AI Agent 工程 · 00
00.1 什么是 AI Agent？
先用一条跨境客服请求，分清“会说话的模型”和“能在边界内完成工作的系统”。
知识定位
这是整套课程的入口。后续的模型、工具、记忆、评估和部署，都是为了让一个 Agent 在真实业务里可靠地完成一小段工作。
一句话定义
**AI 智能体（AI Agent）**可以白话地理解为：一个由大语言模型（Large Language Model，LLM，负责理解和生成文字的模型）参与决策、能调用允许的工具、根据结果继续推进任务的软件系统。
它不是“更聪明的聊天窗口”。模型只是其中的一个部件；工具、数据权限、流程规则和人工确认同样重要。
客户：“查一下订单 XB-1024 的物流。”
↓
Agent 读取请求 → 判断需要查订单 → 调用订单工具
↓ ↑
把可展示的物流状态组织成回复 ← 工具返回受限数据
为什么需要它
普通自动化适合规则固定的事情，例如每天导出报表。客服请求却常常不完整、表达不同、需要在“查订单、查政策、转人工”之间选择。LLM 适合处理这种语言和判断；但它不应直接拥有数据库权限。因此，工程的核心不是让模型“随便做”，而是给它足够小、可检查的行动范围。
外贸案例与系统位置
本课程的长期项目是 Cross-border AI Support Agent（跨境电商 AI 客服与售后系统）。客户问“包裹为什么还在清关？”时，Agent 可以先识别订单号、调用物流查询工具、引用售后政策，再把不确定的情况交给人工。订单数据、退款操作和客户沟通记录分别在系统的不同边界中，不能混成一段提示词。
实践任务
输入：写下三条你希望客服处理的客户原话。执行：对每条标出“模型负责理解”“工具负责事实”“人负责确认”的部分。预期输出：一张三列表。验收标准：没有一项把真实订单或退款权限交给模型文本本身。
主动回忆
如果 Agent 已经能回答物流常见问题，为什么仍需要订单查询工具？
纸质笔记
- 必须记：LLM 不等于 Agent；Agent 的行动必须有边界。
- 建议记：语言判断与事实查询分别由谁负责。
- 不用记：任一框架的宣传术语。