Hello-Agents-第一章初识智能体

本文为个人学习笔记整理，项目来源

@misc{hello_agents2025,
  title  = {Hello-Agents: Building an AI Agent from Scratch},
  author = {Sizhou Chen and Tao Sun and Shufan Jiang and Peilin Huang and Xinmin Zeng and Xinzhong Zhu and all Hello-Agents contributors},
  year   = {2025},
  url    = {https://github.com/datawhalechina/Hello-Agents},
  note   = {GitHub repository}
}

开头：理解 Agent

智能体不是“大模型本身”，也不是“算力很强的程序”。智能体更准确地说，是一个围绕目标运行的闭环系统。
它需要感知环境，基于目标做决策，通过行动影响环境，再根据反馈继续调整。

Observation -> Perception -> Thought/Planning -> Action -> Environment -> Observation

这个闭环，才是 Agent 和普通程序、普通模型之间最关键的区别。

一、什么样的系统才算智能体

判断一个系统是不是智能体，看五个要素：

• Environment：它是否处在一个可交互环境中。
• Sensors：它是否能感知环境状态或输入。
• Actuators：它是否能采取行动影响环境。
• Goal / Performance：它是否围绕目标或性能指标行动。
• Autonomy：它是否具备一定自主决策能力。

所以，高算力不等于智能体。超级计算机本身只是计算资源；运行在它上面的某个系统，如果具备感知、目标、决策和行动闭环，那个系统才可能是智能体。

类似地，LLM 也不天然等于 Agent。LLM 可以作为 Agent 的“大脑”，但只有当它被放进工具调用、环境反馈和任务循环中，才构成 LLM Agent。

二、智能体的三种分类视角

第一种视角是内部决策架构。

• Simple Reflex Agent：根据当前输入和固定规则行动。
• Model-Based Reflex Agent：维护内部世界模型，能处理部分不可见状态。
• Goal-Based Agent：围绕明确目标规划行动路径。
• Utility-Based Agent：在多个可行行动或状态中最大化期望效用。
• Learning Agent：通过环境反馈改进策略。

这里容易混淆的是目标型和效用型。目标型回答“如何达成目标”，效用型回答“多个可行方案中哪个综合更优”。

第二种视角是反应与规划。

• Reactive Agent：响应快，规划少，适合实时场景。
• Deliberative Agent：先推演再行动，适合长期复杂任务。
• Hybrid Agent：兼顾快速反应和长期规划，现代 LLM Agent 常见。

第三种视角是知识表示。

• Symbolic AI：规则清晰、可解释，但覆盖不足时脆弱。
• Sub-symbolic AI：擅长处理非结构化数据，但可解释性弱。
• Neuro-Symbolic AI：结合神经网络的感知/生成能力与符号系统的规则/推理能力。

三、用 PEAS 描述一个任务环境

PEAS 是描述智能体任务环境的工具：

• Performance：什么结果算好，如何评价。
• Environment：智能体所在的环境和约束。
• Actuators：智能体能采取的动作。
• Sensors：智能体能感知的信息来源。

以智能健身教练为例：

• P：训练有效性、动作安全性、目标达成度、用户依从性、饮食建议合理性。
• E：用户身体状态、健身目标、器械条件、训练场景、饮食习惯、历史记录。
• A：生成训练计划、调整强度、语音提醒、动作纠正、输出饮食建议。
• S：可穿戴设备数据、用户输入、摄像头/动作识别、训练反馈、历史数据。

四、Thought-Action-Observation：最小 Agent Loop

第一章的代码实践使用了一个非常典型的交互协议：

Thought: 分析当前状态并规划下一步
Action: 调用工具或 Finish
Observation: 工具执行后的环境反馈

这个协议的价值在于：

• 让 LLM 的推理过程可被外部解析。
• 把自然语言决策转成函数调用。
• 把工具结果反馈给下一轮推理。

没有 Observation，模型就无法知道工具执行结果；没有解析器，模型输出就无法稳定变成函数调用；没有最大循环次数，Agent 可能重复调用工具或一直无法结束。

五、跑通第一个旅行助手

• code/chapter1/FirstAgentTest.py
• code/chapter1/FirstAgentTest.ipynb

核心组件包括：

• AGENT_SYSTEM_PROMPT：定义智能体角色、工具和输出格式。
• get_weather(city)：天气工具。
• get_attraction(city, weather)：景点推荐工具。
• available_tools：工具注册表。
• OpenAICompatibleClient：兼容 OpenAI API 的 LLM 客户端。
• 主循环：拼接历史、调用 LLM、解析 Action、执行工具、追加 Observation。

我最终跑通的链路是：

用户请求
-> Thought: 需要先查北京天气
-> Action: get_weather(city="北京")
-> Observation: 北京天气 Light Rain
-> Thought: 根据天气推荐景点
-> Action: get_attraction(city="北京", weather="Light Rain")
-> Observation: 推荐国家博物馆，备选故宫博物院
-> Thought: 信息足够，可以回答
-> Action: Finish[最终答案]

六、Workflow 和 Agent 的边界

Workflow 是预定义流程，适合规则稳定、合规要求高、步骤明确的任务。它的优点是稳定、可审计、成本可控；缺点是处理复杂例外能力弱。

Agent 是目标导向的自主系统，适合目标开放、上下文复杂、需要动态推理和工具选择的任务。它的优点是灵活；缺点是稳定性、可解释性、成本和安全性更难控制。

实际工程里，二者通常不是非此即彼。更合理的方案是：Workflow 管住边界和关键审批，Agent 处理语义理解、信息提取、风险解释和例外情况。

结尾

第一章不是为了记住一堆 Agent 定义，而是建立一个分析框架。

学完之后，应该能做到：

• 判断一个系统是否是智能体。
• 从不同分类视角分析一个 Agent。
• 用 PEAS 描述任务环境。
• 解释 Thought-Action-Observation 循环。
• 跑通并理解一个最小 LLM Agent。
• 区分 Workflow 和 Agent 的工程边界。