2. LLM到AI Agent的技术演进
详细介绍Agent的基本概念、组成部分，以及Agent是如何弥补LLM的不足。
在ChatGPT对话中模拟一个Agent的运行流程，实现一个拥有查询ip、实时搜索、数学计算能力的“Agent”
LLM/RAG/Agent的技术路线
LLM/RAG/Agent已经成为人工智能领域进步的关键技术，理解这三者的概念与关系是做好面向AI编程开发的基础。
| 大模型（LLM） | 索引增强搜索（RAG） | 智能体（Agent） | |
|---|---|---|---|
| 定义 | 大型语言模型（LLM），如GPT系列、BERT等，是利用大量文本数据训练的模型，能够生成连贯的文本、理解语言、回答问题等。 | 检索增强生成技术结合了传统的信息检索技术和最新的生成式模型。它先从一个大型的知识库中检索出与查询最相关的信息，然后基于这些信息生成回答。 | 智能体是指具有一定智能的程序或设备，能够感知环境并根据感知结果做出响应或决策的实体。它们可以是简单的软件程序或复杂的机器人。 |
| 作用 | LLM作为基础技术，提供了强大的语言理解和生成能力，是构建复杂人工智能系统的基石。 | RAG可以视为在LLM基础上的扩展或应用，利用LLM的生成能力和外部知识库的丰富信息来提供更准确、信息丰富的输出。 | 智能体可以利用LLM进行自然语言处理，通过RAG技术获得和利用知识，以在更广泛的环境中做出决策和执行任务。它们通常位于应用层级，是对LLM和RAG 技术在特定环境下的集成和应用。 |
