Outline #

第一章 初识智能体 #

• 1.1 什么是智能体
  • 1.1.1 传统视角下的智能体
    • 反射智能体（Simple Reflex Agent）
    • 基于模型的反射智能体（Model-Based Reflex Agent）。
    • 基于目标的智能体（Goal-Based Agent）
    • 基于效用的智能体（Utility-Based Agent）
    • 学习型智能体（Learning Agent）
  • 1.1.2 大语言模型驱动的新范式
  • 1.1.3 智能体的类型
• 1.2 智能体的构成与运行原理
  • 1.2.1 任务环境定义 在人工智能领域，通常使用PEAS 模型来精确描述一个任务环境，即分析其性能度量(Performance)、环境(Environment)、执行器(Actuators)和传感(Sensors)
  • 1.2.2 智能体的运行机制
  • 1.2.3 智能体的感知与行动
• 1.3 动手体验
• 1.4 智能体应用的协作模式
  • 1.4.1 作为开发者工具的智能体 Claude Code
  • 1.4.2 作为自主协作者的智能体 openclaw
  • 1.4.3 Workflow 和 Agent 的差异

第二章 智能体发展史 #

第三章 大语言模型基础 #

第四章 智能体经典范式构建 #

• 4.1 环境准备与基础工具定义
• 4.2 ReAct ReAct由Shunyu Yao于2022年提出[1]，其核心思想是模仿人类解决问题的方式，将推理 (Reasoning) 与行动 (Acting) 显式地结合起来，形成一个“思考-行动-观察”的循环。
• 4.3 Plan-and-Solve
• 4.4 Reflection

第五章 基于低代码平台的智能体搭建 #

• 5.1 平台化构建的兴起
• 5.2 平台一：Coze
• 5.3 平台二：Dify
• 5.4 平台三：n8n

第六章 框架开发实践 #

• 6.1 从手动实现到框架开发
  • 6.1.1 为何需要智能体框架
  • 6.1.2 主流框架的选型与对比
• 6.2 框架一：AutoGen