考前冲刺一页纸

一、五条主线

智能体 = 目标驱动的感知—规划—行动—反思闭环。
提示词 = 给模型的说明书：角色、背景、任务、要求、输出格式。
RAG = 先检索、再生成：切分 → Embedding → 检索 → 拼接 → 生成。
工作流管稳定，工具管执行，多智能体管分工。
评估看指标，部署看架构，安全看权限与人工兜底。

二、智能体

四大特征：自主性、反应性、主动目标驱动、社交能力。
四模块：感知、记忆、规划与推理、行动与工具。
SMART：Sensing、Memory、Analysis、Reasoning、Tasking。
与传统 Chatbot 的区别：目标驱动 vs 指令响应；主动探索 vs 被动应答；动态工具 vs 静态知识；开放适应 vs 封闭领域。

三、提示词

四要素：指令、上下文、输入数据、输出格式。
五要素：角色、背景、任务、要求、输出格式。
复杂任务用 CRISPE；高频轻量任务用 APE。
system prompt 定义角色、边界、行为准则、工具调用规则、输出格式。

四、参数与 API

参数	记忆
`temperature`	创意旋钮，高=发散，低=稳定
`top_p`	核采样，通常与 temperature 二选一
`max_tokens`	回答长度上限，影响成本
`messages`	对话上下文，含 system/user/assistant
`choices[0].message.content`	模型正文
`usage`	Token 消耗与成本

五、ReAct

Thought → Action → Observation → Thought → … → 最终答案

Thought：拆目标、判断缺什么。
Action：选工具、填参数。
Observation：读工具真实返回。

六、RAG

离线：文档 → 清洗 → 切分 → Embedding → 向量库
在线：问题 → Embedding → 相似度检索 → Top-K → Prompt → 生成

切分约 500–1000 Token，重叠约 10%。
建库和检索必须同一 Embedding 模型。
库内问题要答，库外问题要拒答。
调试顺序：召回 → Prompt → 输出 → 成本/延迟。

七、工作流

DAG：有向无环图。有向=有走向，无环=可终止。
顺序：线性依赖。
条件：单入口多出口，必须有兜底。
循环：反思/重试，必须有最大迭代次数。
并行：多源同时执行，必须有汇聚节点。

八、工具

Schema：名称、描述、参数、必填项、默认值。
描述四要素：核心功能、适用场景、边界、参数释义。
成功返回：status: success + data。
失败返回：status: error + error.type/message/suggestion。
工具注册表：集中管理，但工具太多会增加选择难度。

九、多智能体

三支柱：角色与目标、工具与消息、共享记忆。
三模式：顺序接力、辩论协作、层级分工。
AutoGen：ConversableAgent、GroupChat、GroupChatManager。
CrewAI：Role、Goal、Backstory，Agent—Task—Crew。

十、评估与部署

指标：任务成功率、步骤完成率、TTFT、端到端延迟、CSAT、有害内容输出率、敏感信息泄露率。

测试金字塔：单元 → 集成 → 端到端。

部署：

无状态：便于扩展。
有状态：Session ID + 数据库/Redis 保存上下文。
异步：长任务先受理后推送。
流式：逐段返回，改善等待体验。
Docker 打包、Compose 本地多服务、K8s 生产编排、CI/CD 自动化。

十一、安全

提示注入：篡改/绕过系统指令。防御：输入过滤、指令分层、输出审查。
工具滥用：诱导调用工具做危险操作。防御：最小权限、API 网关、人工审批。
高危操作：删除、支付、改核心配置，必须人工确认。
数据安全：HTTPS 传输加密 + 敏感数据存储加密。

十二、最后 10 分钟只看这些

目标驱动、感知—规划—行动—反思。
提示词五要素。
ReAct 三段循环。
RAG 两条链路 + 同一 Embedding。
DAG 有向无环。
循环双重保障。
工具结构化错误。
多智能体三支柱。
TTFT ≠ 端到端。
高危操作人工审批。