1、智能体（agent）定义

现状：从学术界到产业界，大模型领域仍然处于快速发展的阶段，还没有明确的具体共识。

任何一个非单次大模型调用的系统，都有可能被其开发者称为“agent”。

1.1、OpenAI的AGI五级分类

• Level 1: Conversational AI，仅限于语言对话，能力有限
• Level 2: Reasoners，在专业领域能够独立推理，不需外部工具
• Level 3: Agents ， 能长时间自主行动执行任务
• Level 4: Innovators，产生新思路，推动科技突破
• Level 5: Organizers，能管理协调整个组织

1.2、不同提出人对agent的定义

提出者	定义	核心要素
OpenAI	AGI五级分类中的Level 3	能长时间自主行动执行任务
翁荔 (Lilian Weng)	Agent = LLM + 记忆 + 主动规划 + 工具使用	四大核心组件
Harrison（LangChain）	使用LLM决定应用程序控制流的系统	LLM驱动的控制流
吴恩达 & Harrison	具备"agentic"属性的系统	渐进的智能属性

1.3、"Agentic"程度可以不同：渐进的智能属性

类似自动驾驶汽车的 L1-L4 分级， 一个 agentic system 的智能程度是可以有不同等级的，取决于LLM对系统行为的决策权重。

Human-Driven	Code：完全由人写代码决定。 LLM Call：有一次大模型调用。 Chain：链式结构，有多次的大模型调用。 Router：路由模型，大模型决策行动方向，但不支持成环（no cycies）。
Agent-Executed	State Machine：成环后，在计算机术语里面就是一个自动机。 Autonomous：完全由LLM决定，没有人类参与。

2、智能体系统（Agentic System）的划分

从架构上看，agentic system可以分为两大类系统：

类型	特点	适用场景
工作流（Workflow）： 通过预定义代码路径编排LLM和工具	侧重于流程固定和可预测性	适用于任务明确、步骤可预定义的场景
自主智能体（Autonomous Agent）： LLM动态控制决策和工具使用，自主规划任务	侧重灵活性与自我决策	适用于任务步骤难以预知、需长期自主规划的场景

首先，有些场景（比如 DeepSeek App 中的聊天对话）可能完全不需要 agentic system
当确实需要复杂方案时，才会考虑 工作流或者 自主智能体。

对很多场景，通过RAG和prompt优化可能已经足够，增加系统复杂度会伴随延迟和成本，需权衡利弊！

3、智能体系统（Agentic System）组成模块

3.1、基础构建模块：增强型 LLM

智能体系统的基础是具备检索、工具使用和记忆能力的增强型LLM

• 复杂应用使用的模型能力都是基于 API，建议一定要搞清楚大模型接口逻辑
• 开发时建议优先直接使用 API，只在必要时借助高级框架

3.2、工作流（Workflow）的常见模式：

3.2.1、提示链 Prompt Chaining

• 按顺序拆分任务，每一步由 LLM 生成内容
• 可以在任意中间步骤添加程序检查（见下图中的“gate”）以确保整个过程依然按计划执行

场景示例：

• 先生成市场营销文案，再将其翻译成另一种语言。
• 编写文档提纲、检验提纲是否符合某些标准，然后再根据提纲写出完整文档。

3.2.3、路由 Routing

根据输入分类，分配给专门的后续任务

场景示例：

• 不同类型的客户服务请求（常见问题、退款请求、技术支持）进入不同的后续流程、提示词及工具。
• 将 简单/常见问题 路由给 较小的模型，将 困难/罕见问题 路由给 更强大的模型，以优化成本与速度。

3.2.4、并行 Parallelization

同时执行多个任务，然后将它们的输出聚合在一起,有两个主要变体

• 分段（Sectioning）：将任务划分为可以并行运行的独立子任务。
• 投票（Voting）：对同一任务进行多次执行，从而获得多样化的输出，以进行对比或投票。

场景示例：

• （分段）并行内容审核与主任务处理：一个模型实例负责处理用户查询，另一个模型实例同时对查询进行不恰当内容或非法请求筛查。
• （投票）评估某段内容是否不当：多个提示从不同角度评估，或设定不同的投票阈值以平衡误报与漏报

3.2.5、协调者-工作者 Orchestrator-Workers

• 协调者拆解任务
• 工作者专注子任务

场景示例：

• 多文件代码修改：每次都需要对多个文件进行复杂改动的编程产品。
• 多源信息搜索分析：在多源信息中搜索并分析可能相关的信息来完成搜索任务。

3.2.6、评估-优化循环 Evaluator-Optimizer

• 一个 LLM 生成输出
• 另一个 LLM 进行反馈和优化反复循环

场景示例：

• 文学翻译润色：一些细微的语言差异可能在初稿中并未充分体现，而评估者 LLM 可以指出这些不足并给出改进意见。
• 复杂搜索任务的多轮优化：需要多轮搜索和分析以收集全面信息，由评估者判断是否需要进一步搜索。

3.3、自主智能体（Autonomous Agent）

3.3.1、模式

• 执行过程中获取环境真实反馈（例如工具调用的结果或代码执行情况）
• 支持人工检查点干预（可在检查点或遇到阻碍时暂停，等待人类反馈）
• 设置终止条件（任务通常在完成时终止，但也常常设置停止条件（如最大迭代次数）以保证不会无休止运行）

适用场景： 适用于开放性问题，即当任务步骤数量难以预知或无法预先固定时。

3.3.2、关键组件：

• 规划模块（Planning）：
  • 子目标拆解：将复杂任务分解为可管理的子目标。
  • 反思优化：通过自我评估改进执行策略。
• 记忆系统（Memory）：
  • 短期记忆（上下文）。
  • 长期记忆（外部存储）。
• 工具使用（Tools）：
  • 获取外部实时信息与功能扩展（mcp）

    

4、国内外有哪些 Agent 平台、框架、产品

4.1、国内外相关Agent

• 全代码框架
  • LangChain & LangGraph
  • LlamaIndex
• 低代码平台
  • 毕昇
  • Dify
  • Coze
  • FastGPT

4.2、低代码workflow产品设计的思考

• 独立、完备的流程编排框架，才能够覆盖足够复杂的场景
  • 不简单是一个被bot调用的工具
  • 不需要划分出chatflow和workflow
• Human in the loop特性：中间过程支持灵活的输入/输出和多样的人机交互
  • 复杂的业务场景需要人类与AI进行写作，人类也要参与到执行过程的判断和决策
• 节点之间是否支持成环
  • 支持成环能够适用更多的场景

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？

别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明：AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！