什么是AI gent

是能够自主规划、调用工具并完成复杂人物的智能体
Agent = LLM + Planning + Memory + Tool

AI agent的核心架构

规划（任务优先级排序与执行路径生成）
记忆（保存对话历史、用户偏好与外部知识）
工具（图片模型知识截止日期、增强行动力）

主流AI agent开发框架

LangChain
AutoGPT
CrewAI
AutoGen

阅读以下 AI Agent 的执行序列，指出其中违反 ReAct 逻辑的一处错误，并简要说明理由。 1. Thought: 我需要查询 2024 年巴黎奥运会金牌榜。 2. Action: google_search(“2024 Paris Olympics medal table”) 3. Observation: 中国获得 40 金，美国获得 40 金。 4. Action: google_search(“谁是第一名”) 5. Thought: 根据搜索结果，中国和美国金牌数相同，我需要对比奖牌总数来确定排名。

解析：错误出现在步骤 4。在 ReAct 逻辑中，步骤 3 获取 Observation 后，Agent 应当先进入 Thought 环节进行推理（例如：’我看到了金牌数相同，接下来需要查看总奖牌数’），然后再决定执行下一个 Action。而在本例中，Agent 在步骤 3 之后直接执行了步骤 4 的 Action，跳过了必要的推理环节。此外，步骤 4 的搜索指令在已有数据的情况下显得冗余，反映了 Agent 推理能力的缺失或 Prompt 设计的缺陷。

意思是
思考 - 行动 - 观察 - 思考 - 执行。

为了让 AI Agent 能够准确理解何时以及如何使用搜索工具，你需要为搜索工具编写怎样的描述信息（Description）和输入 Schema？

描述信息：是你写给 LLM 看的一段话，告诉它这个工具是干什么的（例如：“这是一个用于搜索实时信息的工具”）。没有它，LLM 根本不知道什么时候该调用搜索功能。
Schema：定义了工具接收参数的格式（通常是 JSON 格式）。比如搜索工具需要一个参数 query（字符串类型）。