智能体
核心事实
时间轴 (近 90 天)
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。
格雷兹认为智能体类别的用户已有数百万、遍及全球，但还处在普及的很早期，可能需6到18个月让大多数人先自己感受到AI的魔力，再考虑公司内部落地，而企业落地比iPhone更复杂，因为智能体需要访问数据和支撑业务的API。
智能体工程难点在于工具调用失败的处理、死循环的终止条件、以及多步任务的可靠性评估。
在智能体场景下，评估还需考虑多轮对话的上下文一致性、工具调用的正确率以及任务完成率等指标。
智能体通常包含角色设定、可用工具清单、任务编排逻辑以及终止条件。
WxCrop以智能体形式提供服务，用户可询问每个作物组的损失占预期季节产值的比例，且每个数字都附带来源。
大模型（LLM）本身只输出文本，不能直接操作电脑；智能体（Agent）是在大模型之上构建的系统框架，包含工具调用、记忆管理、任务规划、执行环境等模块。
智能体的行为由系统提示词、工具描述和少量示例共同决定，业务规则变化往往需要同步修改多份提示词
智能体的可靠性问题催生了「人在环路（human-in-the-loop）」授权设计、操作前确认机制及沙箱化执行环境。
智能体常常自信地声称问题在某处，但查看实际工具调用记录会发现它根本没读受影响的代码，这种幻觉是信任崩塌的起点。
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%已验证一个AI系统涉及数据提供方、模型训练方、微调者、部署平台、终端用户等多个环节，责任链条比枪支复杂
65%