搞懂 LLM 和 Agent✨90% 的人都分不清
很多刷 AI 的朋友，经常看到 LLM、Agent，傻傻分不清楚！一句话核心：LLM 是大脑，Agent 是整套会干活的完整系统，Agent 里面包含 LLM，但 LLM 不等于 Agent什么是 LLM 大语言模型？它就是 AI 的思考大脑，经过海量数据训练。
什么是 Agent？与大模型有什么本质不同？
开场：面试官最深的一条追问 说说什么是 Agent？它和大模型有什么本质不同？ Agent 就是具备自主能力的大模型应用，能通过 Function Calling 调用工具，比普通调 API 的对话聊天更强。 所以"Agent = 加工具的大模型"？
AI 工程从数学基础、深度学习一路讲到 LLM、Agent 和 MCP
最值得停下来想的一句话，不是“GitHub热榜第一”，而是每节课都有代码、练习和可复用产物。这句话指向的，恰恰是AI工程学习里最难跨过的那道坎：看懂了，跑通了 demo，然后呢？智联招聘2026年的报告给出了一个耐人寻味的对照：人工智能工程师的需供比达到2.
Agent 由哪几部分组成？
开场：从"只会聊天的模型"到"能干活的 Agent" 你天天说 Agent，那我问你：Agent 和大模型的区别到底在哪？它由哪几部分组成？ Agent 就是能调用工具的大模型，多套一层工具调用。 那如果它只调了一次工具（比如查了一次天气就回答），它算 Agent 吗？
一文看懂为什么现在都把 AI Agent 叫做 LLM+Harness？
最近聊 AI Agent，总能听到一堆名词：Function Calling、Skills、MCP、Harness…… 很多开发者越听越懵：不就是让大模型调用工具吗，怎么搞出这么多概念？
Agent 的基本架构由哪些核心组件构成？
开场：一道最能暴露"漏组件"的题 Agent 的基本架构由哪些核心组件构成？大概说一下。 需要一个 LLM 来做推理，然后要有工具，让模型能调用 API、查数据库…… 就 LLM + 工具？那"记忆"放哪？"规划"又由谁来做？工具和记忆是不是一回事？
在工程实践中，为什么有时候选择「手搓」Agent
开场：一道专测"有没有想清框架边界"的题 你平时做 Agent 开发用什么框架？ 主要用 LangChain，功能很全、上手快，工具注册、ReAct loop、记忆管理都封装好了，开发效率高很多。 那如果线上出了 bug，你怎么排查？
同样用一个模型，为什么有的公司的 agent 更好用？
差别出在哪里，LangChain 的联合创始人兼 CEO Harrison Chase 在伦敦的 Interrupt 大会开场时，用一整场的时间回答了这个问题。
Agent 开发（一）：LLM 是什么？
上一篇 Agent 开发到底该学什么[1] 里，我把学习路线拆成了十块，第二块是「LLM 基础认知」。这一篇就把这块讲透。目标很朴素：看完之后，你能回答三个问题——这个需求，LLM 到底能不能做？它为什么会产生幻觉、为什么会忘记、为什么同样的输入两次结果不一样？