欢迎来到本系列教程的第一章。在开始编写第一行代码之前，我们必须先完成一次认知上的升级。

过去两年，我们习惯了在对话框里与大模型“聊天”。但到了 2026 年，AI 行业的竞争焦点已经从“生成答案”全面转向“完成任务”。如果你只把 AI 当作一个更聪明的搜索引擎或文案生成器，你就错过了这场技术革命中最具生产力价值的部分。

本章的目标是帮你建立对 AI Agent 的整体认知，理清它与传统 AI Chat 的本质区别，并为你展示在本教程结束时，你将亲手构建出的企业级应用全貌。

1. 什么是 LLM：强大的“语言大脑”

在谈论 Agent 之前，我们需要先认识它的核心引擎——大语言模型（LLM）。
你可能已经非常熟悉以下这些名字：

• ChatGPT：OpenAI 的旗舰模型，定义了现代 AI 对话的交互范式。
• Claude：Anthropic出品，以长文本处理、逻辑推理和安全性著称。
• Gemini：Google 的原生多模态模型，深度整合了谷歌生态。
• DeepSeek：国内开源界的佼佼者，在代码生成和逻辑推理上表现优异。

LLM 的本质是什么？

无论它们多么聪明，LLM 的本质依然是“语言模型”。它们的工作机制是：接收一段 Prompt，预测并返回一段文本。每次对话都是独立的，做完就忘。
LLM 不会主动完成任务。你让它写一段查询数据库的代码，它只会把代码片段输出在屏幕上，但它不会帮你执行这段代码，不会帮你检查报错，更不会帮你把结果部署到生产环境。它只是一个极其强大的“大脑”，但没有“手脚”。

2. 什么是 AI Chat：被动的“问答机器”

基于 LLM 构建的传统聊天机器人（AI Chat），本质上是一个“文本进、文本出”的管道。

典型场景：

用户： 帮我查一下杭州明天的天气，然后写一封邮件提醒客户带伞。
AI Chat： 好的，杭州明天多云转小雨，气温 15-22 度。以下是为您草拟的邮件：[邮件正文]…

在这个过程中发生了什么？

1. AI 并没有真的去查天气，它只是根据训练数据“编”了一个看似合理的天气信息。
2. 它没有调用任何天气 API。
3. 它没有访问你的本地文件系统。
4. 它没有连接你的邮件服务器发送邮件。
5. 它没有执行任何代码。

整个过程中，AI 只是在“模拟”一个懂天气、会写邮件的助手，但它实际上什么都没做。你依然需要自己复制天气信息，自己打开邮箱，自己粘贴邮件内容。你是一行一行在搬砖的工人，AI 只是给你画了一张图纸。

3. 什么是 Agent：主动的“数字员工”

AI Agent（智能体）的出现，彻底改变了这种范式。

一句话定义：Agent = LLM + Planning + Memory + Tool + Knowledge

• LLM（大脑）：负责理解意图、逻辑推理和任务规划。
• Planning（规划）：将复杂目标拆解为可执行的子步骤，并动态调整策略。
• Memory（记忆）：包括短期记忆（当前对话上下文）和长期记忆（跨会话的用户偏好、项目知识）。
• Tool（工具）：Agent 的“手脚”，可以调用外部 API、数据库、文件系统、代码执行器等。
• Knowledge（知识）：通过 RAG（检索增强生成）接入私有知识库，让 Agent 具备领域专长。

Agent 能做什么？

当你向 Agent 发出同样的指令：

用户： 查一下杭州明天的天气，然后写一封邮件提醒客户带伞。

Agent 的工作方式完全不同：

1. 规划：识别出两个子任务——查天气、发邮件。
2. 工具调用：自动调用天气 API，获取真实数据（杭州，多云转小雨，15-22℃）。
3. 推理：根据天气数据，生成邮件内容。
4. 工具调用：调用邮件发送接口，将邮件真正发出去。
5. 反馈：告诉你“邮件已发送，杭州明天有雨，已提醒客户”。

Agent 不仅会回答问题，还能够完成任务。 你从“搬砖工人”变成了“项目经理”，你只需要提出目标，Agent 负责拆解、执行、纠错和交付。

4. 一个真实 Agent 的工作流程

为了让你更直观地理解 Agent 的内部运作，我们来看它的核心架构：

各模块职责解析：

1. 用户输入：任务的起点，可以是自然语言指令、文件上传或系统事件。
2. LLM 大脑：接收输入，理解意图，决定下一步该做什么。
3. Planner 规划器：对于复杂任务，Planner 会将其拆解为多个子步骤，并确定执行顺序和依赖关系。如果某一步失败，Planner 会重新规划。
4. Tool 工具层：Agent 的行动能力。包括数据库查询、API 调用、代码执行、文件读写等。工具的种类决定了 Agent 的能力边界。
5. Memory 记忆模块：存储当前任务的中间状态（短期记忆）和用户的历史偏好（长期记忆），让 Agent 能够进行连续、有上下文的交互。
6. RAG 知识库：当 Agent 需要领域知识时，会从向量数据库中检索相关文档，注入到 LLM 的上下文中，避免幻觉。
7. 返回用户：最终交付的结果，可以是文本、文件、操作确认或结构化数据。

这个架构的核心是一个“思考-行动-反馈”的迭代循环。 Agent 不是一次性给出答案，而是在循环中不断推进任务，直到目标完成。

5. 本教程最终效果展示

在本教程结束时，你将构建并部署一个完整、可部署、可扩展的企业级 AI Agent 项目。这不是一个玩具 Demo，而是一个真正可以投入生产使用的系统。

核心功能一览：

• 登录认证：完整的用户注册、登录、会话管理。
• 流式聊天（Streaming）：实时流式输出，体验丝滑。
• Tool 调用：Agent 可以自主调用天气、数据库、代码执行器等工具。
• MCP 协议支持：通过 Model Context Protocol 标准化接入外部工具和数据源。
• RAG 知识库：上传文档，Agent 基于私有知识回答问题。
• 多 Agent 协同：支持多个专业 Agent（如研究员、写手、审核员）协作完成复杂任务。
• 长期记忆：Agent 记住你的偏好和历史交互，越用越懂你。
• 文件上传与解析：支持 PDF、Word、图片等多模态文件处理。
• Markdown 渲染：支持代码高亮、表格、列表等富文本展示。

技术栈统一规范：

• 框架：Next.js App Router + React + TypeScript
• 样式：Tailwind CSS + HeroUI
• AI SDK：Vercel AI SDK
• 数据库：Prisma + PostgreSQL
• 部署：Vercel / Docker

为什么选择这套技术栈？

• Next.js App Router：服务端渲染 + 流式响应，天然适合 AI 应用。
• Vercel AI SDK：统一了各大模型的调用接口，内置 Tool Calling、RAG、Streaming 支持。
• Prisma + PostgreSQL：类型安全的 ORM + 关系型数据库，适合存储用户数据、对话历史和知识库元数据。
• HeroUI：美观、可定制的组件库，快速构建专业级 UI。

本章总结

• LLM 只是大脑：它擅长理解和生成文本，但不会主动执行任务。
• AI Chat 是被动的：它只能给建议，不能帮你“干活”。
• Agent 是主动的：它具备规划、记忆、工具调用和知识检索能力，能够自主完成复杂任务。
• Agent 的核心是迭代循环：思考 → 行动 → 反馈 → 再思考，直到目标达成。
• 本教程的目标：构建一个企业级、可扩展、可部署的 AI Agent 应用。

从下一章开始，我们将正式搭建项目骨架，配置技术栈，并实现第一个可运行的 Agent 原型。每一章都会承接上一章的成果，最终汇聚成一个完整的产品。

准备好了吗？让我们开始构建下一代 AI 应用。