Agent 是什么？
Agent 就是一个能“听得懂你说的话”，还能“自己去干活”的智能助手
案例：“帮我查一下今天北京的天气，再翻译成英文，发到我的邮箱”
Agent 流程：
- 理解意图
- 自动调用天气接口
- 调用翻译工具，把天气信息翻译成英文
- 查找用户信息获取邮箱地址
- 调用 email 工具，整理结果发给你
为什么需要 Agent？
案例：“我上周在京东买的耳机，怎么退货？”
- 普通大模型：讲一堆退货政策
- Agent：理解退货流程 → 查订单工具 → 帮你发起退货申请等（能给出确切操作）
大模型只是“说得好”，Agent 才是“说得好 + 做得到”
Agent 是怎么工作的？
用户提问 → 意图判断 → 选择工具 → 执行工具 → 把结果加工（语句自然通顺）→ 输出答案
Agent 的核心：感知（意图）→ 决策（用什么工具）→ 行动（调用工具）→ 反馈
Agent 能做什么？
智能生活助手：
- 用户：“我想去上海玩，查一下天气，再推荐两个景点”
- Agent：查天气 + 用模型推荐景点 + 整合一个旅游建议回复你
电商智能客服：
- 用户：“我想退货”
- Agent：自动查订单状态 → 看是否过了退货期 → 返回退货流程
文档问答助手：
- 用户：上传一个 PDF 合同，说：“这段关于违约金的内容讲了啥？”
- Agent：自动检索内容 → 提取重点 → 用通俗语言给你解释
AI 行程助手：
- 用户：“我明天 9 点开会，提前 30 分钟提醒我”
- Agent：存储信息 → 调用时间提醒工具 → 到点提醒你
总结：Agent 不只是聊天机器人，而是可以自主完成任务的虚拟执行者
Agent 核心组件
| 组件 | 作用 |
|---|---|
| 工具 Tool | 单个功能模块，如查天气、查汇率， 每个工具专注做一件事 |
| 代理类型 AgentType | 决定 Agent 如何”思考”和”推理”， 常见的有 ReAct（反应式推理） |
| 大语言模型 LLM | Agent 的大脑，负责理解和推理， 常用模型如 qwen-turbo |
| initialize_agent | 把大脑（LLM）和工具们组合起来， 生成一个能跑的智能助手 |
ReAct 架构
Agent = 带工具箱的智能助理
- Reason（思考）：模型在脑子里分析你要干嘛
- Act（行动）：模型调用一个工具，比如查天气
- ReAct 架构：就是“思考+行动”的循环