update 7.4 agent

docs/chapter7/7.4 Agent.md

@@ -2,38 +2,43 @@
 
 ## 7.4.1 什么是 LLM Agent？
 
-LLM Agent，即基于大型语言模型（LLM）构建的智能代理，是一种能够自主进行推理、规划、行动并与环境交互的 AI 系统. 与传统的聊天机器人不同，LLM Agent 具备独立决策能力，能够利用各种工具，记住之前的交互信息，并执行复杂的任务流程，而这一切只需要最少的人工干预. 这种自主性使得 LLM Agent 非常适合处理需要多步骤推理和规划、与 API 和工具进行实时交互、感知环境变化并做出适应以及在不确定性下自主执行的任务。
+简单来说，大模型Agent是一个以LLM为核心“大脑”，并赋予其自主规划、记忆和使用工具能力的系统。 它不再仅仅是被动地响应用户的提示（Prompt），而是能够：
 
-例如，当用户提出“在中国合同违约可能有哪些法律后果？”这样的问题时，一个 LLM Agent 可以自主地完成以下步骤：搜索法律数据库，提取相关信息，总结案例，并最终呈现潜在的法律结果，而无需人工的逐步指导。
+1. 理解目标（Goal Understanding）： 接收一个相对复杂或高层次的目标（例如，“帮我规划一个周末去北京的旅游行程并预订机票酒店”）。
+2. 自主规划（Planning）： 将大目标分解成一系列可执行的小步骤（例如，“搜索北京景点”、“查询天气”、“比较机票价格”、“查找合适的酒店”、“调用预订API”等）。
+3. 记忆（Memory）： 拥有短期记忆（记住当前任务的上下文）和长期记忆（从过去的交互或外部知识库中学习和检索信息）。
+4. 工具使用（Tool Use）： 调用外部API、插件或代码执行环境来获取信息（如搜索引擎、数据库）、执行操作（如发送邮件、预订服务）或进行计算。
+5. 反思与迭代（Reflection & Iteration）： （在更高级的Agent中）能够评估自己的行为和结果，从中学习并调整后续计划。
 
-LLM Agent 的核心在于其能够像人类一样进行“链式思考”推理，理解问题解决的原理，并将复杂的任务分解为更小、更简单的步骤. 这种能力是通过提示模型逐步思考来实现的，并且可以通过让模型回顾自身过去的行动并纠正错误来进行改进。
+传统的LLM像一个知识渊博但只能纸上谈兵的图书馆员，而 LLM Agent 则更像一个全能的私人助理，不仅懂得多，还能跑腿办事，甚至能主动思考最优方案。
 
-一个设计完善的 LLM Agent 通常由四个关键模块组成：
-
-- 大脑（核心 LLM）: 作为中央决策者，负责执行推理、规划和语言生成。  
-- 记忆: 用于存储和检索信息的模块，帮助 Agent 记住之前的交互和决策。 
-- 感知: 将输入（文本、图像、音频）转换为可理解的格式，使 Agent 能够观察和解释环境。   
-- 行动: 通过调用 API、与工具交互或生成文本/代码来执行决策，有时也包括具身行动（例如，在机器人具身只能技术中）
+![Agent 工作原理](./images/7-4-Agent工作原理.png)
 
 LLM Agent 通过将大型语言模型的强大语言理解和生成能力与规划、记忆和工具使用等关键模块相结合，实现了超越传统大模型的自主性和复杂任务处理能力，这种能力使得 LLM Agent 在许多垂直领域（如法律、医疗、金融等）都具有广泛的应用潜力。
 
 ## 7.4.2 LLM Agent 的类型
 
-LLM Agent 可以根据其功能、设计和应用场景进行多种分类. 以下是一些常见的类型：
+虽然LLM Agent的概念还在快速发展中，但根据其设计理念和能力侧重，我们可以大致将其分为几类：
 
-- 对话型 Agent (Conversational Agents): 这些 Agent 旨在与用户进行自然的对话，提供信息、回答问题并协助完成各种任务。它们依赖 LLM 来理解和生成类似人类的响应，例如客户支持聊天机器人和医疗保健聊天机器人. 
-  
-- 任务型 Agent (Task-Oriented Agents): 这些 Agent 专注于执行特定的任务或实现预定义的目标。它们与用户交互以理解需求，然后执行操作以满足这些需求，例如 AI 助手和 HR 机器人. 任务型 Agent 能够分解复杂的目标，制定行动计划，并利用工具来完成任务. 它们通常用于自动化重复性工作流程，提高生产力.   
+任务导向型Agent（Task-Oriented Agents）：
+- 特点： 专注于完成特定领域的、定义明确的任务，例如客户服务、代码生成、数据分析等。
+- 工作方式： 通常有预设的流程和可调用的特定工具集。LLM主要负责理解用户意图、填充任务槽位、生成回应或调用合适- 的工具。
+- 例子： 专门用于预订餐厅的聊天机器人、辅助编程的代码助手（如GitHub Copilot在某些高级功能上体现了Agent特性）。
 
-- 创造型 Agent (Creative Agents): 这些 Agent 能够生成原创和创造性的内容，如艺术品、音乐或写作。它们使用 LLM 来理解人类的偏好和艺术风格，从而产生能引起受众共鸣的内容，例如内容生成工具和图像生成工具. 
-  
-- 协作型 Agent (Collaborative Agents): 这些 Agent 与人类或其他 AI 协同工作以完成共同的目标或任务，促进团队成员之间或人机之间的沟通、协调与合作。LLM 可以通过协助决策、生成报告或提供见解来支持协作型 Agent，例如企业 AI Agent 和项目管理聊天机器人.   
+规划与推理型Agent（Planning & Reasoning Agents）：
+- 特点： 强调自主分解复杂任务、制定多步计划，并根据环境反馈进行调整的能力。它们通常需要更强的推理能力。
+- 工作方式： 常采用特定的思维框架，如ReAct (Reason+Act)，让模型先进行“思考”（Reasoning）分析当前情况和所需行动，然后执行“行动”（Action）调用工具，再根据工具返回结果进行下一轮思考。Chain-of-Thought (CoT) 等提示工程技术也是其推理的基础。
+- 例子： 需要整合网络搜索、计算器、数据库查询等多种工具来回答复杂问题的研究型Agent，或者能够自主完成“写一篇关于XX主题的报告，并配上相关数据图表”这类任务的Agent。
 
-- 多模态 Agent (Multimodal Agents): 这些 Agent 不仅限于文本，还可以处理和生成各种格式的内容，包括音频、图像和视频。这种能力实现了更丰富和更具沉浸感的交互，例如能够解释视觉数据或根据文本描述生成图像的虚拟助手. 
-  
-- 自主型 Agent (Autonomous Agents): 这些 Agent 被设计为以最少的人工干预运行，能够独立做出决策并执行操作。它们通常用于需要持续运行的环境中，例如处理重复性业务流程的机器人流程自动化机器人.  
- 
-- 多 Agent 系统 (Multi-Agent Systems): 这些系统涉及多个 LLM Agent 协同工作，通过利用各种专业 Agent 的优势来处理复杂的任务。它们相互通信和协调以实现共同目标，例如一个 Agent 收集数据，另一个分析数据，第三个根据分析生成报告.  
- 
-- 规则型 Agent (Rule-Based Agents): 这些 Agent 基于预定义的算法和严格的协议运行。它们遵循确定性原则，即某些输入会导致基于既定规则的特定响应。这些 Agent 在需要一致输出的情况下非常有效，例如客户支持或故障排除指南。然而，规则型 Agent 缺乏灵活性，难以处理超出其编程规则的情况.   
+多Agent系统（Multi-Agent Systems）：
+- 特点： 由多个具有不同角色或能力的Agent协同工作，共同完成一个更宏大的目标。
+- 工作方式： Agent之间可以进行通信、协作、辩论甚至竞争。例如，一个Agent负责规划，一个负责执行，一个负责审查。
+- 例子： 模拟软件开发团队（产品经理Agent、程序员Agent、测试员Agent）来自动生成和测试代码；模拟一个公司组织结构来完成商业策划。AutoGen、ChatDev等框架支持这类系统的构建。
+
+探索与学习型Agent（Exploration & Learning Agents）：
+- 特点： 这类Agent不仅执行任务，还能在与环境的交互中主动学习新知识、新技能或优化自身策略，类似于强化学习中的Agent概念。
+- 工作方式： 可能包含更复杂的记忆和反思机制，能够根据成功或失败的经验调整未来的规划和行动。
+- 例子： 能在未知软件环境中自主探索学习如何操作的Agent，或者在玩游戏时不断提升策略的Agent。
+
+## 7.4.3 动手构造一个 Tiny-Agent