AIAgent智能体应用与实战课件 第1章 初识AI Agent

初识AIAgent第1章1.1人工智能的概念1.2人工智能的技术理论1.3大语言模型技术的应用层次1.4AIGC的概念1.5AIAgent介绍AIAgent在不同领域的应用1.6AIAgent与大模型1.7AIAgent技术未来的发展1.8本章小结1.9课后练习1.101.1.1什么是人工智能人工智能是计算机科学的一个分支，旨在研究和开发使计算机能够执行通常需要人类智能才能完成的任务的技术。人工智能的目标是构建能够自主学习和决策的系统，使其能够适应复杂和动态变化的环境。AI涵盖多种技术，如机器学习、深度学习、自然语言处理和计算机视觉等。随着技术的进步，人工智能不仅能在固定场景中完成预定任务，还能在不断变化的环境中进行自我优化和迭代。目前，人工智能的应用已经渗透到各行各业，如医疗、金融、教育、娱乐等行业，深刻影响着人类的生产和生活方式。目前，人工智能的一大热门方向是AIAgent。1.1.2人工智能的技术理论人工智能的演进犹如一场持久的接力赛，其发展历程大致由3次浪潮组成。1．第一次人工智能技术浪潮（约1956—1974）2．第二次人工智能技术浪潮（约1980—1988）3．第三次人工智能技术浪潮（约1990至今）1.1人工智能的概念1.2人工智能的技术理论1.3大语言模型技术的应用层次1.4AIGC的概念1.5AIAgent介绍AIAgent在不同领域的应用1.6AIAgent与大模型1.7AIAgent技术未来的发展1.8本章小结1.9课后练习1.101.2.1人工智能技术的理论基础在人工智能技术体系中，人工智能、机器学习与深度学习三者既相互关联，又层次分明，构成了由宏观到微观、由理论到技术实现的递进关系。人工智能是三者中最为宽泛的概念，它致力于让机器具备类似人类的感知、推理、学习和决策能力。它不仅包含具体的算法和模型，也涵盖规则系统、知识表示、专家系统以及AIAgent等多种研究范式，是一个跨学科的总体研究方向。1.2.2神经网络神经网络的概念源于人类大脑中的神经元，是机器学习的理论基础，它由大量的神经元组成，神经元以层的形式组织起来，通过连接进行信息传递和处理。神经网络通常由3部分组成，分别是输入层、隐藏层和输出层，如图所示。1.2.3卷积神经网络卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种深度学习模型，常用于图像和音频等数据的处理。卷积神经网络通过卷积和池化操作降低数据维度，识别图像中的特征信息，以对图像进行分类、目标检测等，在图像生成、编辑、理解中发挥着重要作用。卷积神经网络由输入层、卷积层、池化层、全连接层、输出层组成，其架构如图所示。1.2.4循环神经网络与长短期记忆网络当传统的神经网络可以进行学习和分类后，记忆力不足日益成为制约它发展的瓶颈，它难以记住长距离语义依赖。长短期记忆网络引入记忆单元与门控机制这两项技术，可以解决循环神经网络难以捕捉长期依赖关系的问题，因此被广泛应用于自然语言处理、时间序列预测等领域。1.1人工智能的概念1.2人工智能的技术理论1.3大语言模型技术的应用层次1.4AIGC的概念1.5AIAgent介绍AIAgent在不同领域的应用1.6AIAgent与大模型1.7AIAgent技术未来的发展1.8本章小结1.9课后练习1.101.3.1大语言模型的概念大语言模型是一种基于深度学习的人工智能系统，其理论基础主要建立在深度学习和自然语言处理之上。这些模型通过海量文本数据预训练而成，参数量通常达到数十亿至数千亿级别。其核心技术是Transformer架构，通过自注意力（Self-Attention）机制捕捉文本之间的复杂关联，实现语义理解，完成文本生成。大语言模型能执行文本理解、语言翻译、文本生成等多样化任务，引入多模态能力后，还可以生成图像、视频等。大语言模型典型产品有人们平时使用的AI工具，例如ChatGPT、DeepSeek、豆包等。1.3.2

Transformer架构的原理Transformer架构的工作过程如下。首先，将输入的每个词转换为词向量，即每个词的数字化表示。接着，词向量通过词嵌入层进一步处理，以增强模型对词之间关系的理解。然后，应用自注意力机制，这是Transformer架构的核心。自注意力机制允许模型在处理当前词时，能够关注输入序列中的其他词，判断哪些词对当前词的理解更为重要。为了更全面地捕捉信息，Transformer架构采用了多头注意力机制，通过多个不同的注意力头来从不同角度观察和处理输入序列。同时，它使用残差连接将每一层的输出与输入直接相加，避免了信息丢失，并且通过层归一化来稳定训练过程，确保每层的学习高效完成。最终，通过这些步骤，Transformer架构能够高效地处理复杂的语言信息。1.3.3多模态大模型普通的大模型一般是用文字的方式与用户交流，用户输入文字来提出问题，大模型用文字来回答。然而，人类的交流方式不仅有文字，还有图像、音频等，因此大模型也需要掌握多种交流方式，多模态大模型应运而生。多模态大模型可以处理和生成来自不同模态的信息，如文本、图像、视频、语音、表格、代码、数学公式等。1.3.4大模型的基础应用最常见且最简单的大模型应用之一是用户在交互界面输入提示词，大模型以自然语言形式返回结果。用户通过与大模型对话获取答案，提问与交互的方式可分为一问一答、思维树、思维链、执行多步骤提问等。这种应用依赖大模型保持上下文记忆的能力，不断为用户提供所需的知识。1.3.5大模型微调大模型微调常应用3种方法，提示词微调（PromptTuning）、前缀微调（PrefixTuning）、低秩适应（Low-RankAdaptation，LoRA）。（1）提示词微调：一种基于调整模型输入提示词的微调方法。它通过在原始输入上添加适当的提示来引导模型产生更精确的输出，而无须更改模型本身的参数。此方法的优势在于计算成本低，适用于资源受限的环境，且能够快速适应不同的任务需求。（2）前缀微调：通过在输入序列的前端添加可训练的前缀来优化模型性能。这些前缀是与任务相关的潜在表示，能够增强模型对特定任务的理解力。与传统的微调方法相比，前缀微调只需要调整较少的参数，保持了大模型的高效性，且训练效率较高。（3）低秩适应：一种通过引入低秩矩阵来进行微调的方法。低秩适应通过对模型中某些层的权重进行低秩近似来实现模型优化，它能够有效减少参数量，提高训练效率，并且在保持原模型大部分参数不变的情况下，获得优秀的任务适应性，能广泛应用于各种生成任务中。1.1人工智能的概念1.2人工智能的技术理论1.3大语言模型技术的应用层次1.4AIGC的概念1.5AIAgent介绍AIAgent在不同领域的应用1.6AIAgent与大模型1.7AIAgent技术未来的发展1.8本章小结1.9课后练习1.101.4.1生成对抗网络AIGC中的文生图和图生图通常基于生成对抗网络（GenerativeAdversarialNetwork，GAN）。GAN是一种深度学习模型，由生成器和判别器两部分组成，通过两部分相互对抗的方式生成高质量的图像、视频、音频等。下图展示了其工作原理。1.4.2扩散模型StableDiffusion实现文生图的原理为：首先，通过CLIP文本编码器，将用户输入的提示词转换为77×768的文本嵌入；然后，将图像压缩为64×64的潜空间表示；随后，通过扩散过程生成图像（先通过正向扩散给潜空间表示的图像数据增加噪声，再通过反向去噪过程去除噪声），恢复潜空间中清晰的图像数据；最终，经过变分自编码器（VariationalAutoencoder，VAE），将潜空间表示转换为图像文件格式的最终生成图像。1.4.3

AIGC的应用AIGC改变了室内设计的工作流程，从原来的设计人员绘制草图、三维建模、绘制贴图、渲染材质和灯光等，转变为手绘草图、通过StableDiffusion的ControlNet识别草图、通过大模型确定整体场景风格和细节等。引入AIGC后，手绘草图转换为成品效果图的整个过程通常可在几分钟内完成。1.1人工智能的概念1.2人工智能的技术理论1.3大语言模型技术的应用层次1.4AIGC的概念1.5AIAgent介绍AIAgent在不同领域的应用1.6AIAgent与大模型1.7AIAgent技术未来的发展1.8本章小结1.9课后练习1.101.5.1

AIAgent的概念AIAgent是可以进行独立思考的个体，类似于独立的人，它具备以下基本功能。（1）感知世界：像人类一样通过感官感受世界，如听见声音、看到画面。（2）理解输入：对输入的信息进行分析、识别意图。（3）做出决策：根据对信息的理解，做出决定，规划后续的行为。（4）执行动作：做一些具体的事情，如生成文本等。上述功能可以抽象为感知→认知→决策→行动流程。简单来说，AIAgent是基于大语言模型，具有专业事务处理能力的、运行在计算机中的虚拟代理人。1.5.2

AIAgent的特征AIAgent是高层次的AI应用，其与具体业务结合后，能够在实际工作场景和生活场景中发挥很大的作用。例如，要做一次旅行规划，我们需要了解当地的天气状况、交通情况、景点和住宿等。使用传统的AI工具（如豆包）仅能获得以文字、表格的形式展现的旅行攻略，且数据可能并不是最新的，实际使用时，仍需要我们不断在不同的App中切换以完成任务。而将该任务交给AIAgent，它不仅会帮我们规划线路、生成旅行攻略，还会直接调用导航软件、酒店预订软件、天气预报软件，完成线路规划、酒店预订、天气情况分析等任务，一次运行就能辅助我们完成旅行规划。1.5.3

AIAgent与AgenticAIAIAgent通常指的是具备自主决策和执行功能的系统，能够在执行特定任务时与环境互动并做出反应。AIAgent的核心特征是自主性，它能够在没有人类干预的情况下根据环境输入采取行动。AIAgent常见的应用包括虚拟助理、自动驾驶汽车、智能客服等。在技术实现上，AIAgent多采用强化学习、决策树或其他机器学习算法来模拟人类决策过程。AgenticAI则是更为高阶的概念，强调AI系统在多个任务或环境中展示出高度的自主组织能力，且能够处理复杂的多任务调度、目标优化和长期策略规划问题。AgenticAI不仅能够执行任务，还能够根据环境变化动态调整目标和行为。AgenticAI的应用通常包括复杂的业务自动化系统、智能供应链管理系统、跨领域的知识图谱推理工具等。1.5.4

AIAgent的原理AIAgent的工作原理简单来说就是探测—决策—执行，如图所示。（1）探测是指AIAgent在运行过程中从环境中收集信息并提取相关知识（例如获取图像、文本、表格数据等），类似于人类主动探测周围环境，为决策做好准备。（2）决策是指AIAgent基于知识和目标进行判断，同时它会根据判断的结果，制定一系列行动方案，并准备执行方案。例如，检测到明天下雨，那么决定取消露营计划。（3）执行是指AIAgent根据探测和决策的结果，执行规划好的动作并与环境进行交互。例如，决定取消露营计划后，调用各系统将已有的数据清除，将已有的订单取消等。1.5.5

AIAgent的工作流根据以上内容，AIAgent本质上是能自主执行一系列动作的智能代理，执行的一系列动作被称为工作流（Workflow），在AIAgent中，任务的执行通常是通过工作流来进行的，依赖的是具体任务的业务流程。业务流程包含为满足用户需求而进行的相互关联的一系列活动，例如，用户需要使用App查询天气，对应的业务流程包含登录App、定位目的地、选择开始和结束的时间、查看结果等活动。1.1人工智能的概念1.2人工智能的技术理论1.3大语言模型技术的应用层次1.4AIGC的概念1.5AIAgent介绍AIAgent在不同领域的应用1.6AIAgent与大模型1.7AIAgent技术未来的发展1.8本章小结1.9课后练习1.101.6.1专业分析领域在专业分析领域，AIAgent通过多源数据整合、推理分析与持续优化，扮演“智能分析师”的角色。在旅行规划中，AIAgent可结合用户的预算、时间、兴趣偏好以及实时交通、天气与景区拥挤程度等数据，自动生成多套行程方案，并在行程变化时动态调整。例如，在航班延误或天气突变时，AIAgent能够重新规划路线并给出替代方案。在财务规划方面，AIAgent可分析个人或家庭的收入结构、支出习惯与风险偏好，模拟不同投资策略下的长期收益，提供资产配置与储蓄建议，帮助用户在复杂的条件下做出理性决策。1.6.2角色扮演领域在角色扮演领域，AIAgent以特定职业或身份为核心，模拟真实情境下的专业行为，提升交互体验与学习效果。以智能医生为例，AIAgent可根据患者描述的症状进行初步问诊，结合医学知识库给出风险提示与就医建议，辅助医生进行筛查与随访。在智能教室中，AIAgent可扮演“虚拟教师”或“学习助教”，根据学生的学习进度和薄弱项动态调整讲解方式，实现因材施教。这类应用强调情境感与对话连续性，能使用户获得接近与真人互动的体验。1.6.3知识问答领域在知识问答领域，AIAgent不仅能回答问题，还具备推理、引用与解释能力，适用于高专业度的场景。在法律咨询中，AIAgent可根据用户描述的问题，匹配相关法律条文与判例，给出合规风险提示和处理思路，帮助用户理解复杂法律概念。在建筑咨询领域，AIAgent能够结合标准规范、设计经验与工程案例，对建筑方案、材料选择或施工流程进行分析说明，为设计师或业主提供决策参考。这类应用强调“可理解的专业解释”，旨在降低专业知识的使用门槛。1.6.4自媒体运营领域在自媒体运营领域，AIAgent逐渐成为内容生产与运营的核心助手。在电商带货中，AIAgent可根据商品特点与目标用户，自动生成脚本、分镜与口播文案，并结合AIGC技术生成带货视频。在日常内容创作中，AIAgent能够批量生成符合平台风格的标题、文案与话题标签，提高账号更新效率。进一步地，在AI短剧生成中，AIAgent可实现从剧本策划、角色设定到分镜生成的全流程协作，显著降低内容制作成本，帮助创作者实现规模化创作。1.6.5智能办公领域在智能办公领域，AIAgent以“数字助理”的形式深度融入工作流程。在PPT制作中，AIAgent可根据主题与资料自动生成大纲、页面结构与图文内容，显著减少重复劳动。在日报与会议纪要撰写中，AIAgent能够从聊天记录、会议音频或文档中提取关键信息，生成结构化的总结。在发票报销中，AIAgent可通过图像识别与规则校验，自动完成报销信息录入与分类。通过感知、理解与执行的协同，AIAgent能有效提升办公效率与信息处理质量。。1.1人工智能的概念1.2人工智能的技术理论1.3大语言模型技术的应用层次1.4AIGC的概念1.5AIAgent介绍AIAgent在不同领域的应用1.6AIAgent与大模型1.7AIAgent技术未来的发展1.8本章小结1.9课后练习1.101.7.1

GPT大模型介绍ChatGPT是由OpenAI出品的、基于生成式预训练变换器（GenerativePre-trainedTransformer，GPT）大模型的应用产品，历经多次迭代，目前已经发展为非常成熟的AI工具，其界面如图所示。1.7.2

Gemini大模型介绍Gemini是一款由谷歌推出的多模态大模型，其核心目标是将不同类型的数据（如文本、图像、音频等）进行融合处理，从而提升理解和生成的能力。与传统的单一模态大模型不同，Gemini通过跨模态学习获得了更加出色和精细的推理能力，能够在多个领域提供高效的解决方案。它特别擅长处理图像和文本混合输入的任务，比如图文生成、图像描述以及图像问答等。在自然语言处理任务中，Gemini也展现了其强大的多任务执行能力，可以同时完成情感分析、摘要生成、翻译等多种任务，且表现出色，Gemini的界面如图所示。1.7.3

Qwen大模型介绍Qwen（千问）是阿里云开发的大模型应用产品，其功能包括自然语言对话、多语言翻译、代码生成与理解、知识问答与搜索、多模态生成、AIAgent开发与工具调用，其界面如图所示。1.7.4

DeepSeek大模型介绍DeepSeek是近年来快速发展的国产大模型，整体定位为面向复杂推理与高可靠决策场景的通用基础模型。其底层仍以Transformer架构为核心，但在模型训练与推理层面引入了深度思考（DeepThinking）机制，用于提升模型在多步推理、逻辑演绎与复杂问题分解中的表现。该机制引入显式或隐式的中间推理建模，使模型能够在生成最终结果前完成多层次的内部分析，从而提升回答的准确性与一致性。1.7.5

AIAgent出现后的大模型应用传统的大模型应用基本都遵循一问一答的模式（用户提问，大模型返回结果），和早期使用搜索引擎的过程类似。AIAgent出现后，这个过程变为AIAgent分解用户的需求，在工作流的若干步骤中，不断调用外部工具和大模型，在执行的过程中动态思考。因此，这不再是一问一答的模式，而是分布式问答的模式。同时，大模型不再只为用户回答问题，更凭借多模态特征在工作流执行的不同阶段起着不同的作用，例如在文生图工作流执行中，大模型起着分析用户输入、为用户书写提示词、生成图片等作用。因此，人们需要掌握的能力从如何向大模型提问转向如何将业务流程转换为工作流，以程序化的形式利用大模型的能力分步骤解决问题。1.1人工智能的概念1.2人工智能的技术理论1.3大语言模型技术的应用层次1.4AIGC的概念1.5AIAgent介绍AIAgent在不同领域的应用1.6AIAgent与大模型1.7AIAgent技术未来的发展1.8本章小结1.9课后练习1.101.8.1多Agent协作多Agent协作是AIAgent迈向复杂应用场景的重要技术路径，其核心在于“任务分解、协同决策、结果汇聚”。以旅游规划为例，不再由单一Agent完成所有任务，而是由多个具备专长的子Agent共同协作，例如：天气Agent负责实时查询目的地气温与极端天气预警，路线Agent专注于交通方式选择、行程耗时与费用评估，攻略Agent从海量用户评价与内容平台中总结推荐景点与游玩顺序，记账Agent则对预算、消费记录和费用分摊进行管理。这些Agent通过统一的调度机制共享中间结果，由调度Agent进行综合判断与方案优化。当某一条件发生变化（如天气突变或预算调整），相关Agent会进行局部重算并反馈给整个系统，实现动态协同。这种架构使AIAgent具备“团队协作”能力，能够应对更复杂、更长期、更贴近现实的任务，是未来AIAgen