四大核心组件
规划（Planning）
任务分解与策略制定
动态环境中的决策
记忆（Memory）
历史对话、工具调用结果
支持学习与适应
行动（Action）
工具调用与执行
将决策转化为具体操作
工具（Tools）
扩展模型能力的外部函数/API
搜索、计算、数据库查询等
AI Agent 开发实战：核心知识点
一、技术演进脉络（重要背景）
面试考点：请描述从大模型基础能力到AI Agent的技术发展路径？
能力演进：
基础能力：大模型原生文本生成
涌现能力：复杂推理、代码生成等
函数调用：模型调用外部函数的能力
RAG技术：检索增强生成，连接私有数据
AI Agent：自主决策 + 多步骤执行
二、三大应用类型区分（核心概念）
AI 应用形态的三种类型
聊天机器人：通用问答，依赖大模型原生能力或 RAG 技术。
人工智能助手：辅助用户完成特定任务，依赖 Function Calling 调用预定义函数。
人工智能代理：具备 自主决策 + 高效执行 能力，可完成多步骤复杂任务。
关键结论
聊天机器人 = LLM + 记忆机制（消息列表）
人工智能助手 = LLM + 函数调用
人工智能代理 = LLM + 规划 + 工具使用 + 记忆 + …
三、聊天机器人
记忆
