📖 模块1：核心认知篇 — 什么是 AI Agent？
1.1 通俗定义：什么是 AI Agent？
一句话理解
AI Agent（AI 智能体）= 一个能自主完成任务的 AI 程序。它不只是"你问一句、它答一句"，而是能自己思考步骤、自己调用工具、自己执行任务，直到目标达成。
类比理解：从「计算器」到「私人助理」
| 类型 | 类比 | 交互方式 | 自主程度 |
|---|
| 普通大模型对话（ChatGPT/Claude 聊天） |
像打电话问朋友问题 |
你问一句 → 它答一句 → 你再问 → 它再答 |
⭐ 零自主，完全被动响应 |
| 普通 AI 脚本 |
像按菜谱做菜 |
你写好固定流程 → 它机械执行 |
⭐⭐ 固定流程，无自主判断 |
| AI Agent |
像私人助理 |
你给一个目标 → 它自己想办法、分步骤、用工具、检查结果，直到完成 |
⭐⭐⭐⭐⭐ 高度自主 |
核心区别总结
🔑 三大核心区别
- 自主性：普通对话是被动的（等用户输入），Agent 是主动的（自己规划步骤、自己调用工具、自己检查结果）。
- 工具使用：普通对话只能"说"，Agent 能"做"——查文件、跑代码、搜网页、调API。
- 目标导向：普通对话每次一问一答，Agent 是"给我一个目标，我自己想办法完成"。
1.2 核心底层逻辑：AI Agent 的「自主闭环」
大白话拆解：Agent 是怎么"自己做事"的？
想象你让一个助理"帮我调查一下市场上最好的蓝牙耳机"：
- 👂 感知（Perception）：助理听懂你的需求——"调查蓝牙耳机市场"
- 🧠 思考（Reasoning）：助理在脑中拆解——"我需要查评测网站、比价格、看用户评价、整理成报告"
- ✅ 决策（Decision）：助理决定——"先打开京东看销量排行，再去知乎看评测，最后汇总"
- 🏃 执行（Action）：助理真的去打开网页、复制数据、整理表格
- 👀 观察（Observation）：助理检查结果——"知乎的评测不够新，我再搜一下B站"
- 🔄 循环：如果结果不够好，回到第2步，调整策略继续，直到满意
┌─────────────────────────────────────────────────────────┐
│ AI Agent 自主闭环 │
│ │
│ 用户目标: "帮我调查最好的蓝牙耳机" │
│ │ │
│ ▼ │
│ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ │
│ │ 👂 感知 │───▶│ 🧠 思考 │───▶│ ✅ 决策 │───▶│ 🏃 执行 │ │
│ └────────┘ └────────┘ └────────┘ └────────┘ │
│ ▲ │ │
│ │ ┌────────┐ │ │
│ └────────────│ 👀 观察 │◀───────────────────┘ │
│ └────────┘ │
│ │
│ 🔄 循环直到目标达成，或达到最大尝试次数 │
└─────────────────────────────────────────────────────────┘
一个具体例子：Agent 帮你查天气
用户输入："明天北京天气怎么样？适合户外运动吗？"
感知
Agent 理解：用户想知道 (1) 明天北京天气 (2) 是否适合户外运动。识别出需要调用天气查询工具。
思考
Agent 分析：需要先获取天气数据，再根据温度、降水、风力判断是否适合户外运动。
决策
Agent 决定：调用 get_weather(city="北京", date="明天") 获取天气数据。
执行
Agent 实际调用天气 API，获取到：晴，15-25°C，风力2级。
观察
Agent 检查返回结果：数据完整，可以给出建议。
输出
"明天北京晴天，15-25°C，风力2级，非常适合户外运动！建议做好防晒。"
1.3 基础核心组件（入门必备）
一个 AI Agent 由 5 个核心组件构成。入门阶段只需了解每个组件"是什么、干什么用"，不深入实现细节。
| 组件 | 通俗比喻 | 作用 | 入门阶段用到的技术 |
|---|
| 🧠 大模型基座 |
Agent 的「大脑」 |
理解输入、推理分析、生成输出 |
Claude API / 开源模型（如 Llama） |
| 📝 记忆模块 |
Agent 的「笔记本」 |
记住对话历史、用户偏好、任务上下文 |
Python 列表/字典、JSON 文件 |
| 🔧 工具调用模块 |
Agent 的「双手」 |
让 Agent 能实际操作：读文件、跑代码、查网页 |
Python 函数、外部 API |
| 📋 规划模块 |
Agent 的「计划能力」 |
把大任务拆成小步骤，决定先做什么后做什么 |
Chain-of-Thought 提示 |
| ⚡ 行动执行模块 |
Agent 的「执行力」 |
真正去执行每一步，处理执行结果 |
Python 执行引擎 |
💡 入门理解要点
这5个组件不是5个独立的"黑盒子"，而是紧密协作的一个整体。入门阶段你不需要从零实现每个组件——Claude Code 已经帮你整合好了大部分。你需要做的是理解它们如何协作，然后在实战中逐步深入每个组件。
1.4 Claude Code 做 AI Agent 的核心优势
为什么选 Claude Code？
| 优势 | 详细说明 | 对初学者的好处 |
|---|
| 🎯 原生 Agent 支持 |
Claude Code 从底层就是为 Agent 工作流设计的，内置工具调用、多轮对话、任务规划 |
不需要从头搭建 Agent 框架，开箱即用 |
| 🔧 丰富的内置工具 |
文件读写、代码执行、网页搜索、Git 操作等工具直接可用 |
不用自己写工具，专注 Agent 逻辑 |
| 📝 强大的代码能力 |
能写代码、改代码、调试代码，形成"思考→编码→测试→修复"闭环 |
学习过程中 Agent 能帮你写代码 |
| 🔄 多轮自主迭代 |
Agent 可以发现错误、自己修正、重新执行，直到结果正确 |
容错率高，不会一步错就全盘崩溃 |
| 🌐 本地+云端双模式 |
支持本地运行（保护数据隐私）和云端 API（获取更强算力） |
灵活选择，适应不同场景 |
适用场景
- ✅ 最适合：软件开发自动化、代码审查与修复、数据分析与报告生成、文档整理与知识管理、自动化测试
- ⚠️ 适合但需注意：实时性要求极高的应用（如高频交易）、需要大量外部API集成的场景（需要额外开发工具）
- ❌ 不太适合：纯聊天机器人（大材小用）、需要图形界面的桌面应用
📝 知识点总结
| 核心概念 | 一句话总结 |
|---|
| AI Agent | 能自主感知、思考、决策、执行的 AI 程序，目标导向而非被动问答 |
| 自主闭环 | 感知→思考→决策→执行→观察→循环，直到目标达成 |
| 5大组件 | 大模型基座（大脑）、记忆模块（笔记本）、工具调用（双手）、规划模块（计划）、行动执行（执行力） |
| Claude Code 优势 | 原生 Agent 支持、丰富内置工具、多轮自主迭代、本地云端双模式 |
❓ 高频问题答疑
Q: AI Agent 和 ChatGPT 的 GPTs 有什么区别？
GPTs 是 ChatGPT 平台上的"定制版对话机器人"，本质还是被动问答模式。AI Agent 更强调自主性——它能自己规划步骤、调用工具、循环执行，不需要你一步步引导。可以理解为 GPTs 是"定制客服"，Agent 是"自主员工"。
Q: 我不会写复杂代码，能学会 AI Agent 吗？
完全可以！本教程就是从零开始的。第一阶段你只需要基本 Python 知识（变量、函数、if/for），而且 Claude Code 本身能帮你写代码。关键是理解 Agent 的工作原理，代码只是实现手段。
Q: Claude Code 和直接用 Claude API 有什么区别？
Claude Code 是开发工具，内置了 Agent 工作流、工具系统、调试功能，让你在终端里就能开发和管理 Agent。Claude API 是底层接口，你需要自己搭建整个 Agent 框架。对初学者来说，从 Claude Code 开始更友好。
Q: 一个 Agent 能同时处理多个任务吗？
基础 Agent 一次处理一个任务。高阶的多 Agent 协作架构（第四阶段会讲）可以实现任务并行处理。入门阶段先专注单任务 Agent。
✏️ 课后练习
- 概念复述：用自己的话，给一个完全不懂技术的朋友解释什么是 AI Agent（200字以内）。
- 闭环分析：想一个你日常工作中的重复性任务（如整理邮件、汇总数据），画出这个任务的"Agent 闭环图"（感知→思考→决策→执行→观察）。
- 场景思考：列出你生活或工作中 3 个可以用 AI Agent 自动化的场景，思考每个场景需要 Agent 具备哪些能力（记忆？工具？规划？）。
- 环境准备：检查你的电脑是否满足下一模块的环境要求：Python 3.10+、稳定的网络连接、至少 8GB 内存。