《人工智能通识与实践》课件 单元5 智能时代的核⼼驱动⼒

AI

Agent的实战演练

智能时代的核⼼驱动⼒从定义到实践

，全⾯探索AI智能体的技术原理、发展趋势与应⽤前景

AI智能体开发课程

2025-08-28‍‌​‍‬​​​‌​‬‍​‬​​​⁠​‬​⁠​‌​​​⁠‬​‬‌‍​​‌‬​​‬​⁠‬⁠⁠单元五六七-飞书云文档认识5.1认识AI

Agent智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28

知识⽬标 掌握AIAgent的定义、特点与分类 理解AIAgent的核⼼组成模块及其功能 了解国内主流AIAgent平台与⼯具 熟悉AIAgent的发展历程与未来趋势

能⼒⽬标 能够区分AIAgent与传统AI系统的差异 能够分析⼀个典型AIAgent系统的架构组成 能够识别并评估AIAgent在不同领域的应⽤潜⼒ 能够⽐较不同类型AIAgent架构的优缺点

通过本课程学习

，你将全⾯掌握AI

Agent的核⼼知识与实践技能学习⽬标认识

AI

Agent的定义与本质智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28

执⾏动作通过与环境交互来实施决策

，将规划转化为实

际操作

，能够主动与环境互动并完成复杂任务。

感知环境收集并解析来⾃外部世界的信息

，相当于智能体的"五官"

，包括视觉、听觉、触觉等输⼊⽅

式。

⾃主决策根据感知到的信息和预设⽬标

，独⽴地制定⾏动策略

，从"被动执⾏

"向"主动规划"升级。AI

Agent（智能体）

是⼈⼯智能领域的核⼼概念

，指能够感知环境、

⾃主决策并执⾏动作

，

以实现特定⽬标的实体。

它可以是程序、

软件系

统

，也可以是结合了硬件的智能设备。智能语⾳助⼿（如华为⼩艺）

能够感知⽤户的语⾳指令

，分析指令内容并理解⽤户意图

，然后

或回答问题

，最终满⾜⽤户的需求。AI

Agent的定义与本质 AI

Agent的核⼼是闭环的感知-决策-执⾏能⼒

，使其能够主动与环境互动并完成复杂任务执⾏相应的操作

，如播放⾳乐、

定义

实例设置闹钟

实例分析结果智能语⾳助⼿展⽰了AIAgent的闭环感知-决策-执⾏能⼒

，使其能够主动与环境交互并完成复杂任务。

通过多轮对话实现持续交互

结合上下⽂记忆理解⽤户⻓期需求

通过⾃然语⾔理解识别⽤户意图

以服务⽤户为最终⽬标导向

智能语⾳助⼿（如华为⼩艺）

实例AI

Agent的实例分析感知环境收集并解析⽤户语⾳指令

，识

别⽤户需求执⾏动作执⾏相应操作

，如播放⾳乐、

设置闹钟或回答问题⾃主决策分析指令内容并理解⽤户意

图

，制定⾏动策略实现⽬标满⾜⽤户需求

，完成交互任务认识

AI

Agent的分类体系智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28

通⽤智能体具备跨领域任务处理能⼒

，能处理

多种复杂任务

多智能体系统多个专业化Agent协同⼯作

，共同

完成复杂⽬标

从两个维度分类AI

Agent

专⽤智能体:代码⽣成Agent、客服Agent 独⽴智能体:个⼈助理、智能家居控制 通⽤智能体:

Manus（数据分析、旅 多智能体系统:投资分析系统（市场AI

Agent的分类体系

独⽴智能体单⼀Agent独⽴完成任务

，不依赖

其他Agent

专⽤智能体聚焦特定任务

，在特定领域表现出

⾊⾏规划等）分析Agent、财务分析Agent）

按协作⽅式分类

按能⼒范围分类

分类⽰例 Manus（数据分析、旅⾏规划等）

代码⽣成Agent、客服Agent专⽤智能体与通⽤智能体.

通⽤智能体.

专⽤智能体聚焦特定任务

，在特定领域表现出⾊

，功能单⼀但专业⼀物多⽤，灵活应对多种场景

，减少多次开发成本具备跨领域任务处理能⼒

，能处理多种复杂任务

选择时根据任务复杂度、领域专业性和预算需求综合考量在特定领域深耕

，专业性强

，响应速度快应⽤场景应⽤场景典型案例典型案例代码⽣成旅⾏规划数据分析智能客服语⾔翻译优势优势特点特点单⼀Agent独⽴完成任务

，不依赖其他Agent

⼯作⽅式：

⾃主完成任务

，⽆协作 适⽤场景：个⼈助理、智能家居控制等简单任务

典型应⽤：

个⼈语⾳助⼿

、智能家居系统多个专业化Agent协同⼯作

，共同

⼯作⽅式：分⼯协作

，优势互

适⽤场景：复杂任务

，需要多

典型应⽤：

投资分析系统（市完成复杂⽬标补步骤、多角⾊协同处理场分析Agent、财务分析Agent）独⽴智能体与多智能体系统 独⽴智能体适合简单、明确的任务场景多智能体系统适合复杂、动态变化的任务场景.

多智能体系统 独⽴智能体亟

关键对⽐认识

AIAgent与传统AI系统的区别智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28

⽬标导向通常针对特定任务优化能够理解和实现⾼层⽬标

环境感知局限于预定义的输⼊数据主动感知和探索环境由

AI

Agent⽐较维度

传统AI系统

交互⽅式被动响应

，输⼊-输出模式与传统AI系统的区别AIAgent在七个关键维度上展现出显著优势

，使其更适合处理复杂、动态的任务Agent⾼⾃主性

，可独⽴完成复杂任务基于预定义规则或模型预测低⾃主性

，需要⼈类操作基于⽬标和环境动态决策能够在线持续学习和适应通常需要离线训练更新持续运⾏

，维护状态主动感知

，持续交互任务完成后终⽌

决策能⼒

持续性

⾃主性AI学习能⼒认识

拓展练习智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28邮件⾃动分类⼯具能根据关键词将邮件归档判断应⽤类型练习请判断以下应⽤是否属于AIAgent

，并说明理由。思考这些应⽤是否具备感知环境、

⾃主决策和执⾏动作的

能⼒。智能投资顾问能分析市场、推荐组合、

⾃动调仓⾃动驾驶系统能感知路况、规划路线、控制车辆智能⾳箱（如⼩爱同学）能播放⾳乐、设置闹钟

提⽰：

判断AI

Agent的关键是看其是否具备感知环境、

⾃主决策和执⾏动作的完整能⼒闭环邮件⾃动分类⼯具能根据关键词将邮件归档判断：理由：

缺乏⾃主学习和决策能⼒

，仅执⾏规则判断应⽤类型练习请判断以下应⽤是否属于AIAgent

，并说明理由。思考这些应⽤是否具备感知环境、

⾃主决策和执⾏动作的

能⼒。智能投资顾问能分析市场、推荐组合、

⾃动调仓⾃动驾驶系统能感知路况、规划路线、控制车辆智能⾳箱（如⼩爱同学）能播放⾳乐、设置闹钟

提⽰：

判断AI

Agent的关键是看其是否具备感知环境、

⾃主决策和执⾏动作的完整能⼒闭环理由：

具备环境感知、决策和执⾏的完整闭环理由：

具备市场分析、决策和⾃动执⾏能⼒理由：

仅执⾏预设指令

，缺乏⾃主决策能⼒判断：判断：判断：深度思考：为什么说"记忆能力"是AIAgent区别于传统程序的关键特征？（提示：从任务连续性和个性化服务角度分析）实践操作：访问Coze平台（），体验"智能旅行助手"Agent，记录它如何通过多轮对话完成你的旅行规划需求。

记忆能⼒是AI

Agent实现"能理解、会学习、善适应"的核

⼼基础，也是其从传统AI系统中脱颖⽽出的关键特征。记忆能⼒的重要性记忆能⼒是AIAgent区别于传统程序的关键特征

，它赋予Agent学习和适应的能⼒

，使系统能够记住过去的经验、⽤户偏好和知识，

从⽽提供更个性化和⾼效的服务。任务连续性记忆模块使Agent能够在多轮对话中保持上下⽂信息

，记住⽤户在前序交互中的偏好

和反馈

，确保任务的连贯性和⼀致性。个性化服务通过⻓期记忆

，Agent能够积累⽤户画像和偏好数据

，在未来的交互中提供定制化的

推荐和服务

，如购物助⼿记住⽤户的尺码偏好并持续优化商品推荐。学习与适应记忆使Agent能够从交互中学习

，不断更新知识库和⽤户模型

，适应变化的环境和⽤

户需求

，持续提升服务质量和⽤户体验。

传统程序vs

AI

Agent传统程序

AIAgent

记忆能⼒是AI

Agent实现"能理解、会学习、善适应"的核

⼼基础，也是其从传统AI系统中脱颖⽽出的关键特征。状态less—次性交互

预定义规则状态ful持续学习

动态决策记忆能⼒的重要性

记忆能⼒的关键价值固定功能个性化服务认识

5.2AIAgent的核⼼模块概述智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28认识

四大核心模块智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28AI

Agent 规划模块AIAgent的"⼤脑"

，制定实现⽬标的⾏动策略。

基于感知和⽬标

，制定⾏动⽅案AIAgent的"五官"

，负责收集并解析环境信息。

使⽤NLP、计算机视觉、语⾳识别等技术

将环境数据转化为Agent可理解的格式赋予Agent学习和适应的能⼒

，存储检索信息。

分为短期记忆（会话）

和⻓期记忆（知识库）

实现个性化和持续优化的服务AIAgent的"⼿脚"

，负责与外部环境交互。

通过API调⽤

、⼯具集成与外部系统交互

将规划转化为实际操作AI

Agent的核⼼模块概述

这四个模块紧密协作

，形成闭环

，使Agent能够持续感知、决策、⾏动和学习

感知模块

执⾏模块

记忆模块将复杂任务分解为可执⾏的步骤

典型应⽤场景

感知模块是Agent与外部世界交互的基础

，为后续决策提供关键信息⽀持计算机视觉

(CV)⽤于处理图像和视频数据

，从视觉输⼊中提取关键信息

，例如⾃动驾驶系统识别路况、交通标志

和⾏⼈。⾃然语⾔处理

(NLP)⽤于理解⽂本和语⾳指令

，将⽤户输⼊转化为结构化数据

，例如智能语⾳助⼿识别⽤户的语⾳命

令。⾃动驾驶汽车摄像头和雷达持续收集道路图像和障碍物距离信息

，供系统感知当前路况

，实

现安全驾驶和智能路径规划。智能⾳箱智能⾳箱中的麦克风和语⾳识别系统收集声波

，将"播放⾳乐"等语⾳指令转化

为⽂本指令

，完成对环境信息的收集。

感知模块是AIAgent的"五官"

，负责收集并解析环境信息

，使Agent能够理解周围世界的状态

，为后续的决策提供数据基础。语⾳识别将⼈类语⾳转换为⽂本

，供Agent进⼀步处理，实现⼈机⾃然交互。感知模块

⼤模型推理利⽤⼤型语⾔模型（

LLM）

的强⼤推理能⼒

，理解任务意图并⽣成初步的⾏动

⽅案。规划模块是AIAgent的"⼤脑"

，基于感知到的信息和设定的⽬标

，制定出实现⽬标的⾏动策略

，将复杂任务分解为可执⾏的步骤

，并确

定最佳的执⾏顺序。

任务分解算法将⼀个复杂的总⽬标分解为⼀系列更⼩、更易管理的⼦任务

，提⾼执⾏效率。

强化学习（

RL）通过与环境的交互和试错

，学习最优的决策策略

，不断优化⾏动序列。 规划模块是连接感知与执⾏的关键桥梁

，通过决策和策略⽣成

，确保Agent能够有效地达成

⽬标当会议纪要Agent接到"整理今⽇会议"的指令时

，规划模块会制定出⼀系列详

细的步骤：

这个规划过程确保了Agent能够有条不紊地完成任务

，体现了规划模块作为

Agent"⼤脑"的核⼼价值。 规划模块

实例：会议纪要Agent识别并提取关键信息根据要点⽣成会议摘要

技术实现将会议录⾳转换为⽂

字稿将摘要发送给参会⼈

员提取要点分发邮件⽣成摘要录⾳转写

执⾏模块

功能定位 AI

Agent的"⼿脚"

，负责将规划模块制定的策略付诸实践

与外部环境进⾏实际交互

，执⾏决策模块

⽣成的⾏动⽅案 通过各种接⼝和⼯具与外部世界建⽴联系之

之

应⽤实例天⽓查询Agent1

⽤户询问天⽓时

，规划模块确定需要获取

天⽓数据2

执⾏模块调⽤⽓象局的API接⼝，发送请求

获取实时天⽓信息3

获取数据后

，执⾏模块⽣成可视化报告

，

如天⽓图表4

以更直观的⽅式向⽤户展⽰天⽓信息API调⽤与外部服务或系统进⾏数据交换和功能调⽤⼯具集成集成各种软件⼯具

，如⽇历应⽤

、⽂档编

辑器等代码执⾏⽣成并执⾏代码来完成复杂任务

执⾏模块是AI

Agent与外部世界交互的关键桥梁

，决定了Agent的实践能⼒

技术实现应⽤案例：购物助⼿Agent记忆模块能够显著提升⽤户体验。例如

，它会记住⽤户的尺码偏好（

⻓期记忆），在⽤户浏览商品时

，

⾃动筛选并推荐符合其尺码的商品。在⼀次会话中

，如果⽤户多次提及对某种颜⾊的偏好（短期记忆），Agent会⽴即调整推荐结果

，持续优化商品推荐

，提供更个性化的购物体验。向量数据库将信息转化为向量嵌⼊

，实现⾼效的相似性搜索和检索。适合存储

和快速获取相关知识。知识图谱以结构化的⽅式存储实体和它们之间的关系

，提供丰富的背景知识

和推理⽀持。短期记忆存储当前会话的上下⽂信息

，如⽤户在多轮对话中提到的偏好、

当

前任务的进展等。⻓期记忆存储更持久的知识和经验

，如⽤户画像、领域知识、历史交互记录

等。 记忆能⼒是AIAgent实现持续学习和适应的关键

，赋予其个性化服务和持续进步的能⼒记忆模块

通过向量数据库和知识图谱实现

通过会话状态管理实现认识

核心协作流程智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28

执⾏改变环境执⾏模块根据规划模块的决策

，通过调⽤⼯具、API或执⾏代码等⽅式

，与外部环境进⾏交

互

，改变环境状态。

记忆更新经验执⾏的结果和过程被记忆模块记录下来

，更新Agent的短期或⻓期记忆

，积累新的经验和

知识

，为下⼀轮决策提供⽀持。

规划结合⽬标与记忆⽣成决策基于感知到的环境状态

，规划模块结合Agent的预设⽬标和记忆中存储的知识

，制定出实

现⽬标的⾏动策略。Agent通过感知模块收集并解析来⾃环境的各种信息

，如⽤户输⼊

、传感器数据等

，形成

对当前环境的理解。核⼼模块协作流程

这个循环过程确保了AI

Agent能够动态地响应环境变化

，不断优化其⾏为

感知获取环境状态多Agent协作⽰意图多Agent协作机制多Agent系统中

，多个智能体协同⼯作

，形成"Agent社会"

，通过有效协作机制实现复杂任务处理与决策优化。多个智能体共享⼀个"⿊板"（公共数据区），通

过读写⿊板进⾏间接通信

，每个智能体专注于

解决特定⼦问题。

智能体通过⿊板共享中间结果

如语⾳识别系统中的声学、语⾔

、语义模型 合同⽹协议类似招投标过程的协作机制

，⼀个智能体作

为"管理者"发布任务

，其他智能体作为"投标者"根据⾃⾝能⼒投标。智能体根据任务需求动态组成联盟

，联盟内部

共享资源、协同决策。

智能体根据任务需求⾃主组合

如⽆⼈机编队根据任务临时组成⼩组

适合任务可分解、智能体能⼒不同的场景

如分布式计算、物流调度有效的协作机制是多Agent系统成功的关键

，需结合任务特性和智能体能⼒进⾏选择.

联盟形成

⿊板模型认识

拓展练习智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28校园导航Agent设计案例通过四⼤模块的协同⼯作

，校园导航Agent能够为⽤户提供智能化、个性化的校园导航服务设计实践：小组合作设计一个“校园导航Agent"，详细描述其四大模块的具体实现方式和数据交互流程。执⾏模块通过校园导航API或集成校园地图系统

，执⾏路线导航、

步⾏引导等操作

技术：API调⽤

、⼯具集成感知模块收集并解析校园地图、建筑信息、

⽤户当前位置和⽬标地点等环境数据

技术：

⾃然语⾔处理、计算机视觉规划模块基于⽤户位置和⽬标

，结合校园地图规划最优路线

，考虑时间、距离等因素 技术：⼤模型推理、任务分解算法1

⽤户输⼊⽬的地

→感知模块解析

→

规划模块⽣成路线⽅案3

执⾏模块调⽤地图API→

感知模块更新位置信息记忆模块存储校园建筑、道路、活动地点等

⻓期记忆

，⽀持个性化路线推荐

技术：向量数据库、知识图谱2

规划模块

→执⾏模块执⾏导航

→

⽤户反馈实时位置4

⽤户⾏为数据

→

记忆模块更新偏好

→

规划模块优化路线校园导航Agent设计案例通过四⼤模块的协同⼯作

，校园导航Agent能够为⽤户提供智能化、个性化的校园导航服务

数据交互流程项目测试1.以下哪项不是AIAgent的核心特征？（）A.自主性B.连续性C.可编程性D.适应性2.AIAgent的哪个模块负责"根据目标制定行动步骤"？（）A.感知模块B.规划模块C.执行模块D.记忆模块3.以下哪个国内平台比较适合零基础开发AIAgent？（）A.魔搭社区B.CozeC.智谱清言D.腾讯元器

通过本课程学习

，你将全⾯掌握AI

Agent的核⼼知识与实践技能认识

5.3国内AIAgent概述智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28认识

生态现状智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28

技术⽣态特点

以企业⾃研⼤模型为底座

，结合创新公司垂

直突破

加速构建本⼟化技术体系

，提升中⽂语义理

解能⼒

多模态融合发展趋势明显

，图像、语⾳

、视

频理解能⼒增强

场景适配能⼒持续强化

，垂直领域应⽤不断

深化

技术、应⽤

、政策协同推进

，形成完整⽣态

闭环多模态融合从单⼀⽂本交互向"⽂本+图像+语⾳+视频"多模态

交互发展⾃主决策能⼒从"被动执⾏

"向"主动规划"升级

，具备复杂问题解决

能⼒群体智能多个AI

Agent协同⼯作

，形成"Agent社会"

，共同完

成复杂任务商业模式创新"Agent即服务"模式(AaaS)和智能体平台⽣态正在兴

起国内AI

Agent技术⽣态现状中国AIAgent领域呈现技术、应⽤

、政策协同推进的活跃态势

，加速构建本⼟化技术体系

百度⽂⼼⼤模型为底座

，结合深度求索等公司的垂直突

破中国AI

Agent技术发展呈现多元化创新与协同发展态势通义千问为底座

，⽀持视频内容理解等多模态能⼒专注AI+语⾳交互

，打造智能车载和智能家居系统星⽕模型为底座

，侧重于游戏AI和内容创作

创新发展⽅向

主流企业布局

阿⾥ 腾讯

讯飞认识

商业化落地智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28AI

Agent的商业化应⽤场景AIAgent技术正在快速商业化

，主要聚焦于以下三⼤核⼼场景

，为各⾏业带来效率提升和⽤户体验改善 智能客服

覆盖⾦融、

电商等⾼频领域

实现⾃动化问答和问题解决

提供⾼质量客户⽀持体验

⾏业专业助⼿

医疗问诊辅助

法律咨询建议

垂直领域专业辅助

办公效率⼯具

会议纪要⾃动⽣成

⽂档⾃动化处理

⽇程管理与提醒.

更多场景更多创新应⽤场景正在不断涌现 AI

Agent正从概念验证⾛向规模化应⽤

，为各⾏业带来实际业务价值

教育领域

政务领域

⼯业领域定制化解决⽅案已进⼊规模化试点阶段智能学习辅助⼯具提升学习体验⽣产优化与智能决策系统认识

主流AIAgent工具智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28国内主流AI

Agent平台⽐较各平台在功能特点、适⽤场景和背后企业⽀持上存在差异

，选择合适的平台对Agent开发⾄关重要适合：连锁餐厅智能点餐、本地⽣活适合：企业级应⽤

、微信⽣态内服务适合：教育、科研、专业领域应⽤适合：模型开发者、学术研究、社区服务等场景参与字节跳动·扣⼦

⼀站式AI智能体开发平台

零代码/低代码模式

灵活的⼯作流设计腾讯·元器智能体

腾讯云原⽣平台

企业级应⽤⽀持

微信⽣态整合百度·⽂⼼智能体

基于⽂⼼⼤模型

图像识别能⼒强

可对接百度地图智谱清⾔智能体

多模态交互能⼒

知识库管理

推理能⼒阿⾥·魔搭社区 ModelScope平台

模型开放⽣态

社区驱动发展 选择平台时应考虑：项⽬需求、技术复杂度、集成需求、预算限制等因素适合：快速创建基于⼤模型的各类AI

应⽤，⾮技术背景⼈员 案例⼆：连锁餐厅智能点餐助⼿ 需求：识别菜品图⽚

、推荐套餐、对接POS系统

选择：百度⽂⼼智能体

理由：

图像识别能⼒强

，可对接百度地图（

附近⻔店查询），开放API便于系统集成 案例⼀：校园社团活动策划助⼿

需求：

⾃动⽣成策划案、发布通知、收集报名

选择：Coze

理由：零代码开发适合⾮技术社团成员

，⽀持微信发布便于触

达成员

，活动策划模板丰富AI

Agent平台选择决策根据项⽬需求和特点

，选择合适的AIAgent开发平台

，能够显著提升开发效率和应⽤价值

功能需求平台提供的插件和模板是否满⾜项⽬需求

技术⻔槛零代码/低代码能⼒对⽤户友好度

集成能⼒与现有系统的API对接和数据交换能⼒根据项⽬特点选择合适的平台

，能够显著提升开发效率和应⽤价值

平台选择关键因素认识

5.4AIAgent发展趋势智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28认识AIAgent技术发展趋势智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28多模态融合能⼒增强

从单⼀⽂本交互向"⽂本+图像+语⾳+视频"多模态交互发展 百度⽂⼼⼀⾔4.0⽀持"输⼊⽂本⽣成3D场

景"

阿⾥通义千问⽀持视频内容理解 智能车载系统能同时处理语⾳指令和路况图像群体智能（SwarmIntelligence）兴起

多个AI

Agent协同⼯作

，形成"Agent社会" 主Agent负责任务分解与结果整合 专业Agent负责具体领域任务

医疗诊断系统中

，影像、病理、治疗规划

Agent协同⼯作⾃主决策能⼒提升

从"被动执⾏

"向"主动规划"升级

强化学习（

RL）

与⼤语⾔模型（

LLM）结合 DeepMind的AlphaCode2能⾃主编写复

杂代码 智能投资Agent能应对市场突变⾃主调仓AI

Agent技术发展趋势

这些技术趋势将极⼤拓展AI

Agent的应⽤边界和智能化⽔平

多模态融合定义多模态融合是指AIAgent从单—⽂本交互向"⽂本+图像+语⾳+视频"等多模态交互发展的趋势

，使Agent能够更全⾯地感知和理解世界。 典型案例 百度⽂⼼—⾔4.0⽀持"输⼊⽂本⽣成3D场景"

阿⾥通义千问⽀持视频内容理解 智能车载系统能同时处理语⾳指令和路况图像多模态融合能⼒增强从单⼀⽂本交互向多模态交互发展⽂本

⽂本+图像

⽂本+图像+语⾳未来

，AIAgent将更⾃然地融⼊物理世界

，在

⼈机交互、智能服务和创新应⽤等⽅⾯带来⾰

命性变化

，提供更全⾯

、直观的⽤户体验。

多模态融合使AI

Agent能够更全⾯地感知环境

，实现更⾃然的⼈机交互体验⽂本+图像+语

⾳+视频

潜在影响技术突破

强化学习（

RL）

与⼤语⾔模型（

LLM）结

合实现基于⽬标和环境的动态决策 DeepMind的AlphaCode2能⾃主编写复杂代码的Agent应⽤案例

智能投资Agent能应对市场突变⾃主调仓

应急救援Agent能制定灾害响应⽅案未来潜⼒

复杂问题解决⾃主规划最优解决⽅案

⾃主学习优化持续提升决策质量⾃主决策能⼒提升AI

Agent从"被动执⾏

"向"主动规划"升级

，具备解决复杂问题的能⼒

⾃主决策流程执⾏决策⽅案规划反馈优化⽬标设定

典型架构

主智能体：负责任务分解与结果整合

，相当于团队经理

专业智能体：负责具体领域任务

，如市场分析、财务分析等 通信模块：负责智能体间对话与协作群体智能的兴起群体智能是指多个AI

Agent协同⼯作

，形成"Agent社会"以完成更复杂任务的智能模式医疗诊断系统中

，多个智能体协同⼯作：

影像分析Agent：分析医疗影像

病理分析Agent：分析病理数据

治疗规划Agent：制定综合治疗⽅案

群体智能的优势

解决复杂问题的能⼒

动态适应环境变化

应⽤场景

更⾼的可靠性认识AIAgent的商业与社会影响智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28

"Agent即服务"模式

(AaaS) 服务化封装：企业将特定功能的AIAgent封装为服务

按需调⽤：

⽤户可以根据需求随时调⽤或订阅这些服务

类似SaaS模式：与当前的软件即服务模式有相似之处

，但更专注于智

能体功能

灵活部署：⽀持多种部署⽅式

，包括云部署、本地部署等

智能体平台⽣态 连接多⽅参与者：连接AIAgent开发者、使⽤者和服务提供者 促进应⽤开发和交易：提供开发⼯具和交易市场

，促进应⽤创新 形成繁荣市场：构建完整的AIAgent产业链

，创造新的商业价值 开放⽣态系统：通过开放API和标准

，促进更多创新和集成商业模式的创新探索AIAgent正在催⽣新的商业模式

，创造更灵活、⾼效的商业⽣态系统 AI

Agent正推动商业模式从产品向服务、从封闭向开放的转变

多Agent协作的技术挑战 通信协调难题：Agent间有效通信与任务协调机制复杂

，需解决时

序、

同步与冲突问题 决策⼀致性：

多个Agent针对同⼀问题可能产⽣不同决策

，需建⽴共

识机制 任务分解与分配：智能地将复杂任务分解并分配给合适Agent

，确保

整体效率 持续学习与优化：Agent群体需要不断从交互中学习

，优化协作策略

与分⼯

数据价值与隐私保护平衡

隐私优先设计：AIAgent设计需优先保障⽤户隐私和数据安全

，采⽤

隐私计算等技术 合规前提下价值挖掘：在遵守数据保护法规前提下

，通过AI技术更有

效地挖掘数据价值 ⽤户控制权：平衡数据价值挖掘与⽤户数据控制权

，提供透明的数据

使⽤政策veeu多⽅共嬴：构建⽤户、企业与监管机构认可的数据价值⽣态

，实现多

⽅共赢

关键洞察Agent未来发展的关键挑战

，需要技术创新与伦理

框架共同推进智能体协同与数据价值多Agent协作与数据价值平衡是AI服务可及性提升AIAgent通过降低服务边际成本

，使满⾜个性化或⼩众需求的服务在经济上更具可⾏性

降低边际成本

信息咨询类服务成本降低

基础流程⾃动化服务成本降低

标准化服务流程优化 个性化服务可及

⼩众需求服务经济可⾏

个性化推荐和定制服务普及

⻓尾服务市场被激活

经济影响

服务触达更⼴泛⽤户群体

降低服务提供者运营成本

促进服务市场多元化发展 AIAgent使满⾜个性化需求的服务在经济上更具可⾏性

，推动服务⺠主化和普惠化

定制化医疗⽅案

个性化艺术创作

个⼈化⾦融咨询

专业领域顾问个性化教育资源⼩语种翻译服务

典型应⽤场景医疗

应⽤⽅向辅助诊断、个性化治疗⽅案

潜在影响提升诊疗效率和准确性传统⾏业的智能化转型AI

Agent技术为传统⾏业带来的变⾰与影响

⾦融

应⽤⽅向智能投资顾问、风险评估

潜在影响优化投资决策

，提升风险管理能⼒

服务业

应⽤⽅向智能客服、个性化推荐

潜在影响提升客户满意度

，优化服务体验

制造业

应⽤⽅向预测性维护、供应链优化

潜在影响提升⽣产效率

，降低运营成本精准种植监测、病⾍害预警

潜在影响提⾼农作物产量

，减少资源浪费个性化学习路径、智能辅导

潜在影响提升学习效率

，实现个性化教育AI

Agent正推动传统⾏业向智能化、

⾃动化⽅向转型

，创造新的价值农业

应⽤⽅向教育

应⽤⽅向

价值链优化AIAgent作为信息处理和⾃动化节点

，能在特定环节优化价值链效率

，影响

价值分配逻辑

组织结构变⾰企业组织架构和管理模式需要探索如何有效整合AIAgent

，发挥其效能⼈类策略制定、创造性思维、情感沟通、复杂决策监督伴随AIAgent的应⽤，预计会产⽣对AI应⽤训练师/优化师、AI伦理与治理专

家、⼈机交互设计师等新技能⼈才的需求⼈机协作模式将使⼈类更侧重于创造性思考和决策监督

，⽽AIAgent则提供

数据分析和决策⽀持AI

Agent数据处理、模式识别、

⾃动化执⾏

、决策⽀持⼈机协作新模式66未来的⼯作模式将更强调⼈类与AI

Agent的优势互补互补协作

新兴职业需求

智能辅助决策组织结构与价值链变⾰企业组织架构和价值链正⾯临AI

Agent带来的深刻变⾰

，需要重新思考⼈机协作模式

价值链变⾰影响效率优化AI

Agent在特定环节优化价值链效率

，如数据处理、模式识别和⾃动化执⾏

，提⾼整体运

营效率创新业务模式AI

Agent促进商业模式创新

，如"Agent即服务"（AaaS）

模式和智能体平台⽣态的出现决策与执⾏分离⼈类侧重策略制定、创造性思维和复杂决策监督

，AI

Agent承担数据处理与⾃动化执⾏价值分配逻辑变化AI

Agent参与后

，价值创造与分配⽅式发⽣变化

，需要重新思考各环节的价值贡献组织适应性调整企业需要探索如何有效整合AI

Agent

，发挥其在特定环节的优势

，调整管理流程跨职能协作增强AI

Agent作为信息处理和⾃动化节点

，促进不同职能间的协作与价值创造 AI

Agent不仅提升效率

，更重塑了⼈机协作模式与价值分配逻辑

组织架构调整AI

Agent价值创造数据处理⼈类决策

AI伦理与治理专家关注AIAgent应⽤中的伦理问题

，确保技术发展符合社会期望和法规要求。

制定AI应⽤的伦理准则与标准 评估Agent决策的公平性与偏见

建⽴透明可追溯的AI治理框架

AI应⽤训练师/优化师负责AIAgent的训练、调优和持续优化

，提

升智能体的性能和适应能⼒。

设计训练数据集与优化⽅案 监控Agent表现并迭代改进 解决Agent应⽤中的实际问题

⼈机交互设计师设计⼈类与AIAgent交互的界⾯和体验

，优

化沟通效率和⽤户满意度。 创建直观的Agent交互界⾯

设计⾃然语⾔交互流程与体验

平衡技术功能与⽤户体验新兴职业需求AIAgent应⽤带来的新职业机会

随着AI

Agent技术的普及

，这些新兴职业将为专业⼈才提供⼴阔的发展空间 核⼼能⼒聚焦教育应更加重视培养批判性思维、创造性解决问题能⼒

、系统性思维以及有

效与AI⼯具协作的能⼒。

批判性思维与创造性解决问题能⼒

⼈机协作与AI⼯具有效交互能⼒为适应技术快速迭代

，构建⽀持持续技能更新的终⾝学习体系和认可多元化

学习成果的微证书/技能认证制度变得⽇益重要。

构建⽀持持续技能更新的终⾝学习体系

发展微证书与技能认证制度教育内容需加强跨学科整合和解决复杂现实问题的能⼒培养

，以应对AI时代

的需求。

打破学科壁垒

，促进知识交叉融合

培养系统性思维和复杂问题解决能⼒在基础设施和资源保障前提下

，AIAgent有潜⼒辅助个性化教学和资源推

荐

，助⼒缩⼩教育差距。

个性化学习路径与资源适配

缩⼩教育资源差距AIAgent技术有望为学习者提供更个性化的学习路径建议和资源适配

，但实现依赖于公平的访问和技术设计。教育与⼈才培养

技术促进教育公平

跨学科融合趋势

终⾝学习机制

终⾝学习机制技术快速迭代AI领域技术发展迅速

，⼈才培养需适应技术快速迭代的特性

微证书/技能认证构建认可多元化学习成果的微证书/技能认证制度

，适应跨学科、终⾝学习趋势 持续技能更新建⽴⽀持持续技能更新的终⾝学习体系

，帮助学习者不断适应新知识和技能需求

跨学科融合加强跨学科整合和解决复杂现实问题的能⼒培养

，适应AI时代需求亟教育公平潜⼒ 个性化学习⽀持AI

Agent技术为学习者提供更个性化的学习路径建议和资源适配

辅助教学AI

Agent有潜⼒辅助个性化教学和资源推荐

，缩⼩教育差距

公平的访问教育公平的实现依赖于公平的访问和技术设计

，AI

Agent可助⼒缩⼩数字鸿沟

批判性思维培养在AI时代

，培养批判性思维、创造性解决问题能⼒⽐以往任何时候都更加重要终⾝学习机制与教育公平 AI

Agent技术促进教育公平的潜⼒巨⼤

，但实现依赖于基础设施建设、

资源保障和技术设计项目测试1.单Agent架构中，负责将决策结果转化为具体行动的模块是（）A.感知模块B.决策模块C.执行模块D.记忆模块2.以下哪项不属于多Agent系统的关键特性（）A.自主性B.单调性C.交互性D.涌现性3.混合架构的分层设计中，负责整体目标规划的是（）A.局部执行层B.区域协作层C.全局协调层D.个体决策层

通过本课程学习

，你将全⾯掌握AI

Agent的核⼼知识与实践技能认识

拓展练习智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28通过四⼤模块的协同⼯作

，校园导航Agent能够为⽤户提供智能化、个性化的校园导航服务趋势影响分析：选择一个你关注的职业（如教师、医生、程序员），分析AIAgent可能带来的影响，采用SWOT分析方式

劣势

(Weaknesses) 情感缺失：⽆法替代教师与学⽣的情感连接 创造⼒受限：缺乏真正创新性的教学设计 过度依赖：可能降低教师的教学主动性.

威胁

(Threats) 就业替代：智能Agent可能取代教师部分⼯作 技术障碍：教师可能⾯临技术适应困难 数据安全：学⽣数据收集与隐私保护问题.

优势

(Strengths) 智能辅助：减轻备课、批改作业负担 个性化教学：根据学⽣特点提供定制化学习路径 资源丰富：提供⼤量教学素材和互动内容机会(Opportunities) 教学创新：探索⼈机协作的新型教学模式 专业发展：教师可专注于创造性教学和学⽣指导 资源优化：更有效地分配教师资源到⾼价值领域SWOT分析：AI

Agent对教师职业的影响 SWOT分析帮助我们全⾯评估AI

Agent对职业影响的多⾯性通过四⼤模块的协同⼯作

，校园导航Agent能够为⽤户提供智能化、个性化的校园导航服务技能准备：为适应AIAgent时代，大学生应该培养哪些关键技能？作为老师制定给学生制定学习计划，包括：技术理解能力（如学习AI基础知识）工具使用能力（如掌握Coze等平台）◦创造性思维（如跨学科项目实践）伦理判断能力（如AI应用的社会影响评估）AI

Agent时代⼤学⽣核⼼技能培养在AIAgent时代

，⼤学⽣需要培养以下四⼤核⼼能⼒

，

以适应智能时代的挑战与机遇技术理解能⼒

掌握AI基础知识

，理解智能体的⼯作原理

了解⼤模型、强化学习等核⼼技术

通过实践项⽬

（如Coze平台开发）巩固技术认知⼯具使⽤能⼒ 熟练掌握Coze等智能体开发平台 能够使⽤提⽰词设计优化智能体交互体验

熟悉⼯作流设计和知识库构建⽅法创造性思维跨学科项⽬实践

，融合AI与专业领域知识创新性解决⽅案设计

，如校园导航Agent

批判性思考与系统性思维能⼒培养伦理判断能⼒

AI应⽤的社会影响评估

，如隐私与安全 智能体决策的道德考量与责任担当

⼈机协作中的价值平衡与判断这些能⼒将帮助⼤学⽣在AI

Agent时代更好地适应、创新和成⻓认识5.5AIAgent架构模式全貌智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28Agent架构模式概述AIAgent架构模式决定了系统的组织结构和运⾏机制

，不同场景下适⽤不同的架构模式

由多个相互作⽤

、相互协作的智能体组成的系统

每个智能体都是⼀个相对独⽴的实体

，具有⾃⼰的

⽬标、知识和能⼒

通过通信和协作完成复杂任务

分⼯合作、优势互补

，能够解决单⼀智能体难以处

理的复杂问题

结合两种或多种基本架构模式的组合架构

通过模块化设计将复杂问题分解为多个⼦任务

每个⼦任务由专⻔的单Agent处理

通过上层协调机制实现Agent间的协作

扬⻓避短

，满⾜复杂应⽤场景的多样化需求基础也最常⽤的架构模式⽤于需要在相对独⽴环境中完成特定任务的场景

智能⼿机上的个⼈助理到⼯业设备上的监控系统

简洁、

⾼效和易于实现的特点⼴泛应⽤于各种场

多Agent架构

选择合适的架构模式是AI

Agent设计的关键单Agent架构

混合架构最

适

从以

景认识

单Agent架构智能时代的核⼼驱动⼒

AI智能体开发课程

2025-08-28

主要类型

⾃主规划型：智能体⾃主思考并规划⾏动策略

对话流型：严格按照预设对话流执⾏

，⽀持多轮对话

混合型：结合⾃主规划与对话流

，根据场景灵活切换

设计⽅法 任务分解：将复杂⽬标拆分为可执⾏的⼦任务 资源分配：为⼦任务分配必要的计算资源和⼯具权限 冲突解决：设计机制协调不同⼦任务间的资源竞争单Agent架构是AIAgent最基础