🤖 Agent 架构
核心目标：掌握将大语言模型构建为自主 Agent 的核心技术，包括认知推理架构、多层记忆系统、工具调用机制、多 Agent 协作模式。
📋 目录
- 认知架构 — ReAct、Plan-and-Execute、Reflexion
- 记忆系统 — 短期/长期记忆、向量数据库、记忆管理
- 工具使用 — Function Calling、代码解释器、浏览器自动化
- 多 Agent 协作 — 角色分工、辩论机制、编排框架
🎯 概述
Agent 是大语言模型从"聊天机器人"到"自主智能体"的跃迁。核心能力架构包括：
Agent 核心能力模型
| 能力 | 说明 | 代表框架 |
|---|---|---|
| 推理规划 | 复杂任务分解与执行 | ReAct, ToT, GoT |
| 记忆管理 | 信息存储与检索 | MemGPT, LangMem |
| 工具调用 | 外部能力扩展 | LangChain, AutoGPT |
| 协作机制 | 多 Agent 协同 | CrewAI, ChatDev |
⚡ 关键指标
| 指标 | 说明 | 评估方式 |
|---|---|---|
| 任务完成率 | Agent 成功完成任务的比例 | 自动化测试 |
| 步骤效率 | 完成任务所需平均步骤数 | 日志分析 |
| 工具调用准确率 | 正确选择和使用工具 | 人工标注 |
| 记忆检索准确率 | 相关记忆检索的命中率 | RAG 评估 |
| 鲁棒性 | 异常输入下的稳定性 | 对抗测试 |