最近在学习ai agent的内容，我先介绍一下我的学习过程：查阅论文了解相关的定义和特性、应用场景、算法原理、设计理念、目前的弊端、未来拓展，横向技术对比（后面我会补上）。

一、定义与应用

论文一链接：AI Agents: Evolution, Architecture, and Real-World Applications

AI Agent 定义：一种能自主为用户或系统执行任务的智能体，可以分解大目标为小任务并规划执行。

应用例子：

让 LLM “帮我找 2023 年全球 AI 顶会的时间表并生成日历”， 一个 LLM Agent 会：

1. 上网搜索（工具调用）

2. 提取结果（信息处理）

3. 生成 .ics 日历文件（执行任务）

4. 发送给你

二、架构

论文二链接：Agent-S: LLM Agentic workflow to automate Standard Operating Procedures

主要组件包括：

1. Global Action Repository (GAR)：存储所有可能的动作（API 调用、用户交互、知识查询、消息输出）及其元数据。

2. 三类 LLM 模块：

   1. State Decision LLM：决定下一个动作（利用 SOP + 执行记忆）。

   2. Action Execution LLM：根据动作类型执行 API 调用、生成用户提问、调用知识库等。

   3. User Interaction LLM：处理用户输入，验证格式、提取实体、拼写纠正、生成确认回复。

   4. Execution Memory：记录历史动作、观测结果（如 API 返回值或用户输入）、反馈（成功/失败）。

3. 外部环境：包括 API 工具、用户界面、外部知识库（RAG）。

工作流程为：

1. SOP 被写成逻辑文本/树状流程。

2. State LLM 根据 SOP 和当前记忆，决定下一步。

3. Action LLM 具体执行动作（问用户、查 API、取知识库）。

4. 用户或 API 的反馈被写入记忆，继续决策。

5. 若失败（如 API 返回错误/用户输入不合法），LLM 会选择重试或回退步骤。

创新点为：

1. SOP：文本形式，类似有缩进的逻辑块

2. Action检索：用embedding+语义搜索匹配GAR中的动作

3. 回退机制+防死循环机制：某动作重复两次仍失败，则终止并返回提示

三、评估

多维度评估框架

（source论文一 链接：AI Agents: Evolution, Architecture, and Real-World Applications）