介绍

AI Agent 是一种能够自主感知环境、进行决策并执行任务的智能系统，它不仅能“回答问题”（像传统 LLM），而是能够理解目标 → 制定计划 → 调用工具 → 执行任务 → 根据结果继续决策。

Agent定义

Agent特征

Autonomy(自主性): 不需要人类逐步指令，可以自己决定下一步行动。
Perception(感知能力): 能读取外部信息，例如：用户输入、数据库、API、文件和网络等。
Reasoning(推理能力): 使用 LLM 或其他模型进行思考与决策。
Action(行动能力): 调用工具或系统执行操作，例如：调用API、执行代码、操作浏览器、查询数据库等。
Memory(记忆能力): 保存历史信息用于后续决策。

典型架构

一个典型 Agent 架构通常包含 5 个核心模块。

            +----------------+
            |     User       |
            +--------+-------+
                     |
                     v
            +----------------+
            |       LLM      |
            |  (Reasoning)   |
            +--------+-------+
                     |
        +------------+-------------+
        |                          |
        v                          v
+---------------+          +---------------+
|    Memory     |          |     Tools     |
| (向量数据库)   |          | API/代码/浏览器 |
+---------------+          +---------------+
                     |
                     v
               +-----------+
               |  Action   |
               +-----------+

核心流程：输入 → 思考 → 规划 → 调用工具 → 获取结果 → 再思考 → 输出。

开发框架

框架	核心语言	特点	适用场景
LangChain	Python / JS	支持多工具调用、任务规划、Memory管理、Chain-of-Thought	各类 Agent、RAG、企业知识库应用
LangGraph	Python / JS	LangChain升级版，更偏向可视化任务流、可组合Agent	企业级复杂任务自动化
AutoGPT	Python	自动多步任务执行、任务规划能力强、可持续运行	自动化任务、Web操作、数据抓取
Microsoft Semantic Kernel	C# / Python	Agent + LLM + Memory + Planner，企业级SDK	企业智能助手、自动化流程
CrewAI	Python	多 Agent 协作框架，角色分工明确	多 Agent 协作、复杂任务分工

Agent产品

产品	公司	核心能力	特点	应用场景
ChatGPT	OpenAI	LLM + 插件调用	可调用外部插件完成任务	办公助手、开发、信息查询
Claude Code	Anthropic	LLM + 多轮思维	安全、可控性强	企业问答、文档分析
Copilot	Microsoft	代码生成 + IDE操作	可自动生成代码、调用文档	编程辅助、代码自动化
Cursor	国外	代码 Agent	自动完成代码任务	开发者生产力

低代码Agent平台

平台	核心特点	优势	应用场景
Coze	AI Agent 低代码平台	支持任务链 + 数据源接入	智能问答、自动化流程
Dify	LLM + Agent 可视化构建	支持多 Agent、插件调用、低代码拖拽	企业办公、智能客服、自动化任务
n8n	可视化工作流 + API 集成	支持 LLM + 多系统集成，开源可自托管	自动化办公、任务调度、数据处理
FastGPT	LLM Agent 平台	支持多 Agent 协作、插件管理、低代码拖拽	自动化任务、知识问答、数据分析
AgentGPT	Web 可视化 Agent 创建	无需编程，直接拖拽任务节点	自动任务执行、爬虫、数据分析