AI Agent是基于大模型的智能体，能自主完成目标任务。它具备自主性、交互性、目的性、适应性和学习能力五大核心能力，通过感知环境、处理信息、决策制定和执行行动的循环流程工作。Agent的架构由大脑(LLM)、做事方法(Planning)、工具(Tools)和记忆(Memory)四部分组成。通过多维表格和Coze等工具，小白也能快速搭建自己的Agent，实现从查询信息到完成复杂任务的转变。

---

2025年是agent爆发之年，集创堂AI实战教练育怡将在近期为大家带来一系列文章，全面呈现agent的工作原理和实用案例。

Agent是什么

简单说，AI Agent 是 “基于大模型（LLM）的智能体” —— 就像一个不用催的 “打工人”，给它一个目标，它能自己想办法完成，不用你步步指挥。

比如你说 “帮我规划周末带爸妈去杭州玩”，普通 AI 只会给景点列表，而 Agent 会：查爸妈喜欢的慢节奏路线、订近景区的酒店、算交通时间，甚至提醒带老人常用药 —— 直接给你一份 “能落地的完整攻略”。

Agent 的 “超能力”：5 个核心本事

Agent 能干活，全靠这 5 个能力撑着，每个都像 “人” 的本事：

1. **自主性：**不用人盯！比如让它写月度销售报告，它会自己从公司数据库扒数据、整理趋势，不用你逐条给信息；
2. **交互性：**能 “沟通协作”！游戏里的 AI 队友会跟你配合打怪，客服 Agent 能跟客户一来一回聊需求，不像机器人式回复；
3. 目的性：“目标感极强”！你说 “搞定孩子生日派对”，它就围绕这个目标，订场地、买蛋糕、邀小朋友，不做无关的事；
4. **适应性：**会 “灵活变通”！本来订了户外派对，突然下雨，它会立刻改成室内场地，还同步通知嘉宾；
5. **学习能力：**能 “吃一堑长一智”！第一次写的方案你说 “太官方，要口语化”，下次写活动通知，就会自动调整语气。

Agent 怎么干活？4 步循环搞定任务

Agent 的工作流程像 “人解决问题”，分 4 步循环，拿 “帮你订出差机票” 举例：

1. 感知环境：它从你聊天记录里看到 “下周三去上海开会”，还知道你怕早班机；
2. **处理信息：**调取你的出差偏好（靠窗位、选国航）、查周三上海天气（是否有延误风险）；
3. 决策制定：选周三上午 10 点的国航航班，既不早又避开雷雨时段；
4. **执行行动：**自动下单、给你发确认短信，还同步把航班加进你日历。

核心公式记：AI Agent = 大脑（LLM）+ 做事方法（Planning）+ 工具（Tools）+ 记忆（Memory） —— 缺一个都干不了活。

一个LLM驱动的Agent架构如下图：它需要能够自主计划，使用工具，具有记忆能力，可以自主行动

简单来说：问⼀个问题不止得到答案，而是直接交付成果，可以是报告/网页/营销方案等信息的从准备到审批发布、也可以是实验/策略/旅行等方案的从规划分析到执行

拆解 Agent 的 “身体零件”：4 个关键模块

• LLM：人的大脑，体现的是基础的智力，反应速度，基础知识，认知。
• Planning：人的方法论、逻辑思考能力（分析、反思、检查），同样的智力，类似经过训练可以在奥数比赛中得分更高。
• Memory：人的记忆 + 备忘录。
• Tool：人的工具（电脑，手机，搜索引擎，计算器）。
• Perception：人的眼睛，耳朵。（感知，接收信息输入）

1.大脑（LLM）：选对 “帮手” 是基础

LLM 是 Agent 的 “脑子”，选不同的大模型，就像找不同特长的帮手：

• 想写代码：找 DeepSeek R1（擅长代码生成）；
• 日常聊天、查本地信息：找豆包（中文理解超准）；
• 处理复杂多模态任务（比如视频分析）：找 ChatGPT 4O。

选对 “脑子”，Agent 才能高效干活。

维度	ChatGPT 5	ChatGPT 4O	DeepSeek R1
核心优势	专业领域深度、多模态生成	实时多模态交互、低延迟	数学推理、代码生成
适用场景	医疗 / 金融 / 战略决策	智能硬件 / 实时内容生成	开发工具 / 科学研究
成本	高	较高	中低
多模态	视频 + 音频 + 文本	音频 + 文本 + 图像	仅文本
回答效果	好（精简+结构化+准确）	好（精简+结构化+准确）	较好（结构化+准确）

维度	DeepSeek V3	豆包 thinking	豆包
核心优势	垂直领域优化、低成本	复杂推理、本土化	中文对话、场景整合
适用场景	企业应用 / 本地化服务	教育 / 供应链优化	客服 / 内容创作 / 政务
成本	低	中	低
多模态	文本 + 图像（代码生成）	仅文本	语音 + 文本 + 图像
回答效果	较好（结构化）	适中（内容长+准确度较差）	适中（内容长+准确度较差）

2.做事方法（Planning）：会 “拆解任务 + 反思改进”

定义

Planning 是 Agent 的 “方法论”—— 就像你解数学题要分步骤，Agent 也会拆任务、改错误。

比如算 “外卖员一天赚多少钱”：

它不会直接给答案，而是先拆步骤：算总收入（150 元 / 时 ×10 时 = 1500 元）→算电费（2 度 / 时 ×1 元 / 度 ×10 时 = 20 元）→算净收入（1500-20=1480 元）。

如果第一次算错电费，下次遇到类似问题，它会主动检查 “成本计算步骤”，避免再错 —— 这就是 “反思改进”。

System Prompt：（用户在这里告诉AI需要进行目标分解，并打开AI的“深度思考”模式）

代码块

1.您正在解决数学问题。

2.逐步推理，必要时使用计算器。

3.当您给出最终答案时，请提供解释，说明您是如何得出答案的。

User Prompt：（用户在这里告诉AI应用场景和必要信息）

代码块

1.一名外卖员每小时挣 150 元。如果他每天工作 10 小时，电动车每小时消耗 2 度电，每度电价格为 1 元。请问他一天可以赚多少钱？

LLM Output：（AI输出思考过程和结果）

代码块

1.首先，我们计算了总收入：

总收入 = 150 元/小时 × 10 小时 = 1500 元

2.然后，我们计算了每小时电费支出： 每小时电费支出 = 2 度/小时 × 1 元/度 = 2 元

3.接着，我们计算了每天电费支出： 每天电费支出 = 2 元/小时 × 10 小时 = 20 元

4.最后，我们计算了净收入： 净收入 = 总收入 - 每天电费支出 = 1500 元 - 20 元 = 1480 元

5.因此，外卖员一天可以赚 1480 元。

3.记忆（Memory）：不 “健忘” 才靠谱

你有没有过这种体验：跟 AI 聊到一半，它突然忘了前面说的话？想让它帮你查公司旧文档、算复杂账单，它却一脸 “不会”？其实问题出在 AI 的两个关键能力上 ——记忆和工具。今天用大白话拆解，看完你就懂 AI 为啥越来越 “能干” 了。

短期记忆：AI 的 “即时脑容量”，记最近的事儿

短期记忆就像你跟朋友聊天时，脑子里临时记着 “刚说要去吃火锅”“对方不吃辣”——AI 的短期记忆，主要就是你们的对话历史。

比如你跟 AI 聊旅行：先说 “想找带沙滩的酒店”，接着问 “附近有海鲜大排档吗？”AI 能接得上，靠的就是短期记忆。不过它有 “脑容量上限”（叫 “上下文窗口长度”），多数 AI 默认存最近 20 条对话；如果是支持长上下文的模型（比如 GPT-4o），能多存点，就像你集中注意力时能多记几句对话。

但短期记忆有个缺点：“一断电就忘”。比如你关掉聊天窗口再重开，AI 大概率不记得之前聊的内容了 —— 这时候就得靠长期记忆补位。

长期记忆：AI 的 “外部硬盘”，存海量旧信息

长期记忆相当于给 AI 挂了个 “外部硬盘”，平时不用的信息（比如公司文档、你的个人偏好）都存在里面，需要时 AI 会 “主动搜”。

举个例子：你让 AI “整理咱们公司 2024 年新产品的卖点”，这些信息没在对话里提过，AI 就会调用长期记忆 —— 从你提前存好的本地文档库（专业叫 RAG 知识库）里，把文档变成 “数字标签”（叫 embedding 向量化），再快速匹配出 “2024 新产品” 相关的内容。

这就像你记不住某本书的细节时，会去书架上翻对应的书，而不是全靠脑子硬记。

4.AI 的 “工具”：给它装 “手脚”，能落地做事

光有记忆还不够，AI 像个 “光有脑子没手脚” 的人 —— 能想，但没法自己做事。这时候就需要 “工具”（Tool）来帮它落地执行。

简单说：LLM（大模型）是 “大脑”，负责想 “要做什么”；工具是 “手脚”，负责干 “具体怎么做”。

比如：

• 你让 AI “查北京明天的天气”：AI 大脑会发指令 “需要搜天气”，但它自己没法联网，这时候 “搜索引擎工具” 就会接手，执行 “搜索‘北京明天天气’” 的操作，再把结果反馈给 AI；
• 你让 AI“算这个月房租（4500）+ 水电费（380）+ 物业费（200）的总开销”：AI 大脑知道 “要算加法”，但它没法直接算精准数字，会调用 “计算器工具”，算出结果后再告诉你。

没有工具的 AI，只能跟你 “嘴炮聊天”；有了工具，它能联网查信息、算数据、甚至生成表格 —— 相当于从 “只会说” 变成 “能干活”。

Agent的自建工具和实践案例

多维表格和coze都可以实现快速搭建agent，支持低代码 / 无代码操作，仅需提示词或可视化配置；

多维表格搭建 Agent，支持批量处理任务，且搭建门槛低，借助思维链，用提示词直述需求就能完成；

Coze 搭建 Agent 更擅长单次复杂任务，不过门槛较高，需要通过提示词或工作流来约束过程。

多维表格工具-文章创作agent

该 Agent 通过模块化设计，将自然语言改写（适配小红书风格）、多模态生成（图片）、跨语言转换（英文翻译）三大能力封装

用户输入一段文案内容，文章创作agent就可以基于小红书博主风格进行文章改写、图片生成、甚至能翻译为英文语言。

Step 1 ：用户输入文案

Step 2: 文章创作Agent处理文案

Step 3: 文章创作Agent输出改写内容和图片

Coze工具-产品分析报告agent

用户输入一个产品名称，产品分析agent会基于预置的工作流程、分析思路和工具 来进行全网检索和产品分析，最终输出一份产品分析报告

产品分析Agent输出的报告：

产品分析Agent输出的文本内容：

产品分析Agent背后的工作原理：

---

零基础如何高效学习大模型？

为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和MoPaaS魔泊云联合梳理打造了系统大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

【精选AI大模型权威PDF书籍/教程】

精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

【640套 AI 大模型行业研究报告】

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

👇👇点击下方卡片链接免费领取全部内容👇👇

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

• 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
• 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
• 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

• 本资料由我与MoPaaS魔泊云的鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

• • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
  • 拥有多项中美发明专利。
  • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

• 目前，我有幸与鲁博士共同进行人工智能相关研究。

内容实用，循序渐进：

• 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

• 包含丰富的视频教程与实战项目案例，强调动手实践能力。

• 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

  

抓住机遇，开启你的AI学习之旅！