企业官网建设流程全解析

📌agentic-ai是吴恩达（Andrew Ng）Agentic AI 系列课程的中文翻译与知识整理项目。本文带你快速理解Agentic AI（智能体 AI）的核心概念：什么是智能体工作流？它和"零样本"（zero-shot）提示到底有什么区别？掌握这些，你就迈出了构建 AI 智能体的第一步。

一、什么是"非智能体"工作流（零样本）？

零样本（zero-shot）工作流指的是：用户用一个提示（prompt），要求 LLM一次性、一口气完成整个任务。

例子："请从头到尾写一篇关于主题 X 的文章，中间不能使用退格键修改。"

这就像让人"一口气"从第一个字写到最后一个字，不能回头修改。无论是人类还是 AI，都不擅长这种完全线性、不可逆的创作方式。虽然主流大模型在这种约束下依然表现不错，但它本质上没有迭代、没有检查、没有工具调用。

二、什么是"智能体"工作流？

Agentic AI 工作流的定义：基于大语言模型（LLM）的应用执行多个步骤以完成任务的过程。

换句通俗的话说：把复杂任务拆分为具体的 Steps，指挥多个 LLM（可以是不同的模型）完成每个步骤，最终生成可交付的结果。

🍳打个比方：Agentic AI 工作流就像请了一支"AI 厨房天团"帮你做西红柿炒鸡蛋——你把任务拆成备菜、炒菜、装盘三步，分别指挥不同模型分工协作，味道不对还能复盘打回重做。全程你只动嘴不动手，靠多模型协作一步步把复杂任务搞定。

以"撰写文章"为例，一个典型的智能体工作流包含：

1. 写大纲：让 LLM 先输出文章大纲
2. 判断是否研究：让另一个 LLM 决定是否需要网络搜索
3. 执行研究：如需要，调用 web search 工具获取网页信息
4. 写初稿：将资料输入 LLM 生成第一稿
5. 反思与修订：让 LLM 反思初稿，决定哪里需要修改
6. 人工审核（可选）：关键环节可请求 human review
7. 最终修订：根据反馈完成终稿

虽然迭代式流程耗时更长，但能产出质量更高、更全面的结果。

三、核心区别：零样本 vs 智能体工作流

一句话总结：零样本是"一口气说完整段话"，智能体工作流是"写一步、查一步、改一步"。

四、自主性等级：智能体可以"听话"，也可以"自主"

"Agentic" 是形容词而非名词，因此系统可以有不同程度的自主性（Degrees of autonomy），而不必纠结它"是否算真正的智能体"：

• 低自主性（Less autonomous）：所有步骤预先设定，工具调用硬编码（hard-coded），自主性仅体现在生成的文本上
• 半自主性（Semi-autonomous）：Agent 能做出部分决策、选择工具，但工具是预定义的
• 高自主性（Highly autonomous）：Agent 自主做出大量决策，甚至能动态创建新工具

🔑精髓所在：Agentic AI 的价值不是"能干活"，而是"会自己想怎么干、用什么工具、干完还能自己检查改错"——这才是真正的智能体，而非"高级打字机"。

五、为什么值得学习 Agentic AI？

• ⚡性能飞跃：在 HumanEval 编码测试中，把 GPT-3.5 放入智能体工作流（写代码→反思→改进）后，表现可追平甚至超过单独使用的 GPT-4
• 🚀并行加速：智能体工作流可并行搜索、并行抓取网页，总耗时远低于人类顺序操作
• 🧩模块化设计：工具可自由替换（如换搜索引擎），模型可按步骤挑选最合适的版本

六、如何开始学习？

推荐按 agentic-ai 项目的章节顺序学习：

核心入口资料：

• 1.2 什么是Agentic AI.md：零样本与智能体工作流对比
• 1.3 自主性等级.md：Less autonomous 到 More autonomous 的完整光谱
• 1.4 Agentic AI的益处.md：性能、并行与模块化三大优势
• 1.8 Agentic设计模式.md：Reflection、Tool Use 等设计模式总览

🎯下一步建议：先读完第 1 章建立全局认知，再动手跑一遍 2.4 图表生成实验，用实践巩固"反思带来质量提升"这一智能体最核心的设计思想。