Agents and tools

🤖 智能体 (Agents) 核心概念学习笔记

一、工作流 (Workflows) 与智能体 (Agents) 的区别

• 工作流 (Workflow): 适用于步骤明确、顺序固定的任务。
• 智能体 (Agent): 适用于任务目标已知，但具体执行步骤未知或不确定的场景。
• 工作原理: Agent 接收任务 + 工具集 → 自主制定计划 → 利用工具完成任务。

二、智能体的核心能力与优势

• 灵活性 (Flexibility): 能够解决广泛且多样化的任务。
• 工具组合 (Tool Combination): 核心能力在于将工具以多种、非预设的方式进行组合使用。
• 示例: 即使是简单的日期/时间工具，Agent 也能组合调用来计算未来日期或设置提醒。
• 信息获取 (Information Gathering): Agent 能够识别工具调用所需的信息缺失，并主动向用户索取额外信息，以确保任务成功执行。

三、构建 Agent 的关键设计原则

• 抽象工具 (Abstract Tools): 必须提供具有一定抽象性的工具，而不是高度专业化、仅能完成单一任务的工具。
• 错误示例: 不应提供一个“自动重构文件”的工具。
• 正确做法: 应提供基础工具（如 Bash、文件读取），让 Agent 自行规划如何实现重构。
• 工具集构建: Agent 的工具集应包含基础能力，例如：
• Bash (提供命令行访问能力)
• 图像生成工具 (Generate Image)
• 文本转语音工具 (Text-to-Speech)
• 媒体发布工具 (Post Media)

四、Agent 的动态交互

• Agent 不仅能执行预设流程，还能支持动态交互。
• 示例: 用户要求生成视频 → Agent 先生成样本封面图 → 询问用户是否批准 → 确认后进入视频生成流程。

Takeaways

• 智能体（Agent）适用于任务目标已知但具体执行步骤不确定的场景，区别于步骤固定的工作流。
• Agent 的核心工作原理是接收任务和工具集，然后自主制定计划并利用工具完成任务。
• 构建 Agent 时，应提供具有抽象性的基础工具（如Bash、文件读取），而非高度专业化、仅能完成单一任务的工具。
• Agent 支持动态交互，能够主动识别信息缺失并向用户索取信息，或在关键环节暂停等待用户批准。