Agent专词解析

什么是LLM？

Large Langurage Model

大语言模型，一问一答的形式

 

 

什么是Agent？

以LLM大模型为大脑，负责执行动作的智能体

可以规划任务，使用工具，记忆能力，循环思考

1.规划任务

由LLM将复杂任务拆解多个步骤执行。

拆解后需考虑步骤间的依赖关系和动态调整——若某步失败，可重新规划而非机械执行

2.使用工具  Tools

Agent能够根据LLM输出的指示，调用本地API或外部工具，再将结果喂给LLM.

LLM返回的标准化格式为：  Function Calling

Agent调用工具Tools的标准化协议为：  MCP协议     

• Agent 基于MCP协议 通过 MCP Client 与 MCP Server 通信，间接调用 Server 上的工具

3.记忆能力  Memory

短期记忆靠上下文窗口，长期记忆靠向量检索

短期记忆： 内存存储，滑动窗口记录近n次对话。历史过长进行摘要压缩等

长期记忆：靠向量数据库，知识图谱等检索

 

4.循环思考  

Agent循环体:Agent本质就是一个死循环，直到大模型认为实现目标退出循环。(或者最大迭代次数退出循环)  (循环达到最大次数，token超过阈值，实现最终结果)

Agent能够根据当前步骤执行结果来决定下一步做什么，一步一步达成最终目的

 

什么是ReAct？

 ReAct模式  思考-行动-循环

ReAct 让 Agent 边想边做，每步行动前先思考，每步结果再反馈，形成闭环直到目标达成。

 

 

 

什么是Function Calling？

让大模型调用API/外部工具

1.告知LLM工具列表   

2.LLM决定使用工具

3.使用工具结果反喂给LLM

（LLM根据工具结果继续决策 或总结生成最终答案）

 

 

什么是MCP？

MCP是模型上下文协议，LLM与外界工具调用方式的标准化

1.工具方实现MCP-Server   

2.应用方实现MCP-Client

双方遵守MCP协议 实现LLM对工具方的调用

 

 

 

什么是Claude Skills?

"AI 在某一类任务上的标准操作手册"

Skills类似于操作手册，最佳实践文档，指导LLM怎么做好某件事

(将某种技能打包成模板，按需加载，省token，准确高效)

(数据访问层规范手册, HTTP 处理层规范手册, 单元测试规范, 接口测试生成规则, PRD 完整性自评工具, 代码审查规则手册)

 

Skills渐进式披露：

三层加载

1：加载元数据   (加载目录页，找到对应的章节Skill)

2：加载主文档   (加载具体章节)

3：加载附件文件   (加载具体示例，根据需求决定是否加载)

每次只加载特定的内容传给大模型，解决上下文token过大问题

 

 

什么是WorkFlow？

Workflow 不是流程图，更像是一份接力赛规则：每一棒交什么、下一棒接到什么才能开跑

 

 

 

什么是RAG系统？

检索增强生成

基于向量数据库，知识图谱等，增强Agent的记忆与专业知识

 

 

什么是A2A？

Agent之间通信的协议。

实现Agent间互相发现，互相通信，互相委派任务。从而实现多Agent协调完成工作 。