书名：智能体一本通：打造你的全能助手
ISBN：978-7-115-68314-4
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
著 苏小文 刘玫燚 刘 源
责任编辑 单瑞婷
人民邮电出版社出版发行 北京市丰台区成寿寺路11号
邮编 100164 电子邮件 315@ptpress.com.cn
网址 http://www.ptpress.com.cn
读者服务热线：(010)81055410
反盗版热线：(010)81055315
本书系统梳理当前智能体技术的发展脉络与应用趋势，全面解析智能体的构建原理与应用场景，帮助读者从零起步，掌握打造高效AI助手的核心方法。
本书分为4个部分，共8章，第1部分（第1章）介绍大模型与智能体的基础知识、国内外主流的智能体；第2部分（第2章）详细讲解智能体的构建流程；第3部分（第3～7章）聚焦主流智能体在各类典型场景（教学、职场、创作、副业与科研）中的应用，并提供功能介绍、操作步骤和小案例；第4部分（第8章）深入探讨通用智能体、智能体间协作、团体协作开发智能体和人机共演的未来图景，引导读者把握智能体时代的新风口。
本书适合对AI感兴趣的教师、家长、学生、职场人士，以及其他希望借助智能体提升效率、增加收入的读者阅读。
AI的浪潮滚滚而来，智能体正悄然成为这场变革中的核心力量。过去，人们将AI视为技术的象征，遥远、高深，只有少数程序开发人员和科研人员才能触及。而今天，借助大模型的迅猛发展，智能体正以前所未有的速度参与每个人的日常生活与工作——它是可以自动生成会议纪要的职场助手，是可以量身定制学习计划的AI家教，也是能撰写文案、绘图、生成视频的创作伙伴。
写作本书的初衷，正是源于AI时代给人们带来的紧迫感与机遇。我们深刻意识到，智能体不是“遥远的未来”，而是“正在发生的现在”。智能体不只属于科技巨头或前沿实验室，而应该成为每个人手中的实用工具、每个组织的能力延伸、每个梦想的加速引擎。因此，我们希望编写一本真正实用、易懂的智能体应用指南，帮助读者打通从概念理解到工具实操的“最后一公里”。
本书可以帮助读者系统掌握智能体的基本原理、构建方法和典型应用，快速上手并在实际工作与学习场景中高效落地。我们希望通过智能体讲解、场景引导和步骤解析，推动智能体从“小众技术”走向“全民工具”，让每一位读者都能拥抱AI时代。
全书共四个部分，遵循“奠定基础认知→阐述构建流程→赋能场景应用→探讨未来发展”的逻辑展开。
第1部分（第1章）：介绍大模型的应用场景、局限性，大模型与智能体的协同关系，智能体概述、五大核心功能，以及国内外主流的智能体特征，帮助读者建立系统认知。
第2部分（第2章）：讲解智能体的构建流程、提示工程、四大核心（工作流、知识库、插件、大模型选型）和构建要点，便于读者从零开始搭建智能体。
第3部分（第3～7章）：围绕五大场景（教学、职场、创作、副业与科研），逐一展开各个主流智能体的实战应用，并提供功能介绍、操作步骤和小案例，满足不同读者的高频需求。
第4部分（第8章）：展望未来发展趋势，涵盖通用智能体、智能体间协作、团体协作开发智能体和人机共演，为读者打开技术与思维的新视角。
本书适合对AI感兴趣、希望快速掌握智能体应用相关知识的广大读者，特别是以下人群。
（1）教师、家长与学生：希望借助AI助力全科辅导、复习计划定制、教师备课与学习焦虑疏导。
（2）职场人士：希望提升工作效率、归纳知识、整理会议纪要与模拟面试。
（3）内容创作者：希望借助智能体高效完成文案撰写、图文生成、视频制作等任务。
（4）副业探索者：希望借助AI工具在知识变现、副业赛道、电商带货、私域流量运营等方面增加收入。
（5）科研人士：希望解决学术写作与数据处理中的关键难题。
（6）企业管理者与创业者：希望评估智能体在其组织或产品中的落地价值。
人们正处于“人机共演”的转折点，智能体不再只是技术工具，而是人们洞察时代、突破边界、重塑自我能力的引擎。愿这本书，成为你跨入智能纪元的重要起点。
苏小文
2025年7月
• 本书提供如下资源：
• 本书操作视频；
• 智能体模板库；
• 本书思维导图；
异步社区7天VIP会员。
要获得以上资源，您可以扫描下方二维码，根据指引领取。
我们的联系邮箱是shanruiting@ptpress.com.cn。
如果您对本书有任何疑问、建议，或者发现本书中有任何错误，请您发邮件给我们，并请在邮件标题中注明本书书名，以便我们更高效地做出反馈。
如果您有兴趣出版图书、录制教学视频，或者参与图书翻译、技术审校等工作，可以发邮件给我们。
如果您所在的学校、培训机构或企业，想批量购买本书或异步社区出版的其他图书，也可以发邮件给我们。
如果您在网上发现有针对异步社区出品图书的各种形式的盗版行为，包括对图书全部或部分内容的非授权传播，请您将怀疑有侵权行为的链接发邮件给我们。您的这一举动是对作者权益的保护，也是我们持续为您提供有价值的内容的动力之源。
“异步社区”（www.epubit.com）是由人民邮电出版社创办的IT专业图书社区，于2015年8月上线运营，致力于优质内容的出版和分享，为读者提供高品质的学习内容，为作译者提供专业的出版服务，实现作者与读者在线交流互动，以及传统出版与数字出版的融合发展。
“异步图书”是异步社区策划出版的精品IT图书的品牌，依托于人民邮电出版社在计算机图书领域多年的发展与积淀。异步图书面向IT行业以及各行业使用IT技术的用户。
人工智能（Artificial Intelligence，AI）早已不是未来的幻想，而是正在全面重塑世界的现实力量。从最初的简单算法，到如今席卷全球的深度学习与大模型（Large Language Model，LLM），AI的每一次跃迁，都是一次对时代的颠覆。如今，随着大模型与智能体（Agent）的快速普及，AI不再只是冷冰冰的工具，而是能与用户协同决策、创造价值的智慧伙伴。过去人们仰望技术，现在人们则必须学会驾驭技术。学习AI早已不是“要不要”的问题，而是“你是否准备好与它共生”的问题。是选择抓住这个历史性的风口，还是选择被浪潮无声地吞没？现在，就让我们秉持清醒与理性，走进这场不可逆转的智能时代。
简单来说，大模型是一种基于深度学习架构，通过在海量数据上进行训练，从而具备强大的通用认知能力的模型。大模型类似于一个知识渊博的超级大脑，其本质是通过构建复杂的神经网络结构，自动从大规模数据中学习特征和模式，以实现对各种任务的有效执行。
大模型凭借强大的数据学习能力，已广泛应用于文本生成、逻辑推理和图像识别与生成等场景，显著提升了内容创作、决策支持和视觉表现的效率与质量。
（1）文本生成：大模型能根据主题或提示，自动产出连贯且符合语法的文章。例如，在新闻写作中，大模型可快速根据新闻素材生成新闻稿件，显著提升采编效率。
（2）逻辑推理：大模型通过学习大量数据，可以具备一定的推理能力。例如，在金融领域，大模型能结合市场数据和经济指标进行风险评估和投资决策，辅助投资者做出判断。
（3）图像识别与生成：大模型能识别图像中的物体和场景，也能根据文字描述生成图像。例如，在电商产品宣传中，商家可利用大模型快速制作宣传图片，提升产品展示效果。
尽管大模型展现出了强大的能力，但还存在一些局限性，如被动响应指令、缺乏真实环境感知、存在“幻觉”问题等。
（1）被动响应指令：大模型只能根据用户给出的指令回复问题，不能主动发现新信息或提出建议。如果用户没有表达清楚诉求，大模型可能无能为力。
（2）缺乏真实环境感知：大模型依赖历史数据，不能实时感知真实世界的变化。例如，在自动驾驶时如果遇到道路施工等突发路况，大模型难以像驾驶员那样灵活应对。
（3）存在“幻觉”问题：有时，大模型会“信口开河”，生成不真实或逻辑混乱的内容。这是因为大模型可能记忆错误信息，或者在推理时出现了差错。
针对上述大模型的局限性，研究人员正通过多种方式对大模型进行改进。例如，OpenAI推出的RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）能改善大模型回复的相关性与安全性；Google Gemini引入多模态感知以增强现实理解；国内不少研究人员也在探索工具集成与智能体协作机制。因此，基于大模型的智能体系统必将变得更可靠、更灵活，应用场景更广阔。
如果说大模型是CPU（Central Processing Unit，中央处理器），那么智能体就是一个有内存、有操作系统、有显示器的计算机。大模型与智能体是当前AI领域的前沿技术和热点，它们并非彼此替代，而是相辅相成、密不可分的关键组成部分。理解两者如何协同运作，对于把握AI未来的发展方向至关重要。
从架构上看，智能体通常由脑模块、感知模块、行动模块构成。本节将深入解析智能体的定义与核心功能，为理解智能体的运行逻辑和技术边界提供系统化视角。智能体的能力丰富多样，是未来的AI助手，如图1-1所示。
图1-1 智能体是未来的AI助手
智能体与传统AI系统的本质区别在于其自主性和行动力。复旦大学的研究团队将智能体定义为“能够感知环境、做出决策并主动采取行动的人工智能实体”。总体而言，智能体具有以下五大核心特质。
（1）自主决策：能够在无须人工干预的情况下独立完成任务。
（2）环境响应：能够实时感知并灵活适应环境变化。
（3）目标驱动：能够主动规划行动以实现预定目标。
（4）协作能力：能够与其他智能体或人类高效协同。
（5）持续进化：能够通过不断积累经验持续优化自身表现。
一个完整的智能体由三大核心部分组成：脑（Brain）模块、感知（Perception）模块和行动（Action）模块，如图1-2所示。
图1-2 智能体的三大核心部分
（1）脑模块：智能体的“大脑”，负责核心智能功能，包括知识存储与记忆、信息处理、决策和规划等。脑模块决定了智能体能否展现出类人的智能行为。
（2）感知模块：智能体的“感官”，扩展了智能体的感知能力，从单一的文本输入发展到多模态信息的理解，使智能体能更精准地感知和理解复杂环境。
（3）行动模块：智能体的“手和脚”，将脑模块的决策和感知模块的信息转化为具体行为的关键环节，确保智能体能够有效执行任务。
智能体有自然语言理解与生成、任务规划与分解、工具使用与API调用、记忆前文与个性化适配、多模态交互五大核心功能，这五大核心功能相互耦合，共同支撑起智能体从基础交互到自主决策的能力跃升。
智能体通过调用多种大模型，具备强大的自然语言处理能力。例如，当用户说“这个系统简直太‘聪明’了”，智能体能识别出用户的反讽语气。同时，智能体能理解模糊指令，如“帮我安排一个难忘的周末”，智能体会主动结合此前的对话、知识库中的内容和互联网上的实时搜索结果等来了解用户喜好，从而提供个性化建议。
智能体能将抽象任务拆解成具体可行的步骤。在面对复杂任务时，智能体会识别关键环节，评估所需资源，合理安排执行顺序。例如，在策划一场产品发布会时，智能体会自动将产品发布会分解成场地选择、嘉宾邀请、流程设计和宣传推广等子任务，并为每个环节设定时间和依赖关系。
智能体具备自主使用数字工具的能力，相当于为AI配备了“数字双手”。在办公场景中，智能体可以自动调用文档撰写和排版插件来撰写报告、用数据分析插件分析数据、通过搜索插件搜索并理解互联网上的信息，还可以在不同软件间传递和转换数据，极大地提高工作效率。
智能体的记忆系统是实现个性化服务的关键。其中，智能体的短期记忆系统可以记忆当前对话上下文，确保交流连贯；长期记忆系统则可以记录用户偏好和历史互动，形成用户画像。例如，教育类智能体会跟踪学生学习进度和难点，针对性地调整教学方案。
智能体突破了单一文本交互，支持多模态交互。智能体不仅能分析图片和视频内容（如识别植物或解读医学影像），还能识别语音和情绪变化（如发现用户声音疲惫时，智能体会主动简化表达或提供放松建议，提升互动体验）。
据Precedence Research的预测，全球智能体市场规模将从2025年的79.2亿美元增长至2034年的约2360.3亿美元，年均复合增长率为45.82%。据Grand View Research的预测，2025—2030年，中国企业级智能体市场将保持47.5%的年均复合增长率，增长速度和增长潜力远高于全球平均水平。2025年，我国国产大模型和智能体进入了百花齐放、千帆竞渡的阶段，在政策驱动与市场需求的双重加持下，国内智能体呈现出“应用先行、技术追赶”的鲜明特征，各项技术正在快速而广泛地应用于各个领域。
扣子（Coze）是字节跳动公司推出的一站式智能体开发平台，可以帮助个人和企业用户轻松创建、调试和部署智能体。个人用户可将扣子当作生活助手，利用扣子进行内容创作和学习辅导；企业用户则可利用扣子构建智能客服、管理数据和整合知识库。扣子的界面如图1-3所示。
扣子极大地降低了智能体的构建门槛，满足了用户在复杂场景下的智能化需求，主要体现在如下方面。
（1）零代码开发与多模态集成。扣子支持拖曳操作和模板配置，无须编程即可构建智能体，并具备文本、图像处理和API调用能力，满足用户的多样化需求。
（2）跨平台发布与插件扩展。扣子可将内容一键发布到微信、抖音、飞书等平台，同时内置60余款插件，支持接入自定义私有API。
（3）全流程工具与多场景适配。用户可通过扣子整合私有API，拓展功能；通过扣子罗盘（一站式AI应用开发平台）实现智能体的测试、评估和优化，适用于生活助手、内容创作、智能客服和数据管理等多个场景。
图1-3 扣子的界面
文心智能体依托百度公司的技术底蕴，具备语音识别、文本分析等功能。开发者在文心智能体平台上通过自然语言对话即可创建智能体，还能免费使用文心大模型并获得流量分发支持。文心智能体平台的界面如图1-4所示。
图1-4 文心智能体平台的界面
文心智能体平台具备的强大能力可以支持广大开发者根据自身行业领域、应用场景，选取不同类型的开发方式，主要体现在如下方面。
（1）强大的大模型能力。依托文心一言大模型，在内容创作、数理逻辑推算、中文理解、多模态生成等多方面均有良好表现。
（2）多样化的链接方式。开发者可选取不同类型的开发方式、模板组件等进行接入，包括零代码/低代码智能体、数据类/能力类插件等。
（3）生态聚合能力强。文心智能体平台背靠百度公司的海量搜索资源，集开发、分发、运营和变现于一体，支持智能体的高效开发和推广。
腾讯元器是腾讯混元大模型团队推出的一站式智能体制作平台。它基于腾讯混元大模型，允许开发者和企业通过一系列工具和功能创建和增强自己的智能体，适用于客户服务、数据分析、内容生成等多种场景。腾讯元器的界面如图1-5所示。
图1-5 腾讯元器的界面
腾讯元器凭借低门槛的智能体制作能力和强大的腾讯生态支持，帮助用户高效打造并分发智能体，主要体现在如下方面。
（1）智能体制作门槛低。腾讯元器通过提示词精准抓取需求，支持集成知识库，提供“流程图”低代码编辑工具，帮助用户灵活控制任务流程。
（2）腾讯生态支持。用户可使用微信“搜一搜”、InstantCharacter图像生成等腾讯官方插件扩展智能体功能，并能将智能体发布到QQ智能体、微信客服等腾讯渠道，快速触达更多用户，拓展应用场景。用户还可以使用腾讯元器搭建公众号客服智能体，无须再进行复杂的迁移工作。
通义智能体由阿里云开发，并依托阿里云的技术实力和资源不断发展和完善。截至2025年1月底，阿里云百炼平台中调用通义API的企业和开发者超29万，这些企业和开发者可以利用通义智能体的相关能力，在代码开发、硬件制造、智能座舱、金融服务等领域进行应用。通义智能体的界面如图1-6所示。
图1-6 通义智能体的界面
通义智能体在编程和数字人等多方面具备优势。
（1）编程。通义灵码是基于通义大模型的编程助手，具备自主决策、环境感知和工具调用能力，能根据开发者需求完成编码任务。
（2）数字人。通义星尘是智能数字分身复刻平台，支持构建具有多种风格的角色对话智能体，提供高精度分身复制、拟人化对话等功能。
Manus是中国Monica创业团队研发的全球首款通用智能体，其定位于性能强大的通用型助手，被视为“能独立规划并执行复杂任务的AI打工人”，适用于职场办公、旅行规划等场景。在用户下达指令后，Manus就能进行文件自动处理、数据分析等任务；同时，Manus还支持云端异步工作。Manus的界面如图1-7所示。
图1-7 Manus的界面
Manus具备独立完成复杂任务的能力，覆盖多行业应用场景，可实现高效、智能的个性化服务。Manus在很多方面具备显著优势。
（1）任务执行能力强。Manus能独立思考、规划并执行复杂任务，如撰写报告、制作表格、生成PPT等。
（2）多领域应用。Manus官方展示了多个领域的应用案例，涵盖个性化旅行规划、股票分析、教育课程开发、保险政策比较、B2B供应商采购、财务报告分析等众多领域。
（3）学习与记忆能力。Manus可记录用户历史数据、操作习惯和偏好，并能根据用户交互持续优化任务执行策略。
天工超级智能体由昆仑万维公司于2025年5月进行全球发布，其架构包含三个专家智能体、1个网页智能体和1个通用智能体。其中，三个专家智能体分别专注于文档、PPT和表格，可以满足办公和学习的核心需求；网页智能体的功能十分便捷，用户只需要输入网页的主题和需求，即可快速生成排版精美、内容丰富的网页；通用智能体接入多个MCP（Model Context Protocol，模型上下文协议），具备多模态创意任务处理能力。天工超级智能体的界面如图1-8所示。
图1-8 天工超级智能体的界面
天工超级智能体在深度思考和推理等能力上表现突出，性能非常稳定，运行速度较快，具体包括如下两点优势。
（1）深度思考和推理技术。天工超级智能体集成了模型深度思考和推理能力，能更好地理解用户意图，挖掘信息间的深层联系，为内容生成提供高质量、可信赖的信息。
（2）性能稳定，运行速度快。天工超级智能体允许用户在国内随时访问，运行速度快，尤其是涉及一些图像、音频处理任务时， 处理速度显著快于其他智能体。
纳米AI超级搜索智能体由360公司推出，内置国内80多款大模型，覆盖了办公协作、学术研究、生活服务、信息搜索、金融、媒体娱乐等场景。纳米AI超级搜索智能体的界面如图1-9所示。
纳米AI超级搜索智能体具备精准理解需求、跨平台深度获取信息的能力，能够高效整合多源数据并主动规划任务，为用户提供全面、可靠的搜索与决策支持。
图1-9 纳米AI超级搜索智能体的界面
（1）精准需求理解。纳米AI超级搜索智能体能通过自然语言对话，准确把握用户意图，遇到模糊或复杂问题时还会主动提问，帮助明确用户的需求，让搜索更符合实际情况。
（2）深度信息获取。纳米AI超级搜索智能体可跨多个平台（如小红书、抖音、淘宝）搜索，深入解析网页中的表格、公式和音视频，帮助用户一次性获取丰富多样的信息。
相较国内侧重垂直行业，国外的智能体在通用能力、多模态交互和企业自动化方面表现突出。目前，国外的智能体已从单一工具升级为驱动行业变革与社会创新的核心引擎。在智能体技术蓬勃发展的浪潮中，ChatGPT智能体、Meta AI与Lovart等国外主流的智能体，拥有了大量用户且生成效果很好。
ChatGPT智能体是OpenAI公司推出的定制化智能体，用户无须掌握复杂的编程知识，通过简单的交互界面即可创建专属智能体。ChatGPT智能体灵活性高，可针对不同需求定制功能。同时，OpenAI还开放了ChatGPT智能体商店，方便用户分享和使用他人创建的优质智能体，极大地拓展了应用生态。ChatGPT智能体的界面如图1-10所示。
图1-10 ChatGPT智能体的界面
ChatGPT智能体在自然语言理解、文本创作与逻辑推理方面具备以下核心优势。
（1）强大的语言理解能力。ChatGPT智能体能够准确理解用户输入的复杂问题与上下文语境，适用于多轮对话、模糊指令澄清、概念解释等日常交互场景。
（2）高质量文本生成。ChatGPT智能体擅长撰写结构清晰、语言流畅的文本内容，覆盖报告草拟、文章润色、邮件生成等任务，适合多种专业与日常用途。
（3）逻辑推理与知识整合。ChatGPT智能体具备基本的逻辑分析能力，能够在给定信息下进行归纳总结、任务拆解、流程规划，并对常见问题给出清晰、有条理的解答。
Meta AI深度融合于Meta社交生态，具备文字、图像、视频等多模态交互能力，能理解用户情绪并提供共情式回复。Meta AI可辅助管理好友关系、推荐内容、支持企业客户服务与调研，并依托庞大社交数据持续优化输出，带来个性化智能体验。Meta AI的界面如
图1-11所示。
图1-11 Meta AI的界面
Meta AI在社交平台融合、实时搜索与上下文理解方面具备以下突出表现。
（1）无缝嵌入平台。Meta AI深度嵌入了WhatsApp、Instagram、Messenger等社交平台，用户无须切换应用，即可完成搜索、问答、创作等多重操作。
（2）实时信息调取。Meta AI接入Bing搜索引擎，具备即时联网能力，能快速查询新闻、产品、知识等最新信息，为用户提供强时效性的答案。
（3）语境感知能力。Meta AI可结合聊天背景，进行上下文理解与持续对话，模拟真实社交互动，能够在对话中逐步深化对问题与用户需求的理解。
Lovart专注于艺术创作领域，是一款极具特色的智能体平台。Lovart基于先进的AI算法，能根据用户输入的文字描述、参考图片等信息生成风格多样的艺术作品。此外，Lovart还支持用户对生成的作品进行细节调整，以满足不同用户的个性化创作需求。Lovart的界面如图1-12所示。
Lovart在图像生成、视觉风格多样性与易用性方面具备以下优势。
（1）高质量图像生成。Lovart专注图像创作，支持生成手绘、写实、动漫等多种风格的图像，出图速度快，视觉表现力强，广受设计师与内容创作者的喜爱。
（2）个性化创作模板。Lovart内置多种风格模板，用户只需要简单输入关键词或上传图片，即可快速生成符合个性化需求的封面图、插画或场景图。
（3）易用性与普适性兼备。Lovart的操作界面简洁，不具备专业设计背景的用户也能够轻松掌握，因此，Lovart适用于电商、新媒体、教育等多个领域，用户可以高效地批量制作视觉内容。
图1-12 Lovart的界面
