Agent Course (Free) 学习笔记

来源: awesome-generative-ai-guide - Applied LLMs Mastery & Agents 101 学习日期: 2026-04-12

一、Agent 核心理论框架

Agent 三组件模型

LLM Agent 基于"大语言模型+工具"构建，核心由三个组件构成：

┌─────────────────────────────────────────┐
│                  Agent                   │
├─────────────┬──────────────┬────────────┤
│   Brain    │  Perception  │   Action   │
│ (大脑)     │   (感知)      │   (行动)   │
└─────────────┴──────────────┴────────────┘

组件	职责	说明
Brain	中央控制器	存储信息、处理思考、做出决策
Perception	感知模块	解析外部环境的各种感官输入
Action	行动模块	使用工具执行任务并影响周围环境

实用四组件模型

更常用的工程化框架：

组件	职责	示例
Agent Core	核心决策	目标定义、工具指令、行为模式
Memory Module	记忆存储	短期记忆（当前对话）+ 长期记忆（历史积累）
Tools	工具调用	RAG、代码解释器、搜索 API、天气查询
Planning Module	规划模块	任务分解（Task Decomposition）、反思批判（Reflection）

Memory 检索机制

• 语义相似性: 基于 embedding 的向量检索
• 重要性: 关键信息加权
• 时序性: 最近交互优先
• 应用特定指标: 领域相关的自定义权重

---

二、单 Agent 与多 Agent

单 Agent 局限

LLM Agent 通常孤立运行，缺乏：

• 与其他 Agent 协作的能力
• 从社会交互中学习的能力
• 多轮反馈和协作处理复杂场景

多智能体系统 (Multi-Agent System, MAS)

┌──────────┐     ┌──────────┐     ┌──────────┐
│ Agent A  │ ←→  │ Agent B  │ ←→  │ Agent C  │
│ (专业领域) │     │ (协调器)  │     │ (执行器)  │
└──────────┘     └──────────┘     └──────────┘

优势:

• 分工协作: 专业化 Agent 处理特定任务
• 集体决策: 多角度分析提升质量
• 任务分解: 复杂任务拆解为多个子任务

多 Agent 交互类型

类型	特点	适用场景
Cooperative（合作）	Agent 协同追求共同目标	任务分解流水线
Adversarial（对抗）	Agent 通过博弈优化	代码评审、质量把控

---

三、Agent 评估基准

基准	用途	链接
AgentBench	综合评估	THUDM/AgentBench
IGLU	目标导向对话	IGLU
ToolBench	工具调用能力	ToolBench
ClemBench	多样化任务	ClemBench

---

四、推荐学习路径 (5-Day Agent Roadmap)

Day 1-2: 基础概念

• LLM Agents Glossary - Deepchecks
• Navigating LLM Agents: A Beginner's Guide
• Intro to LLM Agents - Nvidia

Day 3-4: 核心框架

• Agents 101 Guide
• LLM Powered Autonomous Agents - Lilian Weng
• LLM Agents - Prompt Engineering Guide

Day 5: 实战构建

• LangChain Agents Tutorial
• AI Agents in LangGraph - Deeplearning.AI
• Multi-Agent on Microsoft Autogen

---

五、实战案例

项目	说明	链接
ChemCrow	化学领域的工具增强 Agent	Paper
BabyAGI	轻量级任务驱动的 Agent	GitHub
OS-Copilot	通用计算机操作 Agent	Paper

---

六、与现有文档的关系

本文档补充以下内容：

• 理论框架: Brain/Perception/Action 三组件模型（现有文档侧重 ReAct/Plan-Execute 等工程模式）
• 多 Agent 系统: 合作与对抗交互模式（现有文档尚未覆盖）
• 评估基准: AgentBench 等标准化评估方法

建议与 Agent 模式索引 配合阅读。

---

相关资源

• awesome-llm-powered-agent - Agent 研究汇总
• awesome-ai-agents - AI Agent 工具列表
• Applied LLMs Mastery 2024 - 完整课程