待验证50% 置信事实精确时间
现代基于LLM的Agent通过自然语言角色描述和工具调用能力获得自主执行任务的能力，无需手工编程定义行为逻辑
1
来源数
50%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
Claude Code工程化实战：用Harness方法写出可维护的AI代码
bilibili图灵诸葛官方号2026/6/9
相关事实
待验证LLM兴起后，多智能体系统中的Agent从刚性规则执行器转变为具备自然语言理解与生成能力的柔性智能体，能够动态调用外部工具81% 相似待验证LLM与工具调用、记忆机制和规划能力相结合便形成具有自主行动能力的Agent81% 相似待验证大语言模型兴起后，每个Agent具备自然语言理解与生成能力，能够动态解读任务指令并调用外部工具79% 相似待验证智能体的许多能力实际上是由Agent所运行的框架在LLM外部实现的，而非LLM本身79% 相似已验证智能体（Agent）是在LLM之上构建的应用层架构，通过引入规划（Planning）、记忆（Memory）、工具调用（Tool Use）和反思（Reflection）等机制，使模型能够分解复杂任务、调用外部工具、维护上下文状态并迭代优化结果。78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/127044API
curl https://kongchang.com/api/v1/knowledge/claims/127044MCP
get_claim(id=127044)