第一章：AI Agent 概述 —— 从零认识智能体

1.1 什么是 AI Agent？

一句话理解： AI Agent（智能体）就是一个能自主思考、做决策、执行动作的 AI 程序。

你可以把它想象成一个"超级实习生"：

普通聊天 AI	AI Agent
你问一句，它答一句	你给一个目标，它自己拆分步骤去完成
只能聊天	能调用工具、读写文件、搜索网页、操作数据库……
没有记忆	有记忆系统，能记住之前的对话和任务状态
被动响应	主动规划，遇到问题会自行调整策略

举个例子

普通 AI 聊天：

你：帮我查一下北京明天的天气
AI：北京明天晴，气温 15-25°C

AI Agent：

你：帮我规划明天北京一日游
Agent 思考：我需要 → ①查天气 → ②根据天气推荐景点 → ③查交通路线 → ④生成行程表
Agent 执行：调用天气API → 搜索景点信息 → 调用地图API → 整合输出完整方案

1.2 AI Agent 的核心组成

一个完整的 AI Agent 通常包含以下几个核心模块：

┌────────────────────────────────────────────┐
│                  AI Agent                  │
│                                            │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  │
│  │ 大脑     │  │ 工具     │  │ 记忆     │  │
│  │ (LLM)    │  │ (Tools)  │  │ (Memory) │  │
│  └──────────┘  └──────────┘  └──────────┘  │
│                                            │
│  ┌──────────┐  ┌──────────┐                │
│  │ 规划     │  │ 感知     │                │
│  │(Planning)│  │(Perceive)│                │
│  └──────────┘  └──────────┘                │
└────────────────────────────────────────────┘

1. 🧠 大脑（LLM - 大语言模型）

Agent 的核心决策引擎。负责理解用户意图、推理分析、生成回复。常见的有：

OpenAI GPT-5 / GPT-4o — 综合能力最强
Claude Opus 4.6 / Sonnet 4 — 推理和代码能力出色
Google Gemini 2.5 — 多模态能力强大
开源模型：Llama 3.3、Qwen 2.5、DeepSeek — 可本地部署

2. 🔧 工具（Tools）

Agent 的"手"，让它能与外部世界交互：

搜索引擎（Google、Bing）
数据库读写
文件操作
API 调用（天气、地图、邮件……）
代码执行
浏览器操作

3. 💾 记忆（Memory）

Agent 的"笔记本"，分为：

短期记忆： 当前对话上下文
长期记忆： 跨会话的持久化信息（用户偏好、历史任务等）
工作记忆： 任务执行中的临时状态

4. 📋 规划（Planning）

Agent 的"大脑前额叶"，负责：

将复杂任务拆解为子任务
确定执行顺序
遇到失败时重新规划

5. 👁️ 感知（Perception）

Agent 的"五官"，负责理解输入：

文本理解
图像识别
语音识别
其他多模态输入

1.3 AI Agent 的工作流程

一个典型的 Agent 工作循环（也叫 Agent Loop）：

用户输入 → 感知理解 → 思考规划 → 选择动作 → 执行动作 → 观察结果 → 思考规划 → ... → 输出结果

用代码思维来理解：

javascript

async function agentLoop(userInput) {
  // 1. 感知：理解用户输入
  const task = understand(userInput);
  
  // 2. 初始化执行上下文
  const context = { task, history: [], memory: loadMemory() };
  
  // 3. Agent 循环
  while (!isTaskComplete(context)) {
    // 思考：分析当前状态，决定下一步
    const plan = await think(context);
    
    // 行动：选择并执行工具
    const action = selectAction(plan);
    const result = await executeAction(action);
    
    // 观察：将结果加入上下文
    context.history.push({ action, result });
    
    // 反思：评估是否需要调整计划
    await reflect(context);
  }
  
  // 4. 输出最终结果
  return generateResponse(context);
}

这就是著名的 ReAct（Reasoning + Acting） 模式：思考 → 行动 → 观察，循环往复。

1.4 AI Agent 的典型应用场景

场景	描述	示例
智能助手	个人/企业效率工具	Cursor、GitHub Copilot、Notion AI
客服机器人	自动处理客户问题	自动查订单、退换货处理
数据分析	自动分析数据并生成报告	自然语言查数据库、生成图表
自动化工作流	替代重复性工作	自动写周报、邮件分类处理
代码助手	辅助编程开发	代码生成、Bug 修复、Code Review
创意生成	内容创作辅助	文章撰写、视频脚本、设计方案

1.5 2025-2026 年 Agent 技术发展现状

当前趋势

MCP 协议（Model Context Protocol） — Anthropic 发布的开放标准，让 Agent 能标准化地连接各种工具和数据源
Computer Use / 浏览器操作 — Agent 可以直接操作电脑界面（Claude Computer Use、OpenAI Operator）
多 Agent 协作 — 多个 Agent 分工合作完成复杂任务（CrewAI、AutoGen、LangGraph）
本地化部署 — 小模型也能跑 Agent（Llama 3、Qwen 2.5、Phi-4）
Agent 即应用 — Agent 从后端走向前端产品化

JS/Node.js 生态中的 Agent 工具

作为 JS 开发者，你有很多可用的工具：

工具/框架	用途	特点
Mastra	Agent 全栈框架	TS 原生，Agent+Workflow+RAG+Memory+Evals
Vercel AI SDK	AI 应用开发	与 Next.js 深度集成
LangChain.js	Agent 开发框架	生态最全
OpenAI Agents SDK	多 Agent 编排	官方 Agent 编排方案
MCP SDK (TypeScript)	MCP 协议	官方 TypeScript SDK

1.6 本教程学习路径

本教程专为 JS/Electron 开发者设计，学习路径如下：

基础理论                          实战技能
────────                        ────────
第1章 AI Agent 概述         ←  你在这里 ⭐
第2章 大语言模型基础              学会调用 LLM API
第3章 提示词工程                 掌握与 AI 对话的技巧
第4章 Agent 核心架构              理解 Agent 内部原理
第5章 Function Calling            让 Agent 使用工具
第6章 RAG 检索增强生成            让 Agent 有知识库
第7章 记忆与上下文管理            让 Agent 有记忆
第8章 多 Agent 协作               让多个 Agent 协同工作
第9章 主流开发框架实战            Mastra / Vercel AI SDK / LangChain.js
第10章 Electron + Agent 实战      构建桌面 AI Agent 应用
第11章 安全、部署与优化           生产级最佳实践
第12章 前沿技术与资源             保持学习，跟进前沿

1.7 环境准备

在开始之前，确保你有以下环境：

必需

bash

# Node.js 18+ （推荐 20 LTS）
node --version

# npm 或 pnpm
npm --version

# Git
git --version

API Key 准备

你至少需要一个 LLM API Key（后续章节会详细讲解如何获取）：

OpenAI API Key — 最推荐，生态最成熟
或 Anthropic API Key — Claude 模型
或国内替代 — 智谱 AI、百度文心、通义千问等（均兼容 OpenAI 格式）

💡 提示： 如果暂时没有 API Key，可以先用 Ollama 在本地运行开源模型，完全免费。后面章节会介绍。

1.8 小结

本章你了解了：

✅ AI Agent 是什么：能自主思考和行动的 AI 程序
✅ Agent 的五大核心组件：大脑、工具、记忆、规划、感知
✅ Agent 的工作循环：思考 → 行动 → 观察
✅ 当前技术趋势：MCP、Computer Use、多 Agent、本地化
✅ JS 生态中的 Agent 开发工具
✅ 本教程的学习路径和环境准备

下一章我们将深入了解 AI Agent 的"大脑" —— 大语言模型（LLM），并动手写出第一行 AI 代码。

第一章：AI Agent 概述 —— 从零认识智能体 ​

1.1 什么是 AI Agent？ ​

举个例子 ​

1.2 AI Agent 的核心组成 ​

1. 🧠 大脑（LLM - 大语言模型） ​

2. 🔧 工具（Tools） ​

3. 💾 记忆（Memory） ​

4. 📋 规划（Planning） ​

5. 👁️ 感知（Perception） ​

1.3 AI Agent 的工作流程 ​

1.4 AI Agent 的典型应用场景 ​

1.5 2025-2026 年 Agent 技术发展现状 ​

当前趋势 ​

JS/Node.js 生态中的 Agent 工具 ​

1.6 本教程学习路径 ​

1.7 环境准备 ​

必需 ​

推荐安装 ​

API Key 准备 ​

1.8 小结 ​