Agent_Principle

Agent的概念

概念：

在AI领域，AI是一种能够感知环境（通过传感器接受用户的文本、语音、文件等信息和问题）进行自主理解，进行决策和执行动作的智能实体。

原理

Agent = 大脑(LLM)+记忆(memory)+任务规划(planner)+工具使用(MCP)+行动(Action)

Agent本质上翻译过来是代理的意思，所以它能代表你处理任务，所以它要有人的记忆和大脑，有规划能力和处理的工具和实际行动。

AI agent工作流程

prompt提示词

提示词是Agent接受到的初始输入，描述了Agent需要完成的任务或解决的问题

LLM大模型

大模型是agent进行任务规划和知识推理的重要工具，利用LLM大模型对提示词进行深入分析，生成可能的解决方案。

Memory记忆

可以保留当前用户输入内容，上下文内容，外部向量存储的知识库，网页信息等。

planning规划

定义：

任务规划是agent根据提示词、大模型以及知识库进行决策和规划的过程。它涉及对任务的分解、目标的设定、路径的规划等

实现方式：

图中“规划”这一步，在目前绝大多数基于大模型的Agent系统中，正是通过精心设计的提示词来驱动和实现的。提示词是“规划”这一步的剧本和指令手册。当用户的复杂请求进入系统后，并不是直接交给工具，而是先交给LLM理解意图。

例子：

假设用户输入是：“我周末想去公园散步，不知道天气怎么样，去的时候给我放点轻松的音乐吧。”，提示词应该如下：

角色与目标：
你是一个智能任务规划助手。你的唯一任务是将用户的自然语言请求，精确地分解为一个结构化的、可执行的行动计划。该计划由一系列顺序或并行的子任务组成。

可用工具库：
在你进行规划时，只能从以下工具中选择。请确保用户的请求确实需要调用工具，如果不需要，则输出一个空列表。
weather_query (天气查询)：用于查询当前或未来某个时间、地点的天气情况。
map_search (地图搜索)：用于搜索地点、查询路线、查找附近设施（如公园、餐厅）。
music_play (音乐播放)：用于根据风格、歌手、心情或特定名称播放音乐或歌单。

输出格式指令：
你必须严格使用以下JSON数组格式模版输出，且不能包含任何其他解释性文字。每个JSON对象代表一个原子任务。
模版如下：
[
  {
    "step_number": 1,
    "description": "简要描述这个步骤要做什么",
    "tool": "工具名称",
    "parameters": {
      "参数1": "值1",
      "参数2": "值2"
    }
  },
  ...
]

参数说明：
对于 weather_query，参数包括：location (地点)， time (时间，如“本周末”）。
对于 map_search，参数包括：query (搜索内容，如“附近的公园”）。
对于 music_play，参数包括：genre (音乐风格，如“轻松”）。

思考过程（这部分在心中进行，无需输出）：
理解意图： 用户的核心诉求是什么？隐含的需求是什么？
任务分解： 完成这个诉求需要哪几个独立的步骤？
工具匹配： 每个步骤最适合用哪个工具来完成？
参数提取： 从用户输入中提取出调用工具所需的关键参数。

示例演示

用户输入：
“我周末想去公园散步，不知道天气怎么样，去的时候给我放点轻松的音乐吧。”

期望的LLM输出（Planning结果）：

[
  {
    "step_number": 1,
    "description": "查询用户所在地本周末的天气情况，以判断是否适合散步。",
    "tool": "weather_query",
    "parameters": {
      "location": "用户当前位置",
      "time": "周末"
    }
  },
  {
    "step_number": 2,
    "description": "搜索用户附近适合散步的公园。",
    "tool": "map_search",
    "parameters": {
      "query": "附近的公园"
    }
  },
  {
    "step_number": 3,
    "description": "准备一个轻松风格的音乐播放列表。",
    "tool": "music_play",
    "parameters": {
      "genre": "轻松"
    }
  }
]

提示词设计解析：

角色定位明确： “任务规划助手”让LLM聚焦于分解，而非直接回答。

工具库限定：防止LLM“幻想”出不存在的工具，确保计划的可行性。

输出格式强制化：使用严格的JSON格式，这使得后续的程序能够自动解析这个输出，并准确地触发相应的工具节点。这是连接“规划”与“行动”的关键桥梁。

参数引导：提示词中给出了关键参数的例子，引导LLM正确地从用户输入中提取和映射信息。

Action 行动

定义：

行动执行是agent根据任务规划结果执行具体操作的过程，包含工具：计算器、代码解释器、搜索、API等。

大模型输出JSON之后，正确的做法是：将其交给工具节点去执行。

标准且高效的工作流设计：

1、Planning LLM节点：接收用户输入，输出结构化的JSON计划（正如我们之前设计的）。

2、代码节点（解析与分发）：这个JSON输出会被下一个代码节点接收。这个代码节点的职责是：

解析 JSON。

按顺序或并行地调用 weather_query、map_search、music_play 等工具节点。

收集所有工具节点的返回结果。

3、工具节点们：被代码节点调用，执行具体任务并返回数据。

天气查询节点返回天气数据。

地图搜索节点返回公园列表。

音乐播放节点返回一个播放链接或确认信息。

4、合成LLM节点：最后，将原始用户问题和所有工具的执行结果，一并输入给一个新的、专门的LLM节点。

为什么要在最后加入一个LLM？

这最后一个LLM节点至关重要，它的角色是 “合成官” 。它的系统提示词大概是这样的：

“你是一个回答合成助手。你将收到用户的原始请求和一系列工具的执行结果。你的任务是根据这些结果，组织一段自然、友好、信息完整的最终回复给用户。请直接给出回复，不要提及你收到了JSON数据或工具结果。”

好处：

用户体验好：最终回复是流畅的自然语言，而不是生硬的数据堆砌。

容错性强：如果某个工具调用失败或返回空结果，这个LLM可以灵活处理，比如告诉用户“暂时没找到附近的公园，但天气很好，您可以选择一个熟悉的地方去散步。”

信息整合：它可以将多个工具的信息编织成一个连贯的答案。

完整工作流图示

用户输入
    |
    v
[Planning LLM] -> 输出JSON计划
    |
    v
[代码节点] -> 解析JSON，按序调用工具
    |-------------> [天气工具] -> 返回天气数据
    |-------------> [地图工具] -> 返回公园列表
    |-------------> [音乐工具] -> 返回播放链接
    |
    v (收集所有结果)
[合成LLM] -> 接收“用户输入”和“所有工具结果”
    |
    v
最终回复给用户