AI Agent是一种能够自主运行、感知环境并具备学习能力的智能系统，在无需或少量人工干预的情况下执行任务，并通过不断的学习和适应来提高自身的性能和准确性。
- 自主性与目标导向：能够独立做出决策，无需过多人工干预。
- 环境感知与工具使用：能够感知环境变化，并利用各种工具完成任务。
- 适应性学习能力：能够从经验中学习，迭代优化自身性能。
大模型的推理和Agent循环的对比
| 维度 | 大模型自身推理 | Agent 循环 |
|---|---|---|
| 本质 | 模型内部进行多步推理 | 外部程序控制模型反复工作 |
| 输入 | Prompt + 上下文 | Prompt + 状态 + 工具返回结果 |
| 能否查真实系统 | 本身不能 | 可以 |
| 能否执行动作 | 本身不能 | 可以调用 API、数据库、浏览器等 |
| 是否获取新信息 | 通常基于当前上下文 | 每一步都可以获取新信息 |
| 是否动态改计划 | 有限 | 很适合 |
| 典型任务 | 数学、分析、代码设计 | 排障、客服、运维、自动化工作流 |
perception
memory
reasoning
planning
action
角色（profile）
learning
Planning:
Self reflection/self cirtic/self refinement
Chain of thought/tree of thought
ReAct
Subgoal decompositioin
Memory:
Short-term memory: context, prompt
long-term memory: preference, history,
一张图看懂AI Agent全流程，从用户提问到结果返回的17步拆解
sequenceDiagram
participant U as 用户
participant A as 智能体(Agent)
participant L as 大模型(LLM)
participant M as MCP
participant T as 工具
U->>A: 1. 帮我分析本月用户留存
A->>L: 2. 任务规划（推理）
L->>A: 3. 步骤1：查询数据库
A->>M: 4. 调用数据库查询
M->>T: 5. 转发标准化请求
T->>T: 6. 执行SQL查询
T->>M: 7. 返回查询结果
M->>A: 8. 返回标准化结果
A->>L: 9. 数据结合推理
L->>A: 10. 步骤2：生成图表
A->>M: 11. 调用图表生成工具
M->>T: 12. 执行代码绘制图表
T->>M: 13. 返回图表
M->>A: 14. 调行标标绘结果
A->>L: 15. 整合数据与图表
L->>A: 16. 生成最终报告
A->>U: 17. 返回完整分析结果