智能体（AI Agent）作为日趋成熟的大语言模型（Large Language Model）的驾驭系统，正在以铺天盖地的态势重塑着整个软件行业。

伴随着大语言模型的日臻强大，智能体的技术也一直在变，从提示工程（Prompt Engineering）、上下文工程（Context Engineering）到驾驭工程（Harness Engineering），但变化之中，藏着不变的机理。

本系列文章从基础的角度梳理一下，对于 AI Agent，我们需要知道的知识，会从那些不怎么变的核心原理说起，架起一座从传统软件思维到 AI 思维的桥梁。

什么是智能体#

智能体（AI Agent）的本质是通过输入感知环境，然后利用算法或大语言模型（LLM）做推理和判断，最后以执行器对环境产生作用。

stateDiagram-v2
    human: 人类（用户）
    agent: 智能体（AI Agent）
    env: 环境（Environment）

    state agent {
        LLM
    }

    human --> agent: 指令/交互
    env --> agent: 感知（Percepts）
    agent --> env: 行动（Actions）

    style human fill:#f0f8ff,stroke:#666,stroke-width:1px
    style env fill:#eeeeee,stroke:#999999,stroke-width:1px
    style LLM fill:#ffdd57,stroke:#333,stroke-width:2px

最简单的场景是，你输入问题，它回答。

在整个交互循环中，人类是可选的，智能体本身可以自发地与环境互动。

对智能体来说，人类，其实也是环境的一部分。

智能体使用大语言模型做推理，导致其输入和输出偏好人类自然语言，是一个文科生

AI 天生偏爱能够文本操作的工具，例如 CLI（命令行客户端）、Markdown、Mermaid Chart（文字描述画图）、各种编程语言

精通编程语言，便可调用各种接口，触达互联网上的任意资源，这意味着 AI Agent，只要被授权，便可接管整个世界

本系列拆分成两篇，分别是大语言模型基础知识和智能体架构

• LLM，智力的源头

  人工智能 → 深度学习 → 大语言模型 → 上下文 → 工具调用 → LLM 接口

• Agent，工程的起航

  OpenClaw 架构 → 分层架构 → 上下文实例 → 技能 → MCP → 记忆 → 会话