为什么需要 AI Agent？
LLM 有本质局限——知识截止于训练数据，无法获取实时信息。AI Agent 通过将 LLM 与工具和记忆结合，实现思考与行动统一。
三大关键部分
1. 大脑 (The Brain)
Agent 的决策中心和推理引擎，负责理解目标、决定下一步行动。
2. 工具 (Tools)
具体函数或 API：search_web、execute_python_code、read_file、send_email 等。
3. 记忆 (Memory)
短期记忆保存对话历史；长期记忆存储用户偏好、历史任务结果。
AI Agent 的类型
| Agent 类型 | 特点 | 典型应用 |
|---|---|---|
| 反应式 Agent | 即时响应 | 简单问答 |
| 目标导向 Agent | 围绕目标规划 | 任务助手 |
| 实用型 Agent | 效用函数评估 | 资源优化 |
| 学习型 Agent | 从经验学习 | 推荐系统 |
| 多智能体系统 | 多 Agent 协作 | 团队协作 |
工作流程：ReAct 循环
ReAct = Reasoning + Acting，持续思考-行动循环：
- 思考：LLM 推理决定下一步
- 行动：调用工具
- 观察：获取结果
- 更新记忆：继续推理
ReAct 循环示例
任务：在北京找评分>4.5的意大利餐厅
- 思考：需要先搜索
- 行动：调用 search_web
- 观察：获取搜索结果
- 再思考：选择餐厅获取详情
来源：菜鸟教程 | 原文链接