结合信息检索与生成式大模型，使得模型在回答问题时，实时引入外部知识库，提升模型的在知识密集任务中的表现。Agent（智能体），AI系统实现自主决策的核心载体。机制：奖励系统驱动模型在试错中优化策略，模拟人类“先思考后回答”的认知过程。核心思想：智能并非孤立于大脑，而是身体、环境、感知运动系统协同作用的产物。模型表示自然语言文本的最小单位，计费的基本单位。模型输出答案前的思考步骤长度，提升答案准确性

ollama pull 模型名称。ollama run 模型名称。

描述的agent相对于环境的一个状态所有状态的空间每一个状态可采取的一系列活动当采取action时，agent从一个state移动到另一个state进入某个区域后，agent会得到惩罚使用概率来描述状态转移告诉agent如果在一个状态take哪个action是在才去一个action之后得到的实数如果Reward是一个正数，代表对采取的action是鼓励的如果Reard是一个负数，代表对采取的act