作为一名零基础开始学习大模型的学生，我在第 1 周并没有急着去研究模型原理或复杂算法，而是先从一个更“可感知”的概念入手——智能体（Agent）。
这一周的主要收获有三点：
- 初步理解什么是智能体
- 搞清楚智能体与传统 AI（大模型）的区别
- 在 扣子平台 上成功创建了自己的第一个智能体
这篇文章主要记录我作为新手的理解过程，希望能给同样刚入门的同学一些参考。
在刚开始学习时，我对 AI 的理解非常简单：
输入一句话，AI 输出一句话
但在学习智能体之后，我发现这种理解其实只覆盖了大模型能力的一小部分。
结合自己的学习体验，我目前对智能体的理解是：
智能体 = 以大模型为核心，具备目标、策略和执行能力的应用形态
可以简单拆成两部分来看：
- 大模型（AI）：负责理解和生成内容，相当于“智能大脑”
- 智能体（Agent）：围绕某个目标，组织大模型能力，完成具体任务
这是我第 1 周反复思考、也最容易混淆的问题。
Agent 智能体
1. 是否具备明确目标
- 普通 AI：
- 以“对话”为主
- 用户问一句，模型答一句
- 智能体：
- 在一开始就设定目标
- 所有行为都围绕目标展开
智能体更像是在“执行任务”，而不是简单聊天。
2. 是否具备流程和决策能力
智能体通常会：
- 根据当前状态判断下一步该做什么
- 按步骤执行任务
- 在必要时进行修正或重复执行
3. 是否可以调用工具
在学习过程中我逐渐理解到：
智能体真正的价值，来自于“模型 + 工具 +规则”的组合
例如：
- 调用接口
- 处理数据
- 执行特定业务逻辑
这也是智能体与“单纯对话型 AI”的本质差异之一。
在真正动手之前，我对“创建智能体”这件事是有些畏难情绪的。
但在 扣子平台 实际操作后，我最大的感受是：
平台帮新手屏蔽了大量底层复杂度，重点在于“需求是否想清楚”
创建过程中，我主要需要明确以下几个问题：
- 智能体的核心功能是什么
- 面向的用户是谁
- 用户可能会提出哪些问题
- 智能体需要给出怎样的回复或结果
当这些问题足够清楚时，配置过程更像是在做结构化填写，而不是“写代码”。
我在第 1 次创建智能体时，犯了一个非常典型的新手错误：
试图让智能体什么都能做
结果表现为：
- 输出不稳定
- 回答容易跑题
- 表面看起来很智能，但实用性不强
后来调整思路后，我只让智能体专注于一个非常具体的任务，效果反而明显提升。
结论：
对新手来说，智能体越聚焦，效果越好。
结合这一周的学习经历，我有三点比较真实的感受：
- 入门阶段不必急着理解所有底层原理
从智能体这种“可操作”的方向入手，更容易建立信心。 - 智能体本质上是一种结构化思维训练
需求越清晰，智能体的表现就越稳定。 - 真正缓解焦虑的方式，是跑通一次完整流程
哪怕只是一个非常简单的智能体。
这是我零基础学习大模型的第 1 周。
目前还谈不上掌握，但至少已经完成了：
- 对智能体的基础理解
- 对 AI 与 Agent 区别的认知
- 在扣子平台上成功创建了第一个智能体
后续我会继续记录：
- 扣子平台使用过程中的细节
- 创建智能体时的踩坑与优化
- 学习大模型过程中认知的变化
如果你也刚开始接触大模型，希望这篇文章能对你有所帮助。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/276667.html原文链接：https://javaforall.net
