1961.

當(dāng)前Agent發(fā)展現(xiàn)狀…………….……

P1982.

核心技術(shù)挑戰(zhàn)…………………………..………

P2043.

開放性問(wèn)題探討……………….……...…

P2114.AIAgent的未來(lái)趨勢(shì)與展望

………..…….……...…

P2165.

總結(jié)與思考……...………………..……….……...…

P220內(nèi)容目錄

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）19

n

本部分將深入剖析AI

Agent賴以運(yùn)作的核心技術(shù)體系

。

首先從感知模塊入手，探討Agent如何接收和理解文本

、

圖像

、

語(yǔ)音

、

視頻及傳感器等多模態(tài)信息，并轉(zhuǎn)化為內(nèi)

部環(huán)境狀態(tài)表征。n

接下來(lái)，重點(diǎn)闡述認(rèn)知與決策模塊，揭示大型語(yǔ)言模型（

LLM）作為核心引擎在指令

理解

、

意圖識(shí)別

、

上下文處理及長(zhǎng)程記憶方面的角色與挑戰(zhàn)。n

隨后解析行動(dòng)模塊，包括Agent利用工具

、

執(zhí)行代碼，詳細(xì)介紹MCP協(xié)議，以及通過(guò)

自然語(yǔ)言或GUI模擬進(jìn)行人機(jī)交互。n

最后，本部分將探討Agent的架構(gòu)模式，對(duì)比分析單Agent與多Agent系統(tǒng)，詳細(xì)介

紹

A2A

協(xié)

議

，并

延伸

至

反

思

性

和

具

身

智能

Agent

的特

殊

架構(gòu)

考

量

，拓

展了

AgenticRAG

、

AG-UI的內(nèi)容。AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）二、AIAgent的核心技術(shù)棧解密二、AIAgent的核心技術(shù)棧解密1.

AI

Agent的核心組成部分

{

2.2

感知模塊—關(guān)鍵技術(shù)4.

行動(dòng)模塊5.

Agent架構(gòu)模式6.

構(gòu)建基礎(chǔ)AIAgent：核心步驟概覽7.

總結(jié)：Agent核心技術(shù)

-從能力邊界到智能涌現(xiàn)4.1行動(dòng)模塊概述4.2工具使用—原理介紹4.3工具使用—MCP詳解4.4代碼執(zhí)行4.5物理世界交互與人機(jī)交互界面4.6小結(jié)：行動(dòng)模塊5.1單Agent架構(gòu)vs多Agent系統(tǒng)5.2多Agent系統(tǒng)—A2A協(xié)議5.3主流Agent框架分析5.4Agent架構(gòu)的高級(jí)與前沿模式5.5Agentic

RAG5.6智能體交互最后一塊拼圖—AG-UI協(xié)議

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）21

3.1認(rèn)知與決策模塊概述3.2核心引擎：大型語(yǔ)言模型

(LLM)3.3規(guī)劃能力詳解3.4記憶能力詳解3.5學(xué)習(xí)與適應(yīng)能力詳解3.6小結(jié)：認(rèn)知與決策模塊2.

感知模塊3.

認(rèn)知與決策模塊2.1感知模塊概述2.3感知模塊—挑戰(zhàn)前沿AIAgent由多個(gè)關(guān)鍵部分組成：n

感知模塊：從環(huán)境中讀取多模態(tài)信息，包括文本、

圖像、語(yǔ)音、

視頻、其它傳感器數(shù)據(jù)等。n

認(rèn)知與決策模塊：Agent的”大腦

“，基于感知到的信息和自身知識(shí)，進(jìn)行思考、推理、規(guī)劃，并最終做出決策。n

行動(dòng)模塊：接收認(rèn)知與決策模塊的規(guī)劃指令，調(diào)用相應(yīng)工具執(zhí)行環(huán)境交互操作，并返回結(jié)果。

N

I

V

898PEKING

UNIVERSITY

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）22

1.AIAgent的核心組成部分

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）23

感知模塊(

Pe

rce

pt

io

n

)感知模塊是連接數(shù)字與物理世界的橋梁。感知模塊

(Perception)

-AIAgent的“五官”

感知模塊是Agent與環(huán)境交互的入口，負(fù)責(zé)從外部世界收集信息，并

將其轉(zhuǎn)化為內(nèi)部可理解和處理的表征。

目標(biāo)：準(zhǔn)確、

高效捕捉環(huán)境狀態(tài)、用戶指令、

外部事件等重要性

理解環(huán)境：

識(shí)別對(duì)象、

事件、狀態(tài)。

理解指令：解析用戶意圖。

驅(qū)動(dòng)決策：提供決策所需的數(shù)據(jù)。挑戰(zhàn)

信息噪音、

數(shù)據(jù)冗余、多模態(tài)融合、實(shí)時(shí)性要求PEKINGUNIVERSITYN

I

V9

8

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）24

2.1感知模塊1.文本

(Text):用戶指令、

文檔、

網(wǎng)頁(yè)內(nèi)容、

代碼、API響應(yīng)等2.

圖像

(Image):場(chǎng)景理解、

圖表分析、對(duì)象識(shí)別、

GUI元素等。3.語(yǔ)音

(Speech):用戶語(yǔ)音指令、對(duì)話錄音等。4.視頻

(Video):監(jiān)控錄像、

操作演示、動(dòng)態(tài)場(chǎng)景分析、行為識(shí)別等。5.傳感器數(shù)據(jù)

(Sensor

Data):

(尤其對(duì)于具身智能Agent)溫度、

濕度、

位置(GPS)、

設(shè)備狀態(tài)、機(jī)器人傳感器

（激光雷達(dá)、

攝像頭）等。6.結(jié)構(gòu)化數(shù)據(jù)

(Structured

Data):數(shù)據(jù)庫(kù)記錄、

API返回的JSON/XML。

N

I

V

898PEKING

UNIVERSITY

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）25

信息輸入的多樣性AIAgent能夠處理和理解來(lái)自多種不同類型數(shù)據(jù)源的信息。2.1感知模塊

-多模態(tài)信息輸入核心目標(biāo)

：將語(yǔ)音信號(hào)準(zhǔn)確轉(zhuǎn)換為文本，作為后續(xù)NLP處理的輸入關(guān)鍵技術(shù)：?

聲學(xué)模型

(Acoustic

Model):將音頻

特征映射到音素單元。?

語(yǔ)言模型

(Language

Model

inASR):確保轉(zhuǎn)錄文本的流暢性和合理性。?

端到端模型

(End-to-EndModels):直接從音頻到文本挑戰(zhàn)

：?

口音、噪聲、遠(yuǎn)場(chǎng)識(shí)別、多人對(duì)話（說(shuō)話人分離）、實(shí)時(shí)性2.2感知模塊

-關(guān)鍵技術(shù)（從原始信號(hào)中提取核心信息）核心目標(biāo)：從文本中提取意義、意圖和關(guān)鍵實(shí)體關(guān)鍵技術(shù)：?自然語(yǔ)言理解

(NLU):解析用戶指令、提取關(guān)鍵信息(實(shí)體、意圖、槽位填充)、理解上下文。?

命名實(shí)體識(shí)別

(NER):提取文本中的關(guān)鍵實(shí)體（人名、地名、組織、時(shí)間等）。?

情感分析

(SentimentAnalysis):判斷文本的情感傾向（積極、消極、

中性）。?

關(guān)系抽取

(Relation

Extraction):從文

本中抽取實(shí)體間的關(guān)系核心目標(biāo)

：從圖像或視頻中識(shí)別對(duì)象、理解場(chǎng)景內(nèi)容關(guān)鍵技術(shù)：?目標(biāo)檢測(cè)

(Object

Detection):定位并識(shí)

別圖像中的物體。?

場(chǎng)景理解

(Scene

Understanding):分析圖像或視頻的整體場(chǎng)景、物體間關(guān)系及上下文。?

光學(xué)字符識(shí)別

(OCR):從圖像中提取文字。?

視覺(jué)問(wèn)答

(VQA):根據(jù)圖像內(nèi)容回答問(wèn)題。

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）26

自動(dòng)語(yǔ)音識(shí)別(ASR)-理解語(yǔ)音信息自然語(yǔ)言處理(NLP)-理解文本信息計(jì)算機(jī)視覺(jué)(CV)–理解視覺(jué)信息12327AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）核心環(huán)節(jié)：環(huán)境狀態(tài)表征(Environment

State

Representation)–塑造Agent的“世界觀”n定義：將來(lái)自一個(gè)或多個(gè)感知通道（如文本、視覺(jué)、

聽覺(jué)、傳感器數(shù)據(jù)等）的、經(jīng)過(guò)初步處理的信息，融合、提煉并組織成一個(gè)與任務(wù)相關(guān)的、Agent內(nèi)部可用的對(duì)當(dāng)前環(huán)境的統(tǒng)一描述。n

重要性：

它是連接多樣化原始感知與統(tǒng)一認(rèn)知決策的關(guān)鍵樞紐。

優(yōu)質(zhì)的狀態(tài)表征能顯著提升Agent的決策效率、準(zhǔn)確性和泛化能力。n

關(guān)鍵任務(wù)與技術(shù)思路：

多模態(tài)信息融合(Multimodal

Fusion):如何有效結(jié)合來(lái)自不同感官（如文本描述與對(duì)應(yīng)圖像）的信息，形成更全面的理解。?技術(shù)方向：早期融合、晚期融合、基于Transformer的跨模態(tài)注意力機(jī)制。

相關(guān)性與顯著性判斷

(Relevance&Salience

Detection):從海量感知信息中篩選出對(duì)當(dāng)前任務(wù)和Agent目標(biāo)最重要的部分，忽略無(wú)關(guān)噪聲。?技術(shù)方向：注意力機(jī)制、基于學(xué)習(xí)的重要性加權(quán)。

結(jié)構(gòu)化與符號(hào)化(Structuring&Symbolization):將信息組織成便于推理和規(guī)劃的格式。?示例：對(duì)象列表及其屬性、場(chǎng)景圖、符號(hào)化的事實(shí)斷言、向量嵌入。

State

Representation

Learning(SRL)

：利用（自）監(jiān)督學(xué)習(xí)方法，從原始觀測(cè)數(shù)據(jù)中自動(dòng)學(xué)習(xí)到緊湊、信息豐富且對(duì)下游任務(wù)有益的狀態(tài)表示。?

目標(biāo)：解耦變化因素、捕捉動(dòng)態(tài)特性、提高泛化性。

898PEKING

UNIVERSITY

N

I

V在通過(guò)NLP、

CV、

ASR等技術(shù)從不同模態(tài)獲取初步信息后，感知模塊的核心任務(wù)是將這些多源、異構(gòu)的信息進(jìn)行整合、抽象與結(jié)構(gòu)化，最終形成一個(gè)Agent內(nèi)部用于后續(xù)認(rèn)知、規(guī)劃和決策的統(tǒng)一、連貫的“環(huán)境狀態(tài)表征”。?技術(shù)方向：變分自編碼器

(VAEs)、對(duì)比學(xué)習(xí)、預(yù)測(cè)編碼n產(chǎn)出：一個(gè)內(nèi)部一致的、可操作的、反映了Agent對(duì)當(dāng)前環(huán)境理解的“狀態(tài)”，為認(rèn)知模塊的規(guī)劃、推理和決策提供直接輸入。2.2感知模塊

-關(guān)鍵技術(shù)（整合多源信息，構(gòu)建環(huán)境狀態(tài)表征）2.3感知模塊

-挑戰(zhàn)與前沿：動(dòng)態(tài)與不確定環(huán)境下的狀態(tài)感知前沿方向

世界模型

(World

Models)

：學(xué)習(xí)一個(gè)環(huán)境的動(dòng)態(tài)模型，使其能夠預(yù)測(cè)未來(lái)狀態(tài)和行動(dòng)后果，這種預(yù)測(cè)本身就是一種深層次的狀態(tài)理解。

神經(jīng)符號(hào)方法

(Neuro-SymbolicApproachesforState

Representation)

：結(jié)合深度學(xué)習(xí)的模式識(shí)別能力與符號(hào)邏輯的推理能力，構(gòu)建更魯棒和可解釋的狀態(tài)表征。挑戰(zhàn)1

：部分可觀測(cè)環(huán)境

(POMDP)

在現(xiàn)實(shí)世界中，Agent往往無(wú)法完全觀測(cè)到真實(shí)的環(huán)

境狀態(tài)

，只能依賴

帶

噪聲

、

不

完

整

的

觀

測(cè)

(Observations)

來(lái)

推

斷

。（

現(xiàn)

實(shí)世界

中

的

大多數(shù)

Agent任務(wù)都屬于POMDP）

核心問(wèn)題：如何從歷史觀測(cè)序列中推斷當(dāng)前最可能

的

真

實(shí)狀態(tài)

，即構(gòu)建

和

維護(hù)信

念狀態(tài)(BeliefState)——對(duì)真實(shí)狀態(tài)的概率分布。感知模塊不僅是簡(jiǎn)單的數(shù)據(jù)采集，更是一個(gè)復(fù)雜的、

動(dòng)態(tài)的、

基于推理的理解過(guò)程。有效的環(huán)境狀態(tài)表征是Agent智能行為的基石，尤其在面對(duì)真實(shí)世界的不確定性和動(dòng)態(tài)性時(shí)，其挑戰(zhàn)與重要性愈發(fā)凸顯。挑戰(zhàn)2

：動(dòng)態(tài)環(huán)境與持續(xù)學(xué)習(xí)

環(huán)境狀態(tài)是持續(xù)變化的，Agent需要有能力實(shí)時(shí)更新

其狀態(tài)表征。

新信息的融入可能需要調(diào)整已有的狀態(tài)理解，這與Agent的持續(xù)學(xué)習(xí)和適應(yīng)能力緊密相關(guān)。挑戰(zhàn)3

：可解釋性與可信賴性

Agent如何表征其狀態(tài)，以及為何形成這樣的表征，對(duì)于理解其后續(xù)決策至關(guān)重要。

需要探索更具可解釋性的狀態(tài)表征方法。

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）28

認(rèn)知與決策模塊(Cog

n

ition

&

Decision

Making

/

Reasoning

)

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）29

n

定義與核心功能：

Agent的

“中央處理器”，負(fù)責(zé)基于感知模塊提供的環(huán)境狀態(tài)和內(nèi)

部目標(biāo)，進(jìn)行思考、推理、規(guī)劃，并最終做出行動(dòng)決策。

Agent智能水平的集中體現(xiàn)。n

四大核心組成部分：1.核心引擎：大型語(yǔ)言模型

(LLM)-提供基礎(chǔ)理解、推理和生成能力。2.

規(guī)劃(Planning)-如何達(dá)成目標(biāo)？制定行動(dòng)序列。3.

記憶(Memory)-如何存儲(chǔ)和利用經(jīng)驗(yàn)與知識(shí)？4.

學(xué)習(xí)與適應(yīng)(Learning&Adaptation)-如何從經(jīng)驗(yàn)中進(jìn)化？3.1認(rèn)知與決策模塊

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）30

認(rèn)知與決策模塊–Agent的“大腦”與智能核心核心引擎-LLM：認(rèn)知核心的驅(qū)動(dòng)力n

指令理解與意圖識(shí)別：

LLM強(qiáng)大的NLU能力使其能準(zhǔn)確理解復(fù)雜、模糊的用戶指令或內(nèi)部目標(biāo)。

例如：將

“幫我規(guī)劃一次去北京的三天旅游，預(yù)算5000元，喜歡歷史古跡”轉(zhuǎn)化為明確的任務(wù)需求。n

上下文理解與長(zhǎng)程依賴：

LLM通過(guò)Attention機(jī)制能捕捉和利用上下文信息。

挑戰(zhàn)：

有限的上下文窗口

(Context

Window)限制了處理真正長(zhǎng)程依賴的能力。

Agent框架的方案：?滑動(dòng)窗口

(SlidingWindow):保留最近的交互歷史。?摘要機(jī)制

(Summarization):定期將早期對(duì)話或信息壓縮成摘要，注入上下文。?與外部記憶模塊結(jié)合

(RAG等):將相關(guān)歷史信息動(dòng)態(tài)檢索并加入提示。n

常識(shí)推理與知識(shí)運(yùn)用：LLM預(yù)訓(xùn)練中學(xué)習(xí)了海量世界知識(shí)和常識(shí)，能進(jìn)行一定程度的推理。3.2核心引擎：LLM的角色與能力LLM在Agent中：通常作為中央控制器或推理引擎，協(xié)調(diào)其他組件工作。

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）31

2.LLM的局限性及其彌補(bǔ)策略n

幻覺(jué)

(Hallucination):編造不實(shí)信息。

彌補(bǔ)：

工具調(diào)用

(Tool

Use)進(jìn)行事實(shí)核查

(e.g.,搜索引擎、

計(jì)算器)、引用外部知識(shí)庫(kù)

(RAG)、

自我反思與修正機(jī)制。n

知識(shí)截止

(Knowledge

Cutoff):缺乏最新信息。

彌補(bǔ)

：實(shí)時(shí)工具調(diào)用

(e.g.,聯(lián)網(wǎng)搜索)、定期更新/微調(diào)模

型、

RAG訪問(wèn)最新文檔。n

邏輯推理脆弱性：在嚴(yán)格邏輯或數(shù)學(xué)問(wèn)題上可能出錯(cuò)。

彌補(bǔ)

：調(diào)用代碼執(zhí)行器、符號(hào)計(jì)算工具

(e.g.,Wolfram

Alpha)、專用邏輯推理模塊。1.關(guān)鍵技術(shù)

-推理增強(qiáng)技術(shù)n

思維鏈

(Chain-of-Thought,CoT):

引導(dǎo)LLM逐步思考，輸出中間推理步驟，而非直接給出答

案“

Let's

think

step

by

step.”

示例：?jiǎn)栴}

-

>思考步驟1

-

>思考步驟2

-

>

...

-

>答案n

思維樹

(Tree-of-Thought,ToT):

將問(wèn)題求解過(guò)程建模為樹搜索，LLM在每個(gè)節(jié)點(diǎn)生成多個(gè)

想法(thoughts)，并評(píng)估這些想法，進(jìn)行前瞻和回溯。

示例：樹狀結(jié)構(gòu)，從問(wèn)題節(jié)點(diǎn)分叉出不同思考路徑n

思維圖

(Graph-of-Thought,GoT):

將LLM生成的thoughts組織成圖結(jié)構(gòu)，允許更靈活的聚合

和轉(zhuǎn)換，提升推理的全局性和迭代性。

示例：網(wǎng)絡(luò)圖結(jié)構(gòu)，節(jié)點(diǎn)代表思考單元，邊代表關(guān)系3.2核心引擎：LLM的角色與能力

-推理增強(qiáng)與局限彌補(bǔ)

AI肖睿團(tuán)隊(duì)

學(xué)習(xí)交流可加AI肖睿團(tuán)隊(duì)助理微信號(hào)（ABZ2829）32

目標(biāo)：提升LLM在復(fù)雜問(wèn)題上的推理能力和結(jié)果的可靠性，讓LLM“想得更明白”。規(guī)劃（Planning）：為達(dá)成特定目標(biāo)而制定一系列行動(dòng)步驟的過(guò)程。n任務(wù)分解

(Task

Decomposition)的核心價(jià)值：1.明確化與可操作化

：將抽象目標(biāo)轉(zhuǎn)化為具體步驟。2.

降低復(fù)雜度：簡(jiǎn)化問(wèn)題，實(shí)現(xiàn)“分而治之”。3.增強(qiáng)執(zhí)行靈活性：便于并行處理、錯(cuò)誤恢復(fù)和動(dòng)態(tài)調(diào)整。n

實(shí)現(xiàn)任務(wù)分解的主要技術(shù)路徑：1.

分層規(guī)劃

(Hierarchical

Planning):

核心思想：從高層抽象任務(wù)開始，通過(guò)多層級(jí)逐步細(xì)化到具體的子任務(wù)序列，直至可執(zhí)行的原子操作。

優(yōu)勢(shì)

：提高規(guī)劃效率，生成更具可解釋性的計(jì)劃，適用于復(fù)雜領(lǐng)域。2.

分層任務(wù)網(wǎng)絡(luò)

(HierarchicalTask

Networks,

HTN):

一種經(jīng)典AI規(guī)劃方法，使用“方法”來(lái)描述如何將一個(gè)任務(wù)分解為一個(gè)或多個(gè)子任務(wù)序列。

核心組件：?任務(wù)

(Tasks):待完成的目標(biāo)或活動(dòng)。?方法

(Methods):描述如何將一個(gè)非基本任務(wù)分解為一個(gè)或多個(gè)（有序或部分有序的）子任務(wù)序列。提供了預(yù)定義的任務(wù)分解模式。?操作符

(Operators/

PrimitiveTasks):對(duì)應(yīng)Agent可直接執(zhí)行的基本動(dòng)作，具有明確的前置條件和效果。

工作方式：通過(guò)遞歸應(yīng)用方法來(lái)分解任務(wù)，直到所有任務(wù)都變成操作符

898PEKING

UNIVERSITY

N

I

V3.LLM驅(qū)動(dòng)的任務(wù)分解：

利用LLM的理解和生成能力，直接將用戶的高層指令分解為子任務(wù)列表。

例如，用戶說(shuō)“幫我組織一個(gè)團(tuán)隊(duì)下周的線上技術(shù)分享會(huì)。”

，LLM分解為“1.確定分享會(huì)主題和主講人。

享材料和演示。4.預(yù)訂線上會(huì)議室并測(cè)試設(shè)備。

5.會(huì)后收集反饋。”等。

優(yōu)勢(shì)：對(duì)模糊指令的適應(yīng)性強(qiáng)，能利用常識(shí)進(jìn)行分解，交互更自然。

挑戰(zhàn)：分解結(jié)果的邏輯性、完備性、可執(zhí)