🤖 AI Agent 与 LLM 全景解读

一、核心概念：Agent vs LLM

1.1 什么是大语言模型（LLM）？

大语言模型（Large Language Model，LLM）本质上是一个「超级大脑」 —— 它读了海量的书籍、代码、网页，学会了理解和生成文字。可以把它想象成一个博学但被关在图书馆里的学者：什么都懂，但只能通过文字跟你交流，不能自己上网、不能操作电脑、也不能帮发微信。

举个例子：你问 ChatGPT「深圳今天天气怎么样？」，它能给一个基于训练数据的猜测，但不会真正去查天气网站。因为 LLM 只是一个「推理引擎」，没有执行动作的能力。

1.2 什么是 AI Agent？

AI Agent（智能体）是 LLM + 工具 + 行动能力 的结合体。如果 LLM 是「大脑」，Agent 就是「有手有脚的人」—— 能思考，也能行动。

1.3 一句话区分

LLM 是能「说」的模型，Agent 是能「做」的系统。LLM 提供智能，Agent 提供行动力。所有 Agent 都依赖 LLM，但不是所有 LLM 都能直接当 Agent 用。

所以 Gemini 是 LLM，不是 Agent。Codex 是 Agent。ChatGPT 基础版更像 LLM 聊天界面，但它的插件/GPTs 有部分 Agent 特性。

二、主流 AI Agent 产品

目前市面上的 Agent 主要分通用 Agent（什么都能干）和编码 Agent（专注写代码）。

编码 Agent 的典型工作流

读取项目代码 → 理解需求 → 修改文件 → 运行测试 → 提交 Git。在 Hermes 生态里，这些编码 Agent 都可以作为「子 Agent」被调遣。

通用 Agent 的独特价值

不限于编码，可以做研究、数据分析、自动化任务、智能家居、内容创作。Hermes 的独特之处在于它的「技能系统」——完成任务的方法能存成技能，下次自动调用，越用越顺手。

三、主流大语言模型（LLM）

以下按开发者分类，列出 2025 年最具影响力的大模型。它们是 Agent 的「大脑」，不同 Agent 可以搭载不同的模型。

模型选择速查

四、Agent 与 LLM 的关系

4.1 架构示意

4.2 Agent 框架 vs 单体 Agent

4.3 为什么需要 Agent？

纯 LLM 有先天局限：知识截止日期固定、不能实时获取信息、不能执行操作、没有长期记忆。Agent 通过工具调用突破知识边界，通过记忆系统跨会话保持上下文，通过技能系统不断进化。这就是为什么 2025 年被称为「Agent 元年」—— AI 从「聊天」进化到「办事」。

五、快速上手建议

只想体验 Agent

• 终端装 Claude Code：npm install -g @anthropic-ai/claude-code，输入 claude 即可
• 或装 Hermes：curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
• 想用聊天界面？装 Cursor，体验 IDE 内的 Agent 模式

想深度定制 Agent

首选 Hermes。能接入 20+ 模型供应商，在微信/Discord/Slack 使用同一个 Agent，写技能让它自我进化，定时自动执行任务。

选模型还是选 Agent？

六、常见问答

七、相关资源链接

🤖 Agent 相关

🧠 大模型相关

📖 推荐阅读