Agent
Agent（智能体）是人工智能领域中能够感知环境、自主决策并采取行动以完成目标的程序或系统。其核心特征包括：具备自主性，可在无持续人工干预下运行；具备目标导向性，能规划并执行多步骤任务；以及工具调用能力，可与外部系统或API交互。Agent广泛应用于任务自动化、对话系统、编程辅助等场景。
Core Facts
Timeline (last 90 days)
在交互策略上，广播给全部成员的效果往往优于一对一沟通
接收方读取信箱信息处理后会清空已读消息，以控制上下文增长速率
每个Agent的收信箱本质上是一个文件或文件夹，发送消息时通过function投递并在被监听的signal文件中追加一行文字作为信号
Agent应用开发存在基础设施碎片化痛点，开发者需要同时管理向量数据库、关系/文档数据库、消息队列/工作流引擎和沙箱环境
流式输出中断时必须保证会话历史完整持久化；「流被中断导致整个会话内容丢失」是企业级Agent开发中必须避免的禁忌场景
多智能体工作流的核心优势在于每个Agent可以使用更轻量、更专精的模型，整体系统的可靠性和可控性反而优于依赖单个全能大模型的方案
企业级Agent面试中高并发架构设计的典型考察指标包括500到1000并发和5000以上并发
在仅20条滑动窗口上下文、单一bash工具和锁定目录权限的约束下，Agent自主创建了持久化的文件系统记忆系统
实验设计为Agent配置了仅20条滑动窗口的上下文历史、单一bash工具、锁定在特定目录内的操作权限三个核心约束
Agent突破上下文窗口限制的关键在于建立外部记忆，文件系统、数据库、向量存储都是可行方案
40 more timeline events
All Facts (20)
LangGraph将Agent工作流抽象为有向图，每个节点代表一个Agent或处理步骤，边代表状态流转条件
90%VerifiedAgent的实现通常通过ReAct（Reasoning + Acting）框架来实现规划能力
90%Verified2023年以来，随着GPT-4、Claude等大语言模型推理能力的飞跃，Agent从学术概念迅速走向工程实践
80%VerifiedAgent Skills 具备上下文感知、可组合性和自描述性三个关键特征
80%VerifiedAI Agent具备工具调用（Tool Use）和规划推理（Planning & Reasoning）两大核心能力，能将复杂目标自动分解为可执行的子任务序列
80%Verified在ReAct框架中，当工具数量超过20个时，Token消耗和模型的工具选择准确率都会显著下降，这被称为'工具过载'问题
80%VerifiedAgent 的核心架构通常由「感知-推理-行动」循环构成
70%Verified自主Agent基于ReAct（Reasoning + Acting）框架进行'感知-规划-行动-观察'循环，对初始上下文质量要求更高
65%Verified基于LLM的智能体框架通常采用ReAct（推理+行动）或Plan-and-Execute等设计模式
65%Verified智能体（Agent）是具备自主决策能力的AI，能自行拆解任务如搜索信息、提取内容、生成报告
65%VerifiedAgentic系统的核心是规划-执行-观察（Plan-Act-Observe）循环，将复杂任务分解为子任务序列逐步执行
65%VerifiedOpenAI 的 Function Calling、Anthropic Claude 的 Tool Use 是 Agent 模式的代表性实现
65%VerifiedLLM语境下的Agent通常具备感知、规划、行动和记忆四个核心组件
65%Verified工具调用（Function Calling/Tool Use）是Agent系统的核心能力，允许模型动态调用搜索引擎、代码解释器、数据库查询、API接口等外部资源
65%VerifiedHarness Engineering的核心公式为：Harness（驾驭规范）+ LLM（大语言模型）= Agent（智能体）
65%VerifiedLangBot内置了Agent智能体能力，支持自主决策和工具调用
65%UnverifiedDeepLearning.ai的短课程通常与OpenAI、Anthropic、谷歌、Meta等公司合作，课程内容完全免费
90%UnverifiedWorkflow的控制流由代码预先确定，执行路径固定；Agent的每一步由LLM自主决策，具有动态规划能力
90%UnverifiedMainstream Agent architectures typically use a large language model as the brain, combined with memory modules, planning modules, and tool interfaces to accomplish complex tasks
85%UnverifiedAgent的认知状态本质上是一段结构化的token序列，可以被完整序列化、传输和反序列化
85%