13个 AI Agent 的基础概念

1、Agent

Agent依靠大语言模型作为核心，同时拥有任务规划、信息记忆以及工具调用三大能力，能够自行拆分繁杂任务，反复执行操作，接收实时反馈并一步步推进流程直至任务收尾。

它跳出了单纯输出文字的局限，不再只会被动听从指令作答，能够像职场员工一样独立处理事务，完整走完整套工作流程。

2、大模型预训练

预训练就是利用海量的通用网络数据对模型开展基础训练，让模型熟练掌握语言使用逻辑、各类常识知识以及基础使用能力，搭建出可以重复使用的基础模型架构。

这种训练采用自监督学习模式，对于大语言模型而言，最主流的训练方式就是持续预判文本里接下来出现的词元内容。

3、大模型微调

微调操作是在已经训练完成的基础模型之上，使用体量更小、贴合实际应用场景的专属数据继续优化训练，让模型适配各类细分使用场景，日常大多采用监督式微调或者指令式微调两种训练方式。

4、大模型幻觉

大模型幻觉指的是模型输出的内容看着逻辑通顺，实际内容全部错误，模型会直接把编造的虚假内容当成真实信息进行回复，日常使用中不能默认大模型给出的所有回答都是准确无误的。

5、MCP协议

MCP也就是模型上下文协议，这套协议专门为各类AI应用打造统一的连接标准，方便AI对接各类外部数据资源与实用工具。

日常使用里，AI能够借助MCP接入本地文件、数据库、搜索引擎、计算工具以及各类专属提示词内容，调取对应信息完成实操工作，简单来讲，MCP就相当于AI设备通用的TypeC传输接口。

6、Token

Token中文称作词元，大模型无法直接识别文字内容，只能处理数字信息，分词器的作用就是把日常输入的文字内容转换成对应数字格式。

分词器会按照既定拆分规则切割文本生成一个个词元，再给每个词元匹配专属数字编号，后续大模型所有的运算推理工作，全都依靠这些数字编号完成。

7、RAG-检索增强生成

RAG全称检索增强生成，简单来说就是大模型作答之前先主动调取相关资料查阅，如同学生开卷答题一般。

即便模型本身没有学习过企业内部资料、专属行业内容，只要提前调取匹配的相关资料，模型就能结合调取到的真实内容，给出贴合需求、可信度更高的回答。

8、记忆模块

Agent搭载的记忆体系主要分为两个部分，第一部分是短期记忆，仅适用于当下对话场景，通过精简对话内容、整理对话摘要控制文本篇幅，同时保障对话内容逻辑通顺连贯。

第二部分是长期记忆，能够跨越不同对话场景调取内容，依靠向量匹配筛选出过往相关对话信息，按需融入当前对话内容当中。

9、Skill

Skill实际就是整理规整好的本地文件合集，用来补齐特定行业领域内的工作流程、专业知识以及实用操作工具，方便模型在对应场景里主动或是按需调用。

它属于针对大模型打造的能力整合形式，内部包含核心说明文档、工作规则流程、内容模板案例、实操脚本工具以及各类参考学习资料等内容。

10、ReAct

ReAct由逻辑思考和实际行动两部分组成，模型执行任务时会先梳理现有信息，判断现有内容能不能完成当下任务。

如果信息不足，就主动调用各类工具执行对应操作，拿到操作返回结果后，再继续梳理规划后续步骤，一步步推进直至整件事情处理完毕。

11、Agent的自我反思

Agent自我反思的核心逻辑就是先输出内容，再自行核对评估，结合评估出来的问题调整修正输出结果。

主要分为两种形式，第一种是自我复盘，依靠大模型自身核对输出内容，适合检查文案格式统一度、规则遵守情况以及内容是否出现随意改动；

第二种是外部核验，把生成内容放到实际工具中验证核对，适配代码编写、数值计算、格式文件制作这类需要贴合实际事实的工作。

12、Harness工程

Harness工程也叫作驾驭工程，是专门为AI Agent搭建适配工作环境的整套实用工程思路。

内容涵盖对话上下文统筹、工具调用管理、独立运行沙箱、使用权限划分、内容测试核验、运行日志记录、内容审核标准以及问题调整机制等，目的就是让AI Agent能够平稳融入实际工作系统，运行状态更稳定可控，顺利完成各类长期工作任务。

13、SDD-规格驱动开发

SDD也就是规格驱动开发，这套工作模式要求正式着手编写代码之前，先用规范文档确定好需求调整目标、工作覆盖范围、系统运行模式、设计限制条件以及各项任务拆分细节。

后续让AI严格依照敲定好的规范文档开展开发工作，把模糊笼统的需求梳理成清晰稳定的工作依据，有效避免AI自行揣测需求、随意改动原有逻辑以及开发方向出现偏差这类问题。