Appearance
LLM 与 Agent 的关系
在知识图谱中的位置：模块一 · 01_基础概念 · 第 2 节 难度：⭐⭐⭐ | 前置知识：基础 LLM 知识
1. 概述
LLM（大语言模型）是 Agent 的「大脑」，但 LLM ≠ Agent。理解两者的关系是掌握 Agent 技术的关键。
2. 核心概念
2.1 LLM 是什么
大语言模型本质是一个概率文本生成器：给定上下文输入，输出下一个词的概率分布。
局限：
- 知识截止于训练数据，无法获取实时信息
- 无法直接操作外部系统
- 没有持久记忆（仅靠上下文窗口）
- 可能有幻觉
2.2 Agent = LLM + 工具 + 记忆 + 规划 + 反思
2.3 LLM → Agent 的跃迁路径
| 阶段 | 描述 | 技术要点 | |--|-|--|- | | 纯 LLM | 问答 | Prompt Engineering | | + 工具调用 | Function Calling | 结构化输出 | | + RAG | 知识库问答 | 向量检索 | | + 规划 | 多步推理 | ReAct / CoT | | + 记忆 | 跨会话 | 向量DB + 摘要 | | + 反思 | 自我改进 | Reflexion | | = Agent | 自主执行任务 | 完整四模块 |
3. 技术原理
3.1 LLM 作为 Agent 大脑的三个角色
| 角色 | 能力 | 要求 | |--|-|--|- | | 意图理解 | 理解用户目标 | 通用理解力 | | 推理决策 | 决定调用哪个工具 | Function Calling | | 结果评估 | 判断是否继续或停止 | 逻辑推理 |
3.2 关键转折点
| 时间 | 事件 | 意义 | |--|-|--|- | | 2023.06 | ChatGPT Plugins | 首次工具调用实验 | | 2023.11 | GPT-4 Function Calling | 结构化 JSON 输出 | | 2024.05 | GPT-4o | 多模态 + 高效 FC | | 2024.12 | Claude 3.5 + Computer Use | LLM 直接操作电脑 | | 2025.03 | OpenAI Agents SDK | 官方轻量 Agent SDK | | 2025 | LLM-as-Agent 趋势 | 框架退场，模型即 Agent |
3.3 LLM-as-Agent 趋势（2025-2026）
OpenAI 和 Anthropic 正在推动不需要框架的 Agent：
- OpenAI Agents SDK — 官方轻量 SDK，Agent 即概念
- Claude Computer Use — Claude 直接操作电脑界面
- 框架退场 — 框架简化为薄封装
4. 实践指南
4.1 模型选择决策树
你需要 Agent？
├── 需要 Function Calling？
│ ├── GPT-4o（最成熟）
│ ├── Claude 3.5 Sonnet（性价比）
│ └── Claude 3.5 Opus（推理最强）
├── 需要超长上下文？
│ ├── Claude 3.5 Sonnet（200K）
│ └── Gemini 2.0（1M）
├── 需要自部署？
│ ├── DeepSeek-R1（开源推理）
│ └── Llama 3.1（开源通用）
└── 需要多模态？
└── GPT-4o / Claude 3.5 / Gemini 2.04.2 最佳实践
- Function Calling 温度设 0.1 — 确保结构输出稳定
- 工具描述 > 工具名 — LLM 看描述决定调用
- 返回格式严格 — JSON Schema 定义工具参数
- 多轮对话保留上下文 — 每步结果追加到消息
4.3 常见陷阱
- 混淆 RAG 和 Agent — RAG 是检索增强，不是 Agent
- 过度使用 LLM 做决策 — 能用代码判断就不用 LLM
- 忽略成本 — 每步工具调用 = 一次 API 费用
5. 参考资料
6. 学习路径
- Level 1 — 写一个 Function Calling 示例
- Level 2 — 实现 3 个工具的协作调用
- Level 3 — 对比 GPT-4o vs Claude 的工具调用效果
- Level 4 — 理解 LLM-as-Agent 范式
- Level 5 — 阅读 OpenAI Agents SDK 源码