前两篇我们搓出了一个能执行命令、读写文件、还会列计划的 agent。功能上够用了，但有个尴尬的问题：它什么都知道一点，什么都不精通。你让它写个 React 组件，它写得出来，但可能用的是过时的 class 组件写法。你让它配置 Nginx，它也能给你一份配置，但可能漏掉了安全相关的 header。这

上一篇咱搓了一个能跑命令、读写文件的最简 agent。它能干活，但干活的方式有点"愣"——用户说一句，它做一步，做完就忘了自己在干嘛。碰到简单任务还好。一旦任务稍微复杂点，比如"帮我创建一个 Flask 项目，包含用户注册和登录功能"，问题就来了：模型可能写完

现在的大模型已经非常聪明，但是像我这种“求知欲”比较强的人就会好奇为什么你问什么它答什么，它是怎么拥有这种能力的？为什么有时候在 Prompt 里我们给它几个例子，它就能做得更好？大模型的训练周期首先把它的生命周期分成两个阶段：预训练和推理。预训练（Pre-training）：十年寒窗苦读这预训练阶

文档原地址：https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf这是OpenAI出具的一份面向产品和工程团队的构建AI智能体的实用指南，主题是如何构建基于大语言模型（

Agno之Agent篇——Model和Tools