智能体是什么

AI 智能体（Agent） 不是更大的 Chat 窗口，而是 「感知 → 决策 → 行动 → 观察」的循环：模型根据目标选择工具、读取外部信息、再决定下一步。与 ai-coding-essentials 里「补全一行、改一个 PR」不同，Agent 面向 多步任务与外部世界——查文档、调 API、写文件、等人批准。

学习目标

• 说清 Agent 循环与单次对话的本质区别
• 区分 Agent 与 Copilot 补全、Cursor Agent 改仓的边界
• 理解本 track 在 CodeRoadMap AI 学习路径中的位置

Agent 循环

典型一轮：

用户目标 → LLM 规划 → 调用工具（函数/MCP/检索）
         → 观察结果 → 再规划 → … → 交付或请求人工

环节	做什么	常见失败
规划	拆子任务、选工具	步骤遗漏、工具选错
行动	function calling、查向量库	参数幻觉、超时
观察	把工具返回写回上下文	误读 JSON、忽略错误码
终止	输出答案或 escalate	过早结束、无限循环

关键：Agent 的「行动」必须接到 真实系统；没有工具注册与权限边界，就只是会编故事的 Chat。

与 ai-coding 的分工

维度	ai-coding-essentials	本 track
目标	提速写码、审查、Git 纪律	连接工具与知识库
典型输出	diff、测试、draft	检索片段 + 结构化 JSON + API 调用
风险	改错文件、漏测	越权调用、泄露上下文、错误引用

你已会用 Cursor 写讲义 draft；本 track 教 如何让 Agent 可靠地「查站内知识再回答」，而不是凭训练数据猜 /tracks/... 链接。

路线图节点

对应 AI Agents / function calling / RAG / MCP 节点。建议顺序：先 ai-intro 建立「人审责任」，再学 Agent 机制；工程落地可衔接 ai-engineering-essentials。

练习

• 画一张 Agent 循环图，标出「规划 / 工具 / 观察」三步
• 列举一个适合 Agent、一个只适合对话的任务，并说明理由
• 阅读 ai-llm，复述「幻觉」对 Agent 的影响