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)
Agent框架慢于直接对话主要因为注入大量系统提示词工具定义、ReAct多轮推理和上下文累积导致输入token数增长
Workflow中控制权归属于代码，Agent中控制权归属于模型，两者取舍本质是确定性与灵活性的权衡
智能体的智能来自模型本身，工程只是提供一个能持续获取反馈和行动的最小闭环
一个工具加一个循环等于一个最小Agent，是智能体开发体系的基础
先用Agent+Skills快速跑通分析验证思路，再将确认有效的流程固化为标准Pipeline用于正式发表是理想的工作方式
Skill本身不生成图像，实际绘制能力取决于所搭载的Agent
Agent的自动化能力（能否零命令自主装配工具）已成为衡量其成熟度的重要指标之一
在Agent工作流中，代码托管平台从存储代码的数据平面被推到了编排变更行为的控制平面位置
图结构比链结构更适合表达 Agent 的决策循环，能表达条件分支、循环、并行执行和状态回溯等复杂控制流
工具描述的精确程度直接决定Agent的任务执行成功率，模糊或歧义的描述是导致工具误调用最常见的根本原因
12 more timeline events
All Facts (20)
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%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%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%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%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%Unverified2024-2025年AI从Copilot模式向Agent模式转变的趋势正在加速
80%UnverifiedGoogle用Agent重塑了搜索引擎
60%Unverified将Agent能力拆分为独立技能单元并通过组合实现复杂功能的模块化架构思想正在被广泛接受
60%UnverifiedAgent框架慢于直接对话主要因为注入大量系统提示词工具定义、ReAct多轮推理和上下文累积导致输入token数增长
50%UnverifiedWorkflow中控制权归属于代码，Agent中控制权归属于模型，两者取舍本质是确定性与灵活性的权衡
50%Unverified智能体的智能来自模型本身，工程只是提供一个能持续获取反馈和行动的最小闭环
50%Unverified一个工具加一个循环等于一个最小Agent，是智能体开发体系的基础
50%Unverified先用Agent+Skills快速跑通分析验证思路，再将确认有效的流程固化为标准Pipeline用于正式发表是理想的工作方式
50%UnverifiedSkill本身不生成图像，实际绘制能力取决于所搭载的Agent
50%UnverifiedAgent的自动化能力（能否零命令自主装配工具）已成为衡量其成熟度的重要指标之一
50%Unverified在Agent工作流中，代码托管平台从存储代码的数据平面被推到了编排变更行为的控制平面位置
50%Unverified图结构比链结构更适合表达 Agent 的决策循环，能表达条件分支、循环、并行执行和状态回溯等复杂控制流
50%Unverified工具描述的精确程度直接决定Agent的任务执行成功率，模糊或歧义的描述是导致工具误调用最常见的根本原因
50%Unverified智能体范式引入了工具调用、记忆、规划与反思四大核心模块
50%