9：初识智能体 Agent

经过前八题，你已经从线性回归一路走到了 Transformer，理解了深度学习与大模型的底层原理。但你会发现，直接问一个大模型问题，它只会”回答”，不会”做事”：它不能帮你查资料、订机票、操作软件。而 Agent（智能体） 正是让大模型从”会聊天”走向”会做事”的关键技术。

这一题我们有意不做得复杂，不要求你从零手写模型。我们的目标是：

1. 让你理解 Agent 的核心概念
2. 教会你如何检索论文、阅读论文——这是所有后续科研工作的基本功
3. 通过精读 1~2 篇论文，写出你自己的心得与收获

提示：这一题最重要的产出不是代码，而是你的思考过程和阅读记录。请务必独立完成，不要依赖 AI 代写。

请先用自己的话回答以下问题，为论文阅读建立”背景知识”。

• 什么是 AI Agent？它与普通的”问答式”大模型应用（比如直接向 ChatGPT 提问）有什么本质区别？
• 如何理解”感知（Perception）→ 规划（Planning）→ 行动（Action）“这个循环？
• 在 LLM 出现之前，Agent 概念已经存在（如强化学习智能体）。LLM 给 Agent 带来了哪些新能力？

目前主流观点认为 Agent 通常具备以下能力，请逐一解释：

• 规划（Planning）：什么是任务分解？什么是反思与自我纠正？
• 记忆（Memory）：短期记忆与长期记忆分别指什么？实现上可以借助哪些技术？
• 工具使用（Tool Use）：什么是工具调用（Tool Calling / Function Calling）？为什么工具对 Agent 如此重要？
• 行动（Action）：Agent 如何与环境交互、观察反馈并调整下一步？

• 什么是 ReAct 模式（Reasoning + Acting）？它与 Chain-of-Thought（思维链）有什么区别？
• 什么是多智能体系统（Multi-Agent）？多个 Agent 协作相比单个 Agent 有什么优势与代价？
• 你了解哪些 Agent 框架或项目（如 LangChain、AutoGPT、BabyAGI、MetaGPT、Generative Agents）？任选一个简单介绍它的设计思路。

• RAG（检索增强生成）与 Agent 是什么关系？Agent 的”记忆”与 RAG 有何联系和区别？
• 任选一个 Agent 应用场景（编程助手、自动科研、游戏 NPC、浏览器操作、智能客服等），谈谈它的价值与目前面临的挑战。

这一部分是本题的”重点教学”。请认真阅读，并把它当作你完成 Part 3 的操作手册。

搜索技巧：

• 关键词组合：LLM agent survey、large language model agent、ReAct reasoning acting、multi-agent framework。
• 限定站点：site:arxiv.org agent、site:aclanthology.org agent。
• 时间限定：优先看近两年的工作；搜索时先看标题和摘要，把候选论文列成清单，再逐个决定是否精读。

• 从综述（Survey）入手：先读 Agent 方向的综述，能快速建立”领域地图”，综述里会引用大量经典论文。例如 The Rise and Potential of Large Language Model Based Agents: A Survey（arXiv 2023）。
• 顺藤摸瓜（引用追踪）：
  • 向前追踪：这篇论文引用了哪些工作（基础）？
  • 向后追踪：谁引用了这篇论文（后续改进）？
• 看发表渠道：顶会论文（NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI）经过严格评审，质量更有保障。
• 看团队与代码：知名机构的工作可信度更高；有开源代码的论文更容易复现和学习。

推荐使用计算机科学家 S. Keshav 提出的三遍阅读法：

• 第一遍：泛读（5~10 分钟）。只读标题、摘要、引言、结论和图表标题，回答三个问题：这篇论文解决什么问题？方法大致是什么？效果如何？据此决定是否继续。
• 第二遍：精读（约 1 小时）。通读全文，重点理解方法部分和实验部分；看懂每一张图；把不懂的地方标记出来；合上论文，尝试向自己复述论文的核心思想。
• 第三遍：批判性阅读。思考：方法有什么局限？假设是否合理？换作你会怎么做？这篇论文能给你自己的项目带来什么启发？

阅读建议：

• 边读边记，不要”只读不写”。用 Part 3 的论文卡片记录，或在原文上做批注。
• 遇到不懂的概念（如 RAG、Function Calling、思维链），可以先用 AI 工具查清楚，再回到论文里。
• 第一次读不懂很正常，先抓住”解决的问题”和”核心思想”，细节可以之后回看。

从以下清单中任选 1~2 篇精读（也可以自选，但需说明选择理由）：

1. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models（NeurIPS 2022）——思维链，推理能力的基础
2. ReAct: Synergizing Reasoning and Acting in Language Models（ICLR 2023）——Agent 范式开山之作，强烈推荐
3. Toolformer: Language Models Can Teach Themselves to Use Tools（NeurIPS 2023）——模型如何学会用工具
4. Tree of Thoughts: Deliberate Problem Solving with Large Language Models（NeurIPS 2023）——更强大的搜索式推理
5. Reflexion: Language Agents with Verbal Reinforcement Learning（NeurIPS 2023）——自我反思与纠错
6. Generative Agents: Interactive Simulacra of Human Behavior（UIST 2023）——记忆系统与”模拟人生”
7. MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework（ICLR 2024）——多智能体协作
8. The Rise and Potential of Large Language Model Based Agents: A Survey（arXiv 2023）——综述，建立全局观
9. 开源项目 AutoGPT / BabyAGI（非论文）——最早的自主 Agent 演示，可当科普读物

1. 使用 Part 2 的方法完成检索，记录你的检索过程（见下）。
2. 精读 1~2 篇论文，填写”论文阅读卡片”。
3. 将结果整理进报告。

- 检索平台：______（如 arXiv / Google Scholar / Semantic Scholar）
- 检索关键词：______
- 浏览过的论文标题（至少列 3 篇）：______
- 最终选择的论文：______
- 选择理由（如：经典之作 / 我对这个话题感兴趣 / 有开源代码）：______

## 论文阅读卡片

**基本信息**
- 标题（中英文）：
- 作者 / 机构：
- 发表会议 / 期刊 / arXiv 编号：
- 论文链接：

**1. 这篇论文解决了什么问题？**
- 研究背景与动机：
- 要解决的核心问题：

**2. 核心方法（用自己的话概括，不超过 200 字）**
- 方法的核心思想：
- 关键技术与流程：

**3. 实验与结论**
- 使用的数据集 / 任务：
- 主要实验结果：
- 论文的贡献：

**4. 局限与思考**
- 论文的局限：
- 如果让我改进，我会：
- 对"Agent 是什么、如何构建"的启发：

**5. 收获与心得（不少于 300 字）**
- 阅读前我对 Agent 的理解：
- 阅读后我的理解发生了什么变化：
- 我打算如何把论文中的思想用到实践中：

1. 有人说”大模型是大脑，Agent 是躯体，工具是四肢”，你如何理解这句话？是否同意？
2. 目前 Agent 还存在哪些明显的问题？（提示：幻觉、推理成本、长任务失败率、安全与对齐……）
3. 如果让你设计一个面向校园场景的 Agent（例如”课程助教 Agent”），你会为它配备哪些工具与记忆能力？请简要描述你的设计。

与前几题保持一致：鼓励使用 AI 辅助学习，但请注意：

1. 简答题与心得必须用自己的语言组织，禁止直接复制粘贴
2. 论文卡片应基于真实的阅读过程，不能只靠摘要或 AI 总结拼凑
3. 在报告中注明你使用了哪些 AI 帮助（如解释概念、协助检索）

• 文档报告：Part 1 简答题 + Part 2 的检索过程记录 + Part 3 论文卡片 + Part 4 思考题，写入 .md 文件，命名格式：ml-9-姓名-学号.md

• 将文件压缩为 ml-9-姓名-学号.zip 提交

• 邮箱: glimmerml401@163.com

• 主题: 9-姓名-学号

出题人：  Taffy

QQ：2078306188

邮箱：2078306188@qq.com