一、知识框架总览

• 核心演进逻辑：单次提示词 (One-shot) ➡️ 智能体工作流 (Agentic Workflow，循环迭代) ➡️ 真正的自主智能体 (Truly Autonomous AI)。

• 落地构建逻辑：掌握 4种设计模式 ➡️ 组装单个 Agent 的 4大组件 ➡️ 搭建多智能体 (Multi-agent) 架构 ➡️ 使用无代码工具 (n8n) 落地落地 ➡️ 抓住 SaaS 转型的商业机遇。

二、核心知识点明细

1. AI Agent 的核心定义与工作流

• 定义：不是简单直接让AI一步到位（直上直下），而是将大任务拆解。

• Agentic Workflow（智能体工作流）：包含“思考-研究-输出-修改”的循环迭代（Circular iterative process）过程。

• 最终形态：完全独立弄清楚步骤、挑选工具的 Truly autonomous AI agent（真正自主的智能体）。

2. 吴恩达的 4 种 Agentic 设计模式 (Agentic Design Patterns)

(助记词：Red Turtles Paint Murals)

• R - 反思 (Reflection)：AI 检查自己的输出并进行自我纠错（例如：写完代码后自己检查正确性、风格和效率并修改）

• T - 工具使用 (Tool Use)：赋予 AI 使用外部工具的能力（例如：网络搜索查评价、代码执行器算复利、读取日历等）

• P - 规划与推理 (Planning and reasoning)：面对复杂任务，AI 能自主拆解具体步骤，并决定每一步调用什么工具（例如：提取图片姿势 ➡️ 生成新图 ➡️ 转文字 ➡️ 转语音）

• M - 多智能体系统 (Multi-agent systems)：不再依赖单一的 LLM，而是让多个扮演不同角色、拥有特定专长的 AI 协同工作（类似人类团队）

3. 多智能体架构：从单体到团队 (基于 Crew AI 课程)

(1) 单个 Agent 的四大基础组件

(助记词：Tired Alpacas Mix Tea)

• T - Task (任务)：它需要完成的具体工作。

• A - Answer (答案/预期交付物)：你期望得到的结果

• M - Model (模型)：背后的大脑（如 GPT-4, Claude 等）。

• T - Tools (工具)：完成任务需要的特定工具。

(2) 多智能体系统的 6 种协作架构

• 顺序模式 (Sequential)：像工厂流水线，Agent A 提取 ➡️ B 总结 ➡️ C 存库。

• 层级/分层模式 (Hierarchical)：像公司结构，经理 Agent 分配任务给下属 Agent 收集数据，最后由经理汇总决策。

• 异步模式 (Asynchronous)：各自独立、不同步执行，适合处理实时监控和不确定情况（如网络安全威胁检测）。

• 平行模式 (Parallel)：多个 Agent 同时处理不同的大规模数据块，最后合并。

• 混合模式 (Hybrid)：结合层级和顺序，包含多重实时反馈循环（如自动驾驶系统）。

• 复合流 (Flot)：把上述不同的系统再连接起来，极其复杂但也最强大。

4. 落地实操与未来商业机遇

• 无代码神仙工具：n8n

  • 核心点：比 make.com 更适合做复杂的 AI Agent。Tina老师介绍视频中演示了通过 Telegram 接入，结合 OpenAI 和 Google Calendar 制作了一个零代码的专属排程语音小助手。

• Y Combinator 的商业洞察

  • 核心点：“对于现存的每一家 SaaS（软件即服务）公司，未来都会出现一家对应的 AI Agent 公司。”