一、第一重境界：当作能了解语义的API经常使用
Agent 智能体第一重境界，可以把大型言语模型看成一个特意的 API，它能读懂人类言语。就像咱们往常调用其余 API 那样，咱们向智能体提问，它就能给出经过自己思索的答案。
这个阶段的智能体，通常是把这种读心术般的言语了解力融入到规范的软件流程中，给软件减少智慧更新。它的作用重要围绕着了解并处置文字，比如：生成文本、做内容概括等，这些都离不开它弱小的言语了解才干。上班起来，就跟程序员在开发软件时调用各种工具的 API 差不多。上方是个经常出现的运行实例：
1、每日资讯精粹
一个显明的运行案例体如今智能化资讯摘要上。Agent 能够消化海量的资讯资讯，并借助其出色的人造言语解析技术，提取**要点，编制成一份紧凑的每日资讯概要。
此开展阶段，Agent 开发的**议题聚焦于优化人造言语的解析与处置才干。关于 AI 畛域的开发者而言，把握人造言语处置的基础通常已颇为关键。而在实践的 AI工程名目实施中，很大水平上并重于调整和优化指令揭示，以充沛应用现有的初级 AI 模型来达成这一需求。
二、第二重境界：当作人造言语编程工具经常使用
进入第二重境界后，Agent 成功了从单纯的言语了解接口到人造言语编程利器的逾越。这标记着开发者能够运用人造言语指令，疏导 Agent 口头更为复杂多维的义务序列。
在此退化阶段的智能体，其运行场景远远逾越了文本解析的范围。借助精心设计的揭示战略、Function Calling函数调用机制，大型言语模型得以遵循详细的批示，输入结构化的消息，从而在很多层面上介入并优化了传统的软件作业流程，成功了经过LLM技术启动人造言语编程的通常。以下为该形式的几个典例运行场景：
1、代码解释器
比如：用 Python 画个爱心。
代码解释器 Agent 借助大言语模型启动 Planning 推理生成对应的 Python 代码。
而后借助 iPython 解释器工具和运转资源和运转环境等3个工具成功 Action 口头结果。
三、第三重境界：当作真正的智能经常使用
当 Agent 开发迈入第三重境界时，它摇身一变，成为了货真价实的智能同伴，远不止是便捷的 API 或工具那样主动。这时的 Agent，具有了自我决策与处置疑问的才干，成为了主动介入上班的智囊团成员。
在这个档次的智能体构建，近乎于大家设想中的 AI 原生运行程序开发，它彻底推翻了传统软件开发的逻辑框架。大言语模型（LLM）在此真正作为智慧体被激活并融入运行。
开发这样的运行，你得像设计一团体类团队的义务调配那样去构思：
此刻，LLM 不再是孤立的 API 调用，而是与详细角色、技艺绑定，并且须要多个 Agent 协同作战，模拟了人类团队的运作形式。以下是一些表现这一理念的典型运行场景实例：
1、Planning-Action-Observation（Plan-and-Execute）
Planning-Action-Observation 是一种义务处置方法论，**围绕着布局、口头、观测三大关键环节开展，要求 Agent 基于既定指标，自主启动筹划流程并后续口头这些战略。这象征着 Agent 必定把握解析指标、战略构思及义务虚施的综合技艺。
拿“布局一次性从北京至上海的旅程”为例，这一环节在大言语模型的疏导下，会细分为几个精心布局的步骤：剖析并选择登程日期，评价并筛选最适合的交通工具，预览并预订住宿及优惠名目——此为“布局”阶段。随后的“口头”阶段，则是对上述方案的实体化，详细到制订详尽的日程布置，以及无缝成功一切必要的预定操作，确保旅程的每一环都妥善布置。
总之，Agent 开发的三重境界标记着其技术从基本运行迈向深度整合的逐渐演化。技术的继续飞跃处罚咱们预感，Agent在行未来临的软件开发畛域必将占据无足轻重的位置。因此，对程序员来说，深化了解和熟练驾驭 Agent开发的这一系列演化步骤，将成为他们紧跟未来科技浪潮，优化自身竞争力的关键所在。
原文链接：