今天常见的 RAG、Tool、Agent、MCP 等名词，大多是在补齐这些能力。它们并不是突然出现的一套新技术，而是围绕大模型逐步增加的不同组成部分。

在了解了LLM智能体的基本概念后，本篇我们将深入剖析其内部核心机制，其核心机制主要包括记忆（Memory）、工具（Tools）和规划（Planning） 三大关键组件，本篇将详细解释前两大关键组件，它们如何协同工作完成任务。

0基础学习，主要是先了解一些概念，这些概念其实并不难。尤其相比于文科一些晦涩难懂的理论来说，AI/Agent的一些基础概念只是更陌生罢了。

本篇将补充第二篇的规划（Planning） 并围绕以上这些问题展开，并结合实际案例进行说明。

35岁裸辞，被拒 112 次后，我拿下了 Agent offer

本文深入分析了Agent框架的设计思路与构建难点，强调确保大模型每步获得适当上下文是构建可靠系统的关键。

很多团队第一次把 Agent 串成流水线，最先撞上的问题通常不是模型不够聪明，而是任务会丢。

Hello-agents 21.9k星智能体开发教程 Datawhale出品 小白友好从零掌握Agent开发

现在，焦点转向LLM Agent方向。这是什么？就是基于大型语言模型（如GPT系列）构建的智能代理，能自主推理、调用工具、协作完成任务。

AI时代，注意力与信仰将会成为投资最重要的能力。让我们携手，在Ai时代一起来聚焦核心投资机会，把握周期趋势。