学习笔记|大模型智能体 Agent:从聊天到自主完成任务
- 2026-11-17 18:03:17
什么是大模型智能体?简单说,它不只是会输出文字的大模型,而是一套带闭环的系统,核心四要素:感知、规划、工具调用、记忆。
- 感知
:接收环境信息,读取文件、拿到工具返回结果、理解我的目标; - 规划
:把一个复杂任务拆成多步子任务,经典范式有 ReAct(推理 + 行动循环,边做边思考调整)、Plan-and-Solve(先整体规划,再分步执行,失败后重规划); - 工具调用
:连接外部能力,代码解释器、文件读写、数据库、检索都属于工具; - 记忆
:分短时上下文记忆和长时记忆,记住任务历史、中间结果,不会每一步都从头开始。 再加一个反思模块,做完一步看结果对不对,不对就修正方案,这就是 Agent 和普通大模型最本质的差别:对话模型是一问一答,Agent 是接到目标之后自主循环推进,直到交付结果腾讯云。
很多人容易把对话大模型、Copilot、智能体混在一起,这周对比阅读之后,我整理了三者的边界: ✅ 普通对话大模型:被动响应,你问一句它回一句,大多只做文本生成,没有自主规划,很少主动调用工具,任务断了就停。适合答疑、写文案,不适合长流程工程任务。 ✅ Copilot(副驾驶):辅助型,人主导决策。AI 给建议、补代码、生成草稿,每一步都要我确认、我来操作。比如代码补全、文档侧边辅助,是 “人来做,AI 搭把手”。 ✅ WorkBuddy 这类任务型智能体:我只给最终目标,它自主拆解、规划、调用工具、读写文件、迭代执行,中间步骤自己跑,最后交付可验收成果(报告、数据集、代码工程、分析表格)。人只负责定目标、看最终结果,而不是一步步指挥。一句话区分:Copilot 是你决策,AI 辅助;Agent 是你定目标,AI 自主执行。

聊下 WorkBuddy 为什么叫智能体,而不是普通聊天工具: 它的定位是面向开发、办公、实训的任务型智能体,不是通用对话模型。 普通 AI 聊天工具只负责回答问题、给思路;但 WorkBuddy 自带完整 Agent 闭环:感知本地文件、理解复杂任务、自动拆分步骤、调用内置工具、保留任务记忆,遇到异常还可以调整计划,端到端交付成品。比如一句指令 “整理实训数据集、清洗、生成分析报告并画图”,它不用我分步提示,自己走完整套流程。它的设计目标不是陪聊,而是把多步骤、跨工具的工程类、办公类任务自动化,适合实训、开发、文档处理这类确定性任务场景,有明确的任务边界、可控的执行沙箱,是面向落地的专用智能体工作台腾讯云。

结合我们计应专业,我也在思考智能体可以解决哪些典型工程问题:
实训自动化:自动读取实训文档、生成 eNSP 拓扑配置、执行代码、抓取运行日志、整理实训报告; 数据库相关:自动生成 SQL、连接达梦 / MySQL、做数据清洗、导出报表、异常校验; 毕设辅助:需求拆解、架构梳理、代码批量生成、单元测试、文档自动撰写; 运维和应急:日志检索、简单故障排查、巡检脚本生成; 题库、考核系统:自动解析题目、批改、生成解析,搭建任务驱动的考核智能体。
当然学习下来也看到现在智能体明显的局限:容易幻觉、复杂任务规划容易跑偏、工具调用出错之后的自修复能力有限、长任务容易偏离目标,同时安全和权限管控是绕不开的点。
这周先把基础范式、组件、三者边界吃透,后面再慢慢搭原型、调试工具链。从 “让 AI 回答” 到 “让 AI 干活”,这个范式转变,确实值得好好深挖。