为什么想系统地聊聊 Agent？

这两年，大语言模型发展得很快。

从最初用 DeepSeek，ChatGPT查资料，到后来使用 Cursor，Codex 等写代码，再到后来把大模型接进自己的应用里，从整接入到应用地过程中，发现一件事：让模型生成一段回答不难(先不提模型幻觉的问题)，真正让它深度参与业务中、把一件事情做完，就需要把大模型当成一个“同事”来考虑。

比如，一个销售助手不仅要回答问题，还得查询业务数据、分析客户情况，再根据结果给出建议。

光靠一次模型调用显然不够。系统需要知道什么时候该查数据、该调用哪个工具，拿到结果后还要判断下一步怎么走。

这也是我开始要深入研究 Agent 的原因。

经历了接近2年的发展，Agent 这个词现在依然很热，有不少相关框架、教程和实践案例。

刚接触时，很容易一头扎进框架和代码里，学会了怎么搭建一个 Demo，会用和用好不是一回事，需要真正弄清楚几个更基础的问题：

• Agent 和普通的大模型调用有什么区别？
• 为什么需要 Tool Calling？
• RAG 和 Agent 是什么关系？
• 固定流程能解决的问题，为什么还要引入 Agent？
• 一个能跑起来的 Demo，距离真正投入业务还有多远？

这些问题如果没有想清楚，后面学再多框架，也只是处于在会用工具的阶段。

所以，我准备把这些内容整理成一个合集系列，从基本概念开始，逐步聊到工具调用、知识库、流程编排、业务接入和工程落地，记录下自己地整个学习过程。

有些内容会结合自己的项目经验，有些则是学习和实践过程中的整理。

遇到具体实现时，也会尽量把关键流程和技术细节说明白，那样做地原因是什么，而不是只简单展示一个能运行完的结果。

技术更新很快，有可能这个系列还没更新完，就又出新的技术了，框架和工具可能很快就会变，但理解问题、判断方案、处理实际工程问题的能力，始终值得花时间打磨。

如果你也在学习 Agent，或者正准备把大模型接入自己的应用，希望这个系列能帮你少绕一点弯路。

本文由 楸木 原创，转载请注明出处。