AI 智能体技术原理：从能回答问题到能解决问题 > 面向 AI 应用开发者与大模型工程师的体系化教程。围绕「感知-规划-行动-观察」核心循环，从单体智能体的 Profile-Memory-Planning-Action 四模块架构、思维链与 ReAct 规划机制、记忆与 RAG 知识管理、函数调用与代码解释器，到多智能体协作与工程化落地，建立完整的 AI Agent 知识体系。本教程为原理深度优先的中文长文体系，不写可运行工程代码，聚焦架构设计与数据流转逻辑。 一、核心摘要 AI 智能体（AI Agent） 是以大语言模型为大脑、能够自主感知环境、规划步骤、调用工具、执行动作并从观察中迭代的软件系统。它的核心是「感知-规划-行动-观察」循环：感知外界输入与状态，规划下一步，行动改变世界，观察行动结果，如此往复直到任务完成。 与大语言模型（LLM）的单轮问答相比，Agent 的根本跃迁在于两点：自主性（自己决定下一步做什么）与行动力（能调用工具与 API 改变外部状态）。这两点让 AI 从「能回答问题」进化到「能解决问题」。 本教程按「先单体、再大脑、后群体」的递进逻辑组织： 导论（第 1 章）：从 LLM 的四大局限切入，建立 Agent 核心循环与四模块认知坐标系。