人工智能入门文档深度页
智能体（Agent）
Agent 以目标为导向，在状态和约束下循环理解、规划、行动、观察与判断完成。
学习目标
- 能说明智能体（Agent）解决什么问题，以及何时适用。
- 能解释为什么“把无限循环当成自主性”是误区。
学习前需要掌握
背景与问题
普通对话只产生一次回复；开放任务需要读取新信息、执行动作、检查结果，并在未完成时继续。Agent 为这类多步闭环提供结构。
概念定义
在本课程中，Agent 是把模型、指令、状态、工具、控制循环与安全边界组织起来完成任务的系统。OpenAI Agents SDK 将 Agent 描述为配有 instructions、tools 与 handoffs 的 LLM。
直观理解
模型像会思考和表达的大脑，Agent 像负责把目标推进到结果的项目负责人；工具是它能使用的具体能力。
核心原理
输入进入循环后先形成当前状态；规划可以显式列出，也可以体现在下一步工具选择中。
行动产生观察，观察必须写回状态，随后由完成条件决定输出、继续或安全停止。
Agent 与工作流并非对立：固定流程更可控，模型驱动选择更灵活；生产系统常组合两者。
聊天机器人可以只生成文本；Agent 的关键差异在于能够在边界内采取动作并基于结果继续。
理解与实践步骤
- 1
接收任务并提取目标与约束
- 2
理解上下文，建立或更新状态
- 3
制定可验证的短计划
- 4
从允许集合选择工具或行动
- 5
调用并记录参数、审批与结果
- 6
验证观察是否可信且满足完成条件
- 7
完成则输出；否则更新计划继续
- 8
达到步数、时间或权限边界时安全停止
实际应用
- 研究与资料整理
- 代码与文档工作流
- 客服分流与受控业务操作
常见错误
把无限循环当成自主性
没有停止条件和结果验证
把工具返回内容自动提升为系统指令
把 Agent 与模型、工作流混为一谈
本地交互演示
Agent 工作循环 · 本地确定性演示
每次点击推进一个真实状态；没有网络请求，也不会执行外部工具。
等待开始
任务：读取本地 PDF 学习资料并生成带来源总结。
输入、输出与执行边界
输入
- 用户任务
- 系统与开发者指令
- 会话状态
- 工具描述及权限
输出
- 最终回答
- 结构化结果
- 工具调用记录
- 停止或升级人工的原因
能力
- 状态管理
- 工具调用
- 结果判断
- 委派与 Handoff
权限
- 仅暴露任务所需工具
- 写操作和敏感数据需审批
可能产生写入敏感动作需要审批
官方来源与时效
资料记录日期：2026-08-30（不代表已逐项核验）。产品能力、SDK 参数和协议状态可能变化，请以链接页面的当前版本为准。
推荐学习资料
视频课程B 级
UC Berkeley CS188 Introduction to AI
覆盖智能体、搜索、博弈、概率推理、MDP、强化学习和机器学习。
UC Berkeley EECS · UC Berkeley