智能体（Agents）¶

约 339 个字预计阅读时间 1 分钟

Agent 原理、工程体系、开源框架与产品形态。

Agent 的核心不是“调用一次大模型”，而是让模型在一个受控运行时中循环完成任务：观察状态、规划下一步、调用工具、读取结果、更新记忆，并在终止条件满足时交付结果。

知识地图 ¶

层次	关注问题	典型内容
模型能力	LLM 能否理解任务、规划、反思、使用工具	ReAct、function calling、self-reflection
Agent loop	如何组织观察、思考、行动、反馈	plan-act-observe、state machine、workflow graph
Tool runtime	工具如何注册、鉴权、执行与回传	JSON schema、sandbox、browser、shell、RAG
Memory / context	如何保存任务状态与长期知识	short-term state、episodic memory、vector memory
Orchestration	多步骤和多智能体如何协作	LangGraph、AutoGen、CrewAI、deepagents
Evaluation	如何判断任务是否完成	task success、rubric、trajectory eval、human review
Safety	如何限制越权和错误扩散	permission、policy、least privilege、audit log

页面	说明
01-base	Agent 基础
02-system	Agent 工程体系：循环、工具、记忆、权限、评测
03-benchmark	Agent 评测基准：SWE-bench / SWE-bench Pro
04-one-turn	Agent 一轮回复详解：请求、响应、工具调用数据流
accelerate	加速相关笔记
开源框架整理	框架 / 产品 / 教程清单

框架列表自 Research Agents/index.md迁移，并与本站原有整理合并，见开源框架整理。