AI智能体（AI Agent）是依托大语言模型驱动，具备独立环境感知、自主决策、主动执行任务及迭代优化能力的智能实体，是区别于传统对话AI的新一代人工智能形态。与传统仅能被动应答的聊天机器人不同，AI Agent构建了“感知-规划-执行-反馈”的完整运行闭环，无需人工实时干预即可独立拆解复杂目标、调用各类工具、处理任务流程。

AI智能体（AI Agent）是依托大语言模型驱动，具备独立环境感知、自主决策、主动执行任务及迭代优化能力的智能实体，是区别于传统对话AI的新一代人工智能形态。与传统仅能被动应答的聊天机器人不同，AI Agent构建了“感知-规划-执行-反馈”的完整运行闭环，无需人工实时干预即可独立拆解复杂目标、调用各类工具、处理任务流程。

AI智能体（AI Agent）是依托大语言模型驱动，具备独立环境感知、自主决策、主动执行任务及迭代优化能力的智能实体，是区别于传统对话AI的新一代人工智能形态。与传统仅能被动应答的聊天机器人不同，AI Agent构建了“感知-规划-执行-反馈”的完整运行闭环，无需人工实时干预即可独立拆解复杂目标、调用各类工具、处理任务流程。

AI智能体（AI Agent）是依托大语言模型驱动，具备独立环境感知、自主决策、主动执行任务及迭代优化能力的智能实体，是区别于传统对话AI的新一代人工智能形态。与传统仅能被动应答的聊天机器人不同，AI Agent构建了“感知-规划-执行-反馈”的完整运行闭环，无需人工实时干预即可独立拆解复杂目标、调用各类工具、处理任务流程。

预留对话历史位置，明确模型应答要求，优先结合检索到的参考资料作答。同时自定义函数完成检索文档内容、元数据的格式化处理，规范数据展示形式。核心类，整合通义大模型、DashScope 向量嵌入模型与自研向量库服务，依托配置文件统一管理模型参数，完成各项基础组件的初始化搭建。对接历史会话读取接口，实现问答场景的上下文记忆能力。后续将开展功能测试，优化文档格式化逻辑，并进一步拓展服务适配更多业务场景。完成

本周重点学习并实践了向量存储与向量检索技术，深入理解了向量存储的核心原理与应用场景，分别完成了内置内存向量存储（InMemoryVectorStore）和外部持久化向量数据库（Chroma）的代码实现与功能验证，掌握了文档向量化、入库、相似度检索等关键操作。向量存储（Vector Store）是一种专门为向量数据设计的数据库，核心作用是高效存储文本、图片等数据转换而来的向量（Embedding），

概要本周学习图像生成经典模型gan的相关知识，并于diffusion进行的比对。GAN开创了通过对抗学习进行内容生成的范式，而Diffusion模型在此基础上通过更稳定、迭代的路径实现了技术上的突破。当前，二者正走向融合，协同推动着生成式AI领域的进步abstract生成式对抗网络，核心是两个模型Generator与Discriminator。二者相互反馈，最终实现生成预期图片。