本合集围绕吴恩达老师在 DeepLearning.AI 推出的 Agentic AI 系列课程，梳理课程内容的关键点，帮助各位学习者们深入理解“智能体”（Agent）在现代 AI 系统中的核心作用，掌握构建自主、协作、推理型 AI 应用的关键方法。

吴恩达老师推出的 Agentic AI 系列课程，基本已是公认的 agent 开发必学的了，课程以“工程导向”为核心，强调可落地的设计模式，我看完整套视频，强烈推荐正在准备学习 agent 开发的开发者们，先把基础内容的学习放一放，仅先快速扫盲一下agent 的基础构件有哪些，分别干什么用即可 （可以看一下我之前写的《Agent = LLM + 四大组件：一个公式讲清楚 AI Agent》）。因为课程中除了有基础入门的内容，更重要的我觉得是，老师给了我们如何去构建一个能够落地、持续提升的智能体的方向，这点我觉得比学习如何编写代码实现系统功能更重要。

建议是边看视频边看这套合集的内容，能够更加清晰、快速的吸收。以及有一点，后面以这种格式的是笔者的个人学习的一些观点，不包对，其他的就是原课程的细节内容了。

[Module 1] Agentic 工作流简介

1.5 Agentic AI应用

这节课用几个真实的例子展示了 agentic AI 的实际应用。老师主要希望让我们了解不同于传统的输入输出的简单问答 chat，agentic 是具有多步骤规划、自主使用工具、自主决策的能力。

案例一：发票处理工作流

自动化处理企业收到的发票，提取关键信息并记录到数据库。

任务很简单：从 PDF 发票中提取开票方、开票地址、应付金额、到期日，然后录入数据库。

传统财务人员要一张张看，手动识别这些信息，然后录入系统。智能体工作流就是：

1. PDF 转文本，结构化文本如 markdown
2. LLM 解析文本，判断是否为发票，提取所需字段
3. 调用工具更新数据库
4. 生成记录成功提示
   

案例二：回复客户邮件

比如客户发了封投诉邮件：“我订购了蓝色 KitchenPro 搅拌机（订单 #8847），但收到的是红色烤面包机。”

智能体的工作流是：

1. 提取关键信息 → LLM 识别订单号、产品、问题
2. 查询订单数据库 → 使用 orders database query 工具获取订单详情
3. 起草回复草稿 → LLM 根据信息撰写回复
4. 请求人工审核 → 使用 request review 工具将草稿提交给人类审批
5. 发送邮件 → 审核通过后自动发送
   

案例三：更复杂的客户服务agent

真正有趣的是，构建一个能处理各种未知问题的通用客户服务代理，而不是只做特定订单查询。

比如用户问：“你们有黑色或蓝色牛仔裤吗？”

agent 需要动态决定：

• 查询黑色牛仔裤库存
• 查询蓝色牛仔裤库存
• 综合回复客户

难点在于：需要规划 API 调用的顺序来回答一个开放式问题，步骤不是预先固定的，代理必须根据条件判断并决定后续行动。

案例四：视觉计算机使用

这算是目前最有挑战性的应用了——让 AI 像人类一样使用网页浏览器，完成复杂的交互式任务。

比如让 AI 检查从旧金山到华盛顿 DCA 机场的两个特定联合航空航班是否有空座。

agent 的行为：

1. 自动打开浏览器，访问 United.com
2. 填写表单、点击按钮、导航页面
3. 遇到"页面未找到"错误 → 自主切换到 Google Flights
4. 在 Google Flights 上搜索航班 → 选择合适选项 → 返回 United 网站确认
5. 最终确认座位可用
   
   虽然还不稳定，但在金融、医疗等关键任务应用中潜力巨大。

什么是 agentic AI 适合做的任务？

这是一个从"容易"到"困难"的连续光谱：

较易实现的任务：

• 清晰、逐步的流程，有明确的执行步骤
• 标准程序，企业已有成熟的操作手册
• 纯文本资产，输入和输出均为文本，因为 LLM 擅长处理文本

较难实现的任务：

• 步骤未知，任务需求在执行前不确定，需要代理动态规划
• 边执行边解决，代理需要在过程中进行推理和决策
• 多模态输入，需要处理图像、声音等非文本

agentic-ai 是将人类工作流程自动化的新范式——它不是取代人，而是把人从重复性、规则性强的任务中解放出来，专注于更高阶的决策与创造。

1.6 任务分解

这节课的核心就一个字：拆。任务分解是构建代理型 AI 工作流的关键技能。核心的内容就是拆解任务、评估、迭代。

核心概念

任务分解的核心思想很简单：

1. 观察人类行为：思考如果一个人类要完成这个任务，他会怎么做？
2. 拆解步骤：将整个任务拆解成多个独立的、清晰的子步骤
3. 评估可行性：对每个子步骤，思考它是否能用 LLM 或某个工具（如 API、函数调用）来实现
4. 迭代优化：如果初步分解的效果不理想，可以进一步细化某个步骤，将其拆成更小的子步骤

案例一：写一篇深度论文

让 AI 系统撰写一篇关于特定主题 X 的深入研究报告。

**方法一：直接生成（1 步）**输入：Write an essay on topic X → LLM → 输出文档

问题：内容表面化，缺乏深度和一致性。

方法二：三步工作流

1. 1. 撰写大纲：LLM 根据主题 X 生成一个结构化的写作提纲
2. 2. 网络搜索：LLM 根据大纲生成搜索词，调用 web search 工具获取相关资料
3. 3. 撰写论文：LLM 结合大纲和搜索到的信息，撰写最终的论文

优点：引入外部信息，内容更丰富。缺点：文章仍可能"脱节"，开头、中间、结尾风格不一致。

方法三：五步工作流

1. 1. 撰写大纲：LLM 生成大纲
2. 2. 网络搜索：LLM 调用 web search 工具获取信息
3. 3. 撰写初稿：LLM 根据大纲和搜索结果写出第一版草稿
4. 4. 考虑修订部分：LLM 阅读自己的初稿，分析哪些部分需要改进
5. 5. 修订草稿：LLM 根据自我批评，对草稿进行修改和完善

效果提升：模拟人类"写作-反思-修改"循环，输出质量显著提高。

核心方法论：“如果某一步骤效果不好，就把它再拆成更小的子步骤。”

案例二：回复客户邮件

自动回复客户关于"发错货"的投诉邮件。

任务分解：

1. 提取关键信息：LLM 解析邮件，提取发件人姓名(Susan Jones)、订单号(#8847)、订购商品(蓝色搅拌机)和问题(收到红色烤面包机)
2. 查找相关客户记录：LLM 调用 orders database query 工具，根据订单号查询数据库，核实订单详情和发货记录
3. 撰写并发送回复：LLM 根据提取的信息和查询到的记录，起草一封回复邮件，并调用 send email API 将其发送给客户

这个例子展示了如何将一个看似单一的任务（回复邮件）分解为三个清晰、独立的步骤。

案例三：从发票中提取信息

在 PDF 发票被转换为文本后，从中提取关键字段并保存到数据库。

任务分解：

1. 1. 查找所需信息：LLM 分析文本，识别出账单发送方、地址、到期金额、到期日期等必需字段
2. 2. 创建并保存新的数据库条目：LLM 调用 update database 工具，将提取到的信息写入数据库

这个例子非常简单，只有两个步骤，但它完美地诠释了任务分解的核心：将一个目标拆解为几个可执行的动作。

构建代理型AI工作流的基本构件

构建任何代理型AI工作流，都离不开以下两大类基本构件：

1. 模型（Models）

• 大型语言模型(LLMs)：文本生成、工具使用决策、信息提取
• 其他 AI 模型：处理非文本模态数据，如 PDF 转文本、文本转语音、图像分析等

2. 工具（Tools）

• API：执行外部服务，如网页搜索、获取实时天气数据、发送电子邮件、查看日历等
• 信息检索：从数据库或大型文本库中检索信息，常用于 RAG（检索增强生成）场景
• 代码执行：允许 LLM 编写并运行代码，以执行更复杂的计算或数据处理任务

工作流设计原则

1. 从简单开始：先做 1-3 步的原型，再逐步扩展
2. 模块化设计：每个步骤应尽量独立、可复用
3. 容错与反馈：加入"检查"、"评审"步骤，避免错误累积
4. 持续迭代：没有一步到位的完美工作流，需不断优化

1.7 Agentic AI评估（evals）

这节课的核心是：别瞎猜，用数据说话。只有掌握了评估的方式方法，针对性改进，才能构建出高质量的智能体。

为什么评估如此重要？

预测成败的关键在于：在团队合作中，能否有效评估工作流是区分"做得好"与"做得差"的最大因素之一。

能否进行严格、有纪律的评估（evals）是区分一个团队或个人在构建智能体工作流时"做得好"与"做得差"的最大预测因素。评估能力对有效构建智能体工作流至关重要。

评估的核心方法论

1. 首要原则：先构建，再观察，后评估

在构建智能体工作流前，很难预知所有可能出错的地方。最佳实践是先构建一个初步版本，然后手动检查其输出，寻找那些你希望它能做得更好的地方。

2. 识别低质量输出

以处理客户订单查询的智能体为例。

输入：客户邮件：“我订购了蓝色搅拌机，但收到了红色烤面包机。”

期望输出：礼貌、专业、解决问题的回复。

低质量输出示例：“我很高兴您选择了我们——我们比竞争对手 CompCo 强多了。”

这种输出是错误的，因为它提到了竞争对手，这在商业场景中通常是不被允许的。

3. 构建评估指标来追踪错误

量化并跟踪已识别的错误：

1. 定义错误类型：例如，“提及竞争对手”
2. 创建列表：列出所有需要避免提及的竞争对手名称
3. 编写代码：编写脚本自动扫描智能体的所有输出，统计提及这些竞争对手的次数和频率

这是一个客观指标，可以用代码精确衡量，便于追踪改进效果。

4. 使用大型语言模型作为裁判

当评估标准更为主观、难以用代码精确判断时（例如，评估一篇论文的质量），可以使用另一个 LLM 来评估第一个 LLM 生成的报告。

设计评分提示词：让裁判 LLM 对报告进行打分（例如，1-5分，5分为最佳）。

评估的两大主要类型

1. 端到端评估：衡量整个智能体最终输出的整体质量。例如：评估一篇完整论文的最终得分。
2. 组件级评估：衡量智能体工作流中单个步骤或组件的输出质量。例如：评估第一步"提取关键信息"的准确性，或第二步"查找相关客户记录"的召回率。

还有经常做中间输出检查，有时称为大模型的"轨迹"，这样可以了解到哪些部分未达到了预期，称之为错误分析，逐步阅读中间输出，寻找改进的机会。具备评估跟错误分析非常关键。

1.8 Agentic设计模式

这节核心就是告诉大家，构建一个高质量的 agentic 所需要的模块。

智能体工作流的核心思想是将复杂的任务分解为一系列基础"构建模块"，然后通过特定的设计模式将这些模块组合、串联起来，从而构建出能够处理复杂问题的系统。

一、反思(Reflection)

核心概念：让模型对自己的输出进行检查、评估和改进。

工作流程：

1. 初始生成：模型根据任务要求生成一个初步结果（如代码）
2. 自我评估/外部评估：将该结果作为输入，再次提示同一个或另一个模型，要求其对结果进行批判性分析
3. 迭代优化：将评估反馈提供给模型，让它基于反馈生成一个更好的版本
4. 循环往复：此过程可以多次迭代，直到达到满意的质量

关键点：

• 这是一种非常有效的性能提升技术，虽然不能保证100%完美，但能带来显著的性能提升
• "反思"可以由同一个模型完成，也可以引入一个专门扮演"审查者"角色的独立模型
• 评估标准可以是客观的（如代码是否能运行），也可以是主观的（如代码风格）

二、工具使用(Tool Use)

核心概念：赋予语言模型调用外部工具或函数的能力，以扩展其功能边界。

工作流程：

1. 识别需求：模型在处理任务时，判断需要调用哪个工具
2. 调用工具：模型生成调用该工具的指令或参数
3. 执行与返回：工具执行操作，并将结果返回给模型
4. 整合结果：模型利用工具返回的结果来完成最终任务

工具类型举例：

• 信息收集：Web search, Wikipedia, Database access
• 分析计算：Code Execution, Wolfram Alpha, Bearly Code Interpreter
• 生产力：Email, Calendar, Messaging
• 图像处理：Image generation, Image captioning, OCR

工具使用极大地增强了模型的能力，使其不再局限于文本生成，而是能与现实世界互动并解决更广泛的问题。

三、规划(Planning)

核心概念：让模型自主决定完成一个复杂任务所需的步骤序列，而不是由开发者硬编码。

工作流程：

1. 任务理解：模型接收一个复杂请求
2. 路径规划：模型自动分解任务，决定需要调用哪些工具以及调用的顺序
3. 执行：按照规划的步骤依次执行

关键点：

• 这种方式比硬编码的流程更灵活，但控制难度更大，也更具实验性
• 它允许模型在面对新任务时，自行构思解决方案，有时会产生令人惊喜的结果

四、多智能体协作(Multi-agent collaboration)

核心概念：雇佣多个具有不同专长的角色（智能体）协同工作，共同完成一个复杂项目。

工作流程：

1. 角色分配：为不同的智能体分配特定角色（如研究员、市场专员、编辑）
2. 分工合作：各个智能体根据自己的角色和能力，执行相应的子任务
3. 沟通协调：智能体之间相互沟通、传递信息，共同推进项目

多智能体系统在许多复杂任务上优于单智能体系统：

任务	单智能体	多智能体
人物传记撰写	66.0%	73.8%
多模态理解(MMLU)	63.9%	71.1%
国际象棋走子	29.3%	45.2%

多智能体协作通常能产生比单个智能体更好的结果，尤其在处理复杂任务时。它的缺点是更难控制和调试，因为无法提前预知各个智能体的行为。