Agent的概念

虽然大家都在说2025年是Agent的元年，但如此高频的一个词，就跟好多计算机里面的概念一样，也是没有严格定义的。

我将整理一些不同时期的定义，好让大家更好地理解这个概念的内涵。

前大模型时代

在大模型兴起之前，在不少地方也有Agent的定义。

Marvin Minsky在《思维的社会》中最早提出：社会个体通过协商求解问题的思想，这些具备社会交互性和智能性的个体即为Agent。

《人工智能：一种现代方法》（Artificial Intelligence: A Modern Approach, Stuart Russell & Peter Norvig）：Agent是任何能通过传感器感知环境，并通过执行器作用于环境的实体。

《强化学习》（Richard S. Sutton, Andrew G. Barto ）：进行学习及实施决策的机器被称为智能体（Agent），智能体之外所有与其相互作用的事物都被称为环境（environment）。

《多智能体系统导论》（An Introduction to MultiAgent Systems，Michael Wooldridge ）强调自主性、环境感知和动态交互三大特性。

这些定义虽然各部相同，但大致都强调了Agent的几个特点：与环境交互、智能、感知环境、执行

大模型时代

现在大家引用比较多的关于Agent的定义，是前OpenAI安全副总裁Lilian Weng在其博客LLM Powered Autonomous Agents中给出的，如下图所示，虽然也没有定义什么是Agent，但给出了Agent的三个关键组件。这个定义，虽然更多的是从实现的角度考虑的，但如果你看Agent相关的研究会发现，他们基本上都是在围绕这三个点在开展。

基于LLM的Agent系统，LLM在其中扮演大脑的角色。在考虑Agent实现时，通常参照上图，认为Agent有如下三个关键组件：

• 规划
• 记忆
• 工具使用

而另一个公认的定义，来自复旦大学的综述论文The Rise and Potential of Large Language Model Based Agents: A Survey：基于大型语言模型（LLM）的 AI 智能体（LLM-based AI Agent）是指利用大型语言模型作为核心组件，具备感知环境、自主决策和执行任务能力的人工智能系统。这些智能体通过结合规划、记忆和工具使用等模块，使其能够在动态环境中完成复杂任务。

Agent和大模型的关系是什么

看了上面这么多的定义，可能还是无法理解什么是大模型，什么是Agent，他们之间的关系，可以认为是下面这样的：

AI Agent = LLM + 角色定义 + 规划 + 工具使用 + 记忆

其中的规划、工具使用、记忆在上文已经提到了，而角色定义，更多的是在多智能体系统下才有的。

那么问题来了，像常用的ChatGPT、豆包、元宝这些软件，究竟是什么？

虽然上面AI Agent和LLM的关系里面，右边有好多项，但按照当前的业界共识，具备工具使用或记忆，或者多个不同角色的LLM之间进行交互，就称得上是Agent了，并不是需要都具备。从这个角度来讲，只要在ChatGPT、豆包这些App中打开了联网搜索，就称得上是Agent了（虽然大家一般不这样说），因为联网搜索相当于是Agent借助LLM在使用工具，而关闭联网搜索时，如果这些App本身不结合用户偏好（ChatGPT比较新的版本中会结合用户偏好回答问题），而是纯基于模型回答的话，则不能称之为Agent了。

为什么需要Agent

在理清了LLM和Agent的关系之后，我们再来看一下在LLM本身已经具有超越人类的答题、写作能力后，为社么还需要Agent。

大致有如下4类原因：

• 环境隔离：LLM无法感知实时数据，如股价、新闻、时间、公司内部的文档
• 缺乏执行能力：缺乏API调用和软件操作能力，如下单、浏览器控制
• 任务拆解：难以自动拆解多步骤任务，如“收集Agent资料并生成报告发送指定人”
• 状态维持：需要长期记忆用户偏好，如咖啡订单的“去冰无糖”，没这个能力的就会每次都当你第一次点一样

预告

接下来对后续内容也做个预告。在介绍完Agent的一些核心组件后，我会带大家实现一个完整的MCP Server，然后借助所实现的这个MCP Server，通过Cherry Studio实现一个数据洞察Agent，通过输入一个Excel文件路径，能够调用工具自动预览数据，并根据数据本身的特点，来拆解要分析的问题，然后分别调用ChatBI工具和可视化工具完成数据分析，最终生成一份完整的数据洞察报告。再之后我们还会通过写代码的方式，来实现与Cherry Studio类似的功能，以便深入理解细节。

虽然这种做数据分析Agent的Demo已经很多了，但不少都只是使用了Excel读取工具，分析交给了大模型，这样做有两个弊端：

• 数据分析通常需要进行复杂的运算，大模型本身并不擅长的，很容易出现大家常说的幻觉
• 受限于大模型上下文长度限制，使用大模型直接分析数据，不能支持比较大的文件，上下文会爆

业界通常都是通过生成代码（像ChatGPT、Claude、豆包、元宝等），或者调用现成的数据分析工具来实现的。

使用Cherry Studio的实现的效果如下：

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”！