非技术背景但日常使用AI工具的必懂知识

AI代理(agent)的概念，目标受众是非技术背景但日常使用AI工具的人群。此篇文章分为三个部分：从理解大语言模型（LLM）、到AI工作流，最后理解AI代理，均通过贴近生活的例子来剖析，力求简明易懂，消除诸如“rag”“react”等术语的复杂感。

在第一级学习环节，介绍大语言模型（LLM）的基本功能和架构。主流聊天机器人（如ChatGPT、Google Gemini、Claude）都是基于LLM构建的，能生成和编辑文本。示例：用户输入一个请求（如写一封咖啡聊天邀请邮件），LLM根据训练数据输出文本。例如，向ChatGPT请求写一封礼貌的邮件，模型能做出优秀的文本生成。这揭示两个LLM的核心特征：

• 训练于大量公开数据，缺乏对私人或专有信息的访问权限（如用户日程或公司内部数据）。
• 被动响应，必须等待用户输入后才产生输出。

由此引入第二级——AI工作流（AI workflows）。举例解释，如果对模型预设规则：每次询问与个人事件相关的问题时，先查询Google日历再回应，那么模型即可正确回答“我的咖啡聊天什么时候？”这时，LLM不再孤立工作，而是受控于预先设定的路径（此即“控制逻辑”）。

但当问题变成“那天的天气如何？”时，模型仍会失败——因为预设路径只调用日历数据，未包括天气接口。进一步扩展工作流，第三方接口如天气API加入，同时可让文本转语音等，这依旧是多步骤的AI工作流，但关键点是：人仍旧是决策者，设定流程和规则，AI仅执行。

重点解释了“检索增强生成（RAG，Retrieval Augmented Generation）”的含义。RAG即AI模型回答前进行检索查询的技术流程，属于AI工作流的范畴，如访问日历或天气服务以补充信息。

现实案例：作者使用make.com构建了多步骤AI工作流，包含以下步骤：

此范例体现AI工作流的典型特征：预设明确、顺序固定、人工负责迭代优化（如修改提示词以获得更满意结果）。

进入第三级——AI代理（AI agents）的概念剖析。继续以发布社交媒体内容为例，当前工作流中：

• 人类是决策者：制定收集、摘要、发布的逻辑顺序。
• 人类执行具体操作：查找新闻、撰写提示词、判断结果好坏。

核心区别在于：若将“决策”的职责由人类转给LLM，该系统即成为AI代理。AI代理必须同时具备：

• 推理能力：自己判断信息收集与处理的最优方案。
• 执行能力：借助外部工具自主完成任务。

示例中的推理过程：

这体现了代理对工具选择的自主判断。

介绍AI代理的核心框架之一——React框架，其本质是AI代理必须完成：

• Reasoning（推理）
• Acting（执行）

此外，AI代理的第三大特征是自主迭代优化。不同于人类手动修改提示，AI代理能够自动：

• 评估输出（如草拟的LinkedIn帖子）
• 自我批评，调用其他LLM模块进行改进
• 循环迭代直到满足预定义标准（如符合LinkedIn最佳实践）

此过程极大提升效率和输出质量。

介绍AI代理的真实案例——Andrew创建的AI视觉代理演示：

• 任务：在视频中识别关键词“滑雪者(skier)”。
• 方法：AI先推理滑雪者的定义（“滑雪板上快速滑行的人”）。
• 执行：AI扫描视频片段，标记可能包含滑雪者的片段，建立索引。
• 输出：返回包含滑雪者的相关视频剪辑。

对比传统方法，AI代理免除了人工标注和筛选，使视频搜索更高效。虽技术复杂，但前端UI让用户体验简洁、直观。

总结今日三个层级的简化模型如下：

本质区别在于：AI代理不仅执行，还具备决策和自主改进能力。

关键洞见总结

• 大语言模型（LLM）是AI系统的基础，但仅能被动处理一般文本任务。
• AI工作流通过人为设计路径，扩展LLM能力，整合外部数据和工具，但决策权仍属人类。
• AI代理具备自主推理、行动和自我迭代，能替代人类在复杂工作流中的决策角色，实现更智能自动化。
• React框架是实现AI代理的典型构架，强调Reasoning（推理）和Acting（行动）的循环。
• 检索增强生成（RAG）是AI工作流中常见的步骤，但RAG本身不是AI代理，而只是辅助路径。
• 实际案例和工具（如make.com、Perplexity、Claude）证明AI代理和工作流的强大应用价值。
  

此文章对非技术人员的AI代理理解和入门极具指导意义，剖析清晰，易于实践。