想象你有个24小时待命的虚拟员工，能自己观察环境、思考对策、调用工具完成任务，这就是智能体。
- 和传统AI的区别：传统AI像机器，只能按固定流程执行命令；而Agent更像真人，能灵活应对复杂情况。比如，它能根据用户需求自动分解任务（比如订机票→查天气→推荐行程），还能调用数据库、计算工具等。
- 核心能力：记性好（长期记忆+短期记忆）、会做计划、能调用工具（比如查资料、发邮件）。
二、LLM（大语言模型）——AI的"学霸大脑"
LLM就是ChatGPT这类大模型，本质是一个超级语言学霸。
- 能力：通过“九年义务教育”（海量文本预训练）学会基础语言规律，再通过“专业培训”（微调）掌握具体技能，比如写代码、翻译、写诗。
- 缺点：像学霸没复习过某科考试就会瞎蒙（遇到训练数据外的知识容易“胡说八道”，业内叫幻觉）。
三、RAG（检索增强生成）——给AI配个"随身资料库"
为了解决LLM的“幻觉”问题，RAG相当于给AI装了个外接硬盘，存满企业或个人的专属知识。
- 怎么用：每次回答问题前，先查资料库（比如产品手册、内部文档），再把相关内容喂给LLM参考。
- 好处：减少AI瞎编的概率，还能像论文一样标注引用来源。比如客服AI遇到冷门问题，能快速查公司最新政策再回答。
四、提示词工程——和AI沟通的"说话艺术"
想让AI好好干活，关键得会“下指令”。
- 反面例子：“帮我写个旅游攻略”（太模糊）→ AI可能写一堆废话。
- 正确姿势：“生成一份3天北京行程，包含故宫、长城，每天预算500元，推荐人均50元的老北京餐馆，附地址和招牌菜”。
- 秘诀：明确任务（做什么）、具体对象（对什么做）、给参考样例、定格式要求。
想象你要开发一个“旅游规划AI”：
- LLM是大脑，负责理解用户需求、生成文本；
- RAG提供最新景点和餐厅数据，避免推荐已关闭的店铺；
- Agent协调整个流程：先查天气，再调地图API算路线，最后用LLM生成行程；
- 提示词则是你给AI的详细需求文档，确保输出符合预期。
