AI Agent

Agent架构：

• 通过LLM，能够自主理解、规划、执行复杂任务的系统。给它一个目标，AI Agents就能完成剩下的全部工作；
• 规划（Planning）：将任务分解为较小的、可管理的子目标；
• 记忆（Memory）：短期记忆（近5轮的session对话），进行上下文学习；长期记忆（储存记忆.md文件），一般通过外部载体储存和快速检索来实现；
• 工具使用（Tool use）：调用外部API，获取额外信息，在这阶段也会有plan、memory，简称to-do-list；

OpenClaw、Hermes Agent：
Agent + Tool - Skills（内置了一些Skills）
Skills（元数据 name ，description —> 决定调用什么工具；指导说明书SKILL.md —> 怎么调）
Agent会先调用read_file通过加载这个skill.md了解具体的调用方法。

工具	核心定位	架构特点	适用场景
LangChain	开源LLM应用开发框架	基于链（Chain）的线性或分支工作流，支持Agent模式	快速构建RAG、对话系统、工具调用等线性任务
LangGraph	LangChain的扩展，专注于复杂工作流	基于图（Graph）的循环和条件逻辑，支持多Agent协作	需要循环、动态分支或状态管理的复杂任务（如自适应RAG、多Agent系统）
Qwen-Agent	通义千问的AI Agent框架	基于阿里云大模型，支持多模态交互与工具调用	开源，集成多种工具，MCP调用
Coze	字节跳动的无代码AI Bot平台	可视化拖拽界面，内置知识库、多模态插 件	快速部署社交平台机器人、轻量级工作流
Dify	开源LLM应用开发平台	API优先，支持Prompt工程与灵活编排	开发者定制化LLM应用，需深度集成或私有化部署

Generative Agents

Google和Stanford学者构造了一个《西部世界》小镇，打造模拟人类行为的Agent：Generative Agents。

Generative Agents（生成式智能体），利用生成模型来模拟可信人类行为的Agent，并证明它们能生成可信的个人和突发的群体行为。

25个Agent居住在 Smallville小镇，每个Agent都可以：

• 与别人和环境交流；
• 记住并回忆它们所做的和观察到的事情；
• 反思这些观察结果；
• 制定每天的计划

大家感兴趣可以通过 西部世界 打开Web页面，进行 play：

用自然语言设定每个Agent的角色，包括它们的职业，与其他Agent的关系，比如：John Lin 是一名药店店主，他乐于助人。他一直在寻找使客户更容易获得药物的方法。John Lin 的妻子是大学教授 Mei Lin ，它们和学习音乐理论的儿子 Eddy Lin 住在一起；John Lin 非常爱它的家人；John Lin 认识隔壁的老夫妇 Sam Moore 和Jennifer Moore 好几年了……

在沙盒的每个Step，Agent都输出一个自然语句，描述它们当前的动作，比如：Isabella Rodriguez 正在写日记、Isabella Rodriguez 正在查看邮件等。
然后这些自然语言将转化为影响沙盒的具体动作，动作以一组表情符号显示在沙盒界面上，这些表情符号提供了动作的抽象表征。

Smallville 小镇有许多公共场景，包括咖啡馆、酒吧、公园、学校、宿舍、房屋和商店。每个公共场景包括自己的功能和设施，比如房子中有厨房、厨房中有炉子。
在Agent的生活空间中有床、桌子、衣柜、架子、浴室、厨房等。Agent可以在 Smallville小镇随意走动，导航前往一座建筑，或者去接近另一个Agent。

Agent的移动由 Generative Agents 的架构和沙盒引擎控制（当模型指示Agent移动到某个位置时，它会计算Agent到达目的地的步行路径，然后开始移动）。
在公共环境中，Agent会影响其他人的状态，比如：某Agent睡觉时床是被占用的，当Agent用完早餐冰箱可能是空的。

Generative Agents具有社交属性，信息可以在Agent之间进行传播。比如Sam 和 Tom 在杂货店中相遇，Sam 告诉了 Tom他在竞选镇长；在 Sam 离开后，Tom 和 John 讨论了 Sam 赢得选举的机会；逐渐地，Sam 的竞选成为镇上的热门话题，有人支持他，有人犹豫不决。

随着时间的推移，小镇上的Agent形成了新的关系，并记住了它们与其他Agent的互动。比如Sam 一开始不认识 Latoya。在约翰逊公园散步时，Sam 碰到了 Latoya，互相做了自我介绍，Latoya 提到自己正在进行一个摄影项目：Latoya：我正在这里给一个项目拍摄照片。 在后来他们又相遇了，Sam 与 Latoya 的对话表明了他们还记得这件事 Sam：Latoya，你的项目进展如何？Latoya：进展得很好！

记忆流：

• 是Generative Agents 的核心模块，全面记录Agent经验的数据库。
• Agent会从记忆流中检索相关记录，用来规划Agent的动作，并对环境做出适当反应。每次行为都会被记录，从而生成更高级别的行为指令。
• 所有的内容都会被记录，并以自然语言进行推理，这样Agent能够使用大语言模型（GPT3.5或GPT4.0）进行推理。

Generative Agents核心模块:

• 长期记忆： Agent要做多轮决策，所以要考虑更长的上下文，这些信息会超过 GPT 模型的 token 上限；
• 外部工具： 使用外部工具可以让GPT调用更多的服务作为输入/输出，增强GPT的能力，这好比人会使用这些外部工具，那么GPT也可以使用；
• 短期记忆： 基于Attention机制将长期记忆中最相关的部分喂给GPT，生成结果；

自主规划设计

自主智能体的力量

Agent 通常被实现为LLM通过工具调用（基于环境反馈）在循环中执行动作的系统。

正如Anthropic指出的，Agent可以处理复杂的任务，但其实现很简单。它们通常是LLM根据环境反馈使用工具的循环。因此，清晰全面的设计工具集以及文档对于Agent的成功至关重要。

Agent适用于那些开放性问题，这些问题很难或无法预测所需的步骤数量，并且无法硬编码固定路径。
有固定流程的，可以使用工作流。

LLM 可能会运行多个回合，因此你需要对其决策能力有一定的信任。

智能体的自主性使其非常适合在受信任的环境中扩展任务。然而，自主性也意味着更高的成本和可能出现的错误累积。
建议在沙盒环境中进行广泛的测试，并设置适当的防护栏。

• 编程Agent可以解决涉及对多个文件进行编辑的任务。
• Computer Use 实现中，Claude通过计算机完成任务。

打造Best Practice

AI智能体和工作流是互补的，可以集成在一起以实现最佳效果，尤其是在复杂的现实世界应用中。

• 增强自动化： AI智能体可以自主处理特定任务，而工作流则将这些任务协调成一个连贯、高效的过程。
• 可扩展性： 在结构化工作流中结合多个AI智能体，可以使组织高效扩展运营，减少人工工作量，提高生产力。
• 弹性与适应性： 虽然单个智能体可以应对局部变化，但工作流可以动态调整整体流程，用来与战略目标保持一致。

在智能制造系统中：

• AI智能体可以监控设备性能、预测维护需求并优化生产计划。
• 工作流则负责原材料采购、生产排序、质量保证和物流，确保从原材料到产品交付的无缝过渡。

选择适合你的系统才是成功的关键：

• 在AI领域，成功并不是关于构建复杂的系统，而是构建最适合需求的系统。
• 从简单的提示开始，只有在简单方案解决步了时，再添加多步智能体系统。

在实现智能体时，有三个核心原则：

• 保持智能体设计的简洁性： 避免不必要的复杂性，专注于核心功能。
• 优先考虑透明性： 明确展示智能体的规划步骤，让用户清楚了解其决策过程。
• 打造Function/MCP： 打造工具，以及说明文档和测试，确保Agent与外部环境的交互。

用公式表达：Agent = LLM + Tool + RAG + Prompt

Prompt = system prompt + tool prompt + rag prompt + user prompt + memory prompt + context工程

框架可以帮助你快速上手，但不要害怕在进入生产阶段时减少抽象层，直接使用基础组件。遵循这些原则，你可以创建出不仅强大而且可靠、可维护且值得用户信赖的智能体系统。

反应式（Reactive）

反应式架构：快速决策的“直觉型”智能体，处理简单问题，无复杂推理。

反应式架构是AI智能体设计中最简单直接的模式。在这种架构中，一个大型语言模型（LLM）首先分析当前情况，确定下一步要采取的行动。然后，在环境中执行该行动，产生观察结果作为反馈。LLM处理这些观察结果，重新评估下一步行动，选择另一个行动，并继续这个循环，直到任务完成。

反应式架构（Reactive Architecture）
特点： 基于当前环境即时决策，无长期规划，依赖预设规则快速响应。

也可以搭配RAG来使用，RAG可以提供指导说明书 few shot示例。
RAG = faq.txt（CoT作为错题本）
情况1：如果用户提问了xxxx，你可以通过XXXTool、Tool2查找相关信息。

工作原理：

• 感知： 获取环境输入（如传感器数据）。
• 决策： LLM或规则系统立即生成响应动作。
• 执行： 执行动作并观察结果，循环往复直至任务完成。

优势：

• 速度快： 无复杂推理，适合毫秒级响应的场景（如机器人避障、高频交易）。
• 简单可靠： 行为由明确规则驱动，易于设计和验证。

局限：

• 缺乏适应性： 无法处理未预见的场景或需多步规划的任务。
• 短视性： 仅优化当前动作，可能陷入局部循环（如机器人绕圈）。

典型应用：

• 机器人： 扫地机器人避障、无人机紧急悬停。
• 游戏NPC： 敌人对玩家攻击的即时反应。
• **工业控制：**传感器超限时触发警报或停机。

适用场景： 任务规则明确、响应需实时，且无需长期策略的简单环境。

“条件反射”——像膝跳反应一样快速直接，但无法应对复杂变化。

深思熟虑（Deliberative）

深思熟虑智能体（Deliberative Agent）
特点： 基于内部模型进行规划，通过推理选择最优行动方案，具有长期目标导向性。

简而言之，由多个工具形成pipeline。

核心流程：

• 感知： 获取环境信息；
• 建模： 更新内部世界状态表示；
• 推理： 生成候选计划并模拟结果；
• 决策： 选择最优方案执行；

优势：

• 能处理多步复杂任务；
• 优化长期目标而非即时反馈；
• 适应动态变化环境；

典型示例，路径规划智能体：

• 生成多条候选路线
• 评估安全性/耗时等指标
• 选择最优路径执行

适用场景： 需战略规划的任务（如物流调度、投资决策等）

像下棋高手——每步棋都经过推演，而非凭直觉反应。

案例： 使用langGraph为基础的智能投研助手

混合式（Hybrid）

混合智能体架构（Hybrid Agent Architecture）
特点： 结合反应式的"快速本能"和深思熟虑的"战略规划"，实现智能与效率的平衡。

三层设计：

• 底层（反应式）： 即时处理紧急任务（如避障）；
• 中层（协调）： 管理任务优先级（可选）；
• 顶层（深思熟虑）： 进行长期目标规划（如路径优化）；

运作机制， 通过仲裁系统（如监督器）动态切换模式：

• 紧急情况： 启用反应式快速响应；
• 常规情况： 启动深思熟虑规划；

典型示例，自动驾驶车辆：

• 突发障碍： 立即刹车（反应式）；
• 正常行驶： 规划最优路线（深思熟虑）；

核心优势：

• 兼具实时响应能力（毫秒级）；
• 保留战略规划优势（长期目标）；

案例： 混合式LangGraph的财富管理投顾AI助手

LangGraph使用

LangGraph：工作流（固定流程图，mermaid）

LangGraph的使用步骤：

• 定义状态： 使用TypedDict定义工作流的状态结构；
• 创建StateGraph： 实例化StateGraph并传入状态类型；
• 定义节点函数： 编写处理逻辑函数，接收状态并返回状态更新；
• 添加节点： 使用add_node()将函数添加到工作流；
• 设置入口点： 使用set_entry_point()指定起始节点；
• 添加边： 使用add_edge()或add_conditional_edges()连接节点；
• 编译工作流： 调用compile()方法编译工作流；
• 执行工作流： 调用invoke()方法传入初始状态执行；

ChatTongyi的作用

ChatTongyi是LangChain社区提供的通义千问（Qwen）模型的封装类，用于与大语言模型进行交互。

# 导入ChatTongyi
from langchain_community.chat_models import ChatTongyi

# 创建LLM实例
llm = ChatTongyi(
model_name="qwen-turbo-latest",
dashscope_api_key=DASHSCOPE_API_KEY
)

# 绑定工具到LLM（关键步骤）
llm_with_tools = llm.bind_tools(tools)

ChatTongyi支持工具调用功能，这是实现Agent自主决策调用工具的基础。通过bind_tools()方法，LLM可以理解可用工具的描述，并在需要时生成工具调用请求。

LangGraph中的工具调用

LangGraph中的工具调用，使用 @tool 装饰器定义工具函数：

# 定义查询上证指数的工具
@tool
def query_shanghai_index() -> str:
"""查询上证指数实时行情，获取当前点位、涨跌和涨跌幅信息"""
name = "上证指数"
price = "3125.62"
change = "6.32"
pct = "0.20"
result = f"{name} 当前点位: {price}，涨跌: {change}，涨跌幅: {pct}%"
return result

# 工具列表
tools = [query_shanghai_index, query_portfolio_allocation, query_market_news]

工具调用流程：
用户查询 => LLM分析 => 决定调用工具 => ToolNode执行 => 返回结果 => LLM生成响应

代码实现细节：

# 绑定工具到LLM
llm_with_tools = llm.bind_tools(tools)

# 反应式Agent中使用工具
def reactive_agent(state: WealthAdvisorState) -> Dict[str, Any]:

# 准备消息
messages = state.get("messages", [])

if not messages:
	messages = [HumanMessage(content=f"{system_prompt}\n\n用户问题  {state['user_query']}")]
	
# 调用带工具的LLM（LLM可能返回工具调用请求）
response = llm_with_tools.invoke(messages)
return {"messages": [response]}

# 判断是否需要继续调用工具
def should_continue_tools(state: WealthAdvisorState) -> str:
messages = state.get("messages", [])
last_message = messages[-1]

# 检查最后一条消息是否包含工具调用
if hasattr(last_message, "tool_calls") and last_message.tool_calls:
	return "tools" # 需要执行工具
return "end" # 不需要工具，结束

工具调用是一个循环过程。LLM可能先调用一个工具获取数据，然后基于结果再调用其他工具，直到获得足够信息生成最终响应。

ToolNode的作用

ToolNode是LangGraph提供的预构建节点，专门用于执行工具调用。它接收包含工具调用请求的消息，执行相应的工具函数，并返回工具执行结果。

# 导入ToolNode
from langgraph.prebuilt import ToolNode

# 创建ToolNode实例
tool_node = ToolNode(tools)

# 将ToolNode添加到工作流
workflow.add_node("tools", tool_node)

ToolNode的工作机制：

• 接收消息： 从状态中获取最后一条AIMessage，该消息包含tool_calls属性；
• 解析工具调用： 提取工具名称和参数；
• 执行工具： 根据工具名称找到对应的工具函数并执行；
• 生成ToolMessage： 将工具执行结果封装成ToolMessage；
• 更新状态： 将ToolMessage添加到消息历史中；

StateGraph的作用

StateGraph是LangGraph的核心类，用于定义和管理Agent的状态转换图。=> 允许你构建复杂的、有状态的工作流，其中每个节点可以读取和更新共享状态。

功能	说明	代码
状态管理	维护整个工作流的共享状态，节点可以读取和更新状态	WealthAdvisorState定义
节点定义	将函数封装为工作流节点	add_node()
条件路由	根据状态动态决定下一个节点	add_conditional_edges()
固定路由	节点之间的固定连接	add_edge()
入口点	定义工作流的起始节点	set_entry_point()

StateGraph支持有状态的工作流，这意味着每个节点都可以访问和修改共享状态，非常适合实现复杂的Agent逻辑。状态通过TypedDict定义，提供了类型安全。