文章介绍了AI Agent概念的演变，从前大模型时代的定义（强调环境交互、智能、感知等特性）到大模型时代基于LLM的Agent三组件（规划、记忆、工具使用）。文章解析了Agent与大模型的关系（AI Agent = LLM + 角色定义 + 规划 + 工具使用 + 记忆），探讨了为什么需要Agent（解决环境隔离、执行能力、任务拆解和状态维持问题），并预告了后续将实现数据洞察Agent的实践内容。

Agent的概念

虽然大家都在说2025年是Agent的元年，但如此高频的一个词，就跟好多计算机里面的概念一样，也是没有严格定义的。

我将整理一些不同时期的定义，好让大家更好地理解这个概念的内涵。

前大模型时代

在大模型兴起之前，在不少地方也有Agent的定义。

Marvin Minsky在《思维的社会》中最早提出：社会个体通过协商求解问题的思想，这些具备社会交互性和智能性的个体即为Agent。

《人工智能：一种现代方法》（Artificial Intelligence: A Modern Approach, Stuart Russell & Peter Norvig）：Agent是任何能通过传感器感知环境，并通过执行器作用于环境的实体。

《强化学习》（Richard S. Sutton, Andrew G. Barto ）：进行学习及实施决策的机器被称为智能体（Agent），智能体之外所有与其相互作用的事物都被称为环境（environment）。

《多智能体系统导论》（An Introduction to MultiAgent Systems，Michael Wooldridge ）强调自主性、环境感知和动态交互三大特性。

这些定义虽然各部相同，但大致都强调了Agent的几个特点：与环境交互、智能、感知环境、执行

大模型时代

现在大家引用比较多的关于Agent的定义，是前OpenAI安全副总裁Lilian Weng在其博客LLM Powered Autonomous Agents中给出的，如下图所示，虽然也没有定义什么是Agent，但给出了Agent的三个关键组件。这个定义，虽然更多的是从实现的角度考虑的，但如果你看Agent相关的研究会发现，他们基本上都是在围绕这三个点在开展。

基于LLM的Agent系统，LLM在其中扮演大脑的角色。在考虑Agent实现时，通常参照上图，认为Agent有如下三个关键组件：

• 规划
• 记忆
• 工具使用

而另一个公认的定义，来自复旦大学的综述论文The Rise and Potential of Large Language Model Based Agents: A Survey：基于大型语言模型（LLM）的 AI 智能体（LLM-based AI Agent）是指利用大型语言模型作为核心组件，具备感知环境、自主决策和执行任务能力的人工智能系统。这些智能体通过结合规划、记忆和工具使用等模块，使其能够在动态环境中完成复杂任务。

Agent和大模型的关系是什么

看了上面这么多的定义，可能还是无法理解什么是大模型，什么是Agent，他们之间的关系，可以认为是下面这样的：

AI Agent = LLM + 角色定义 + 规划 + 工具使用 + 记忆

其中的规划、工具使用、记忆在上文已经提到了，而角色定义，更多的是在多智能体系统下才有的。

那么问题来了，像常用的ChatGPT、豆包、元宝这些软件，究竟是什么？

虽然上面AI Agent和LLM的关系里面，右边有好多项，但按照当前的业界共识，具备工具使用或记忆，或者多个不同角色的LLM之间进行交互，就称得上是Agent了，并不是需要都具备。从这个角度来讲，只要在ChatGPT、豆包这些App中打开了联网搜索，就称得上是Agent了（虽然大家一般不这样说），因为联网搜索相当于是Agent借助LLM在使用工具，而关闭联网搜索时，如果这些App本身不结合用户偏好（ChatGPT比较新的版本中会结合用户偏好回答问题），而是纯基于模型回答的话，则不能称之为Agent了。

为什么需要Agent

在理清了LLM和Agent的关系之后，我们再来看一下在LLM本身已经具有超越人类的答题、写作能力后，为社么还需要Agent。

大致有如下4类原因：

• 环境隔离：LLM无法感知实时数据，如股价、新闻、时间、公司内部的文档
• 缺乏执行能力：缺乏API调用和软件操作能力，如下单、浏览器控制
• 任务拆解：难以自动拆解多步骤任务，如“收集Agent资料并生成报告发送指定人”
• 状态维持：需要长期记忆用户偏好，如咖啡订单的“去冰无糖”，没这个能力的就会每次都当你第一次点一样

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】