智能体
核心事实
时间轴 (近 90 天)
智能体使用的token大约是普通对话的4倍，而多智能体系统大约是15倍。
OpenAI的智能体指南将智能体定义为“代表你独立完成任务的系统”。
智能体的护栏包括轮次上限、只允许在沙箱内操作、敏感动作（取消订单、付款、删除）一律暂停并转交人类。
按OpenAI指南的拆解，一个智能体由三个组件构成：模型（负责推理和决策的LLM）、工具（用于行动的函数和API）、指令（定义行为方式的准则与护栏）。
据一项基准测试，让智能体在零售和航空客服场景中按规则和数据库完成任务，当时表现最好的模型正确率不到一半。
Google在其白皮书中将智能体定义为“通过观察世界并借助可用工具对世界采取行动、以达成目标的应用”。
当前智能体技术在开放环境下的可靠性和泛化能力是主要瓶颈。
智能体是感知环境并作用于环境的实体；在LLM时代，这一循环具体化为智能体处于环境中，通过观察获取状态信息，通过工具执行动作，动作改变环境后产生新的观察，如此往复。
一位用户表示其智能体（agent）已无法获取任何带有相关信息的 Reddit 帖子。
该系统的一个关键设计原则是：律师对所有法律事务保留签字权，智能体只负责流程性、重复性的前台工作。
还有 40 条时间轴事件
全部知识事实 (20)
AI评估对象分为大语言模型评估、知识库（RAG）评估、智能体（Agent）评估三层，且呈知识度和复杂度递增的递进关系
80%已验证AI智能体具备三个关键能力：任务规划、工具调用、记忆与上下文管理
80%已验证AI Agent是一种能够自主感知环境、做出决策并执行操作的人工智能系统，与传统AI聊天机器人不同，它具有目标导向性、自主规划能力和调用外部工具的能力
80%已验证AI与过往技术的不同之处在于它具备前所未有的渗透力与自主性，能自主生成决策、生产内容、驱动行为
80%已验证智能体是围绕生成模型构建的系统，能根据目标规划步骤、调用外部工具、观察结果并迭代调整。
75%已验证常驻智能体的技术实现通常依赖持久化记忆、工具调用能力以及任务调度机制等核心组件
75%已验证智能体的延迟与成本随工具调用次数线性甚至超线性增长
75%已验证对于机械重复消耗时间的任务应交给 AI，对于需要深度理解、塑造判断力、构建核心能力的事情应亲力亲为
75%已验证智能体的本质是让模型具备规划、工具调用、多步推理和环境交互能力
75%已验证RAG（检索增强生成）是一种结合信息检索与生成式大模型的架构范式，模型生成答案前先根据用户查询从外部知识库检索最相关的文档片段，再将其作为上下文注入模型
70%已验证智能体循环遵循「推理-行动-观察」范式，反复迭代直到达成目标或触及停止条件
70%已验证业界经典公式：Agent = LLM + Planning（规划）+ Memory（记忆）+ Tools（工具使用）
70%已验证文章作者认为智能体时代的核心竞争力在于能否把专业经验与AI能力深度结合，而非会用多少工具
70%已验证AI体系可拆为四层：底层是大模型（如DeepSeek、ChatGPT），其上是Harness，再往上是智能体，顶层是WorkBuddy这类智能体平台。
65%已验证智能体核心机制是：模型发出工具调用请求→代码运行工具→执行结果回传给模型→模型决定下一步的闭环
65%已验证模型本身从不运行代码，它只写出调用工具的请求，真正执行工具的是外部代码
65%已验证具身智能是指将智能系统嵌入拥有物理身体、能够与真实环境直接交互的机器人或智能体中的研究方向
65%已验证智能体产品可归为专业智能体、通用智能体、平台搭建型智能体三类
65%已验证判断一个智能体需求是否成立可依据任务是否结构清晰、数据是否可控、结果是否可验收
65%已验证高阶智能体引入了 ReAct（推理+行动）或多步规划能力，能自行分解目标、动态选择工具、根据中间结果调整后续步骤
65%