在人工智能领域，Agent（智能体） 是一个比“大语言模型（LLM）”更为广泛和主动的概念。

如果说 LLM 是一本“会说话的百科全书”，那么 AI Agent 就是一个“拥有手脚和大脑的数字员工”。它不仅能理解你的意图，还能主动规划、调用工具，并最终完成复杂的、多步骤的任务。

核心概念拆解：Agent 是如何工作的？

Agent 的核心组成
一个 Agent 一般包含这几个部分：
大脑（LLM） — 负责理解、推理和决策
工具（Tools） — 搜索网页、执行代码、读写文件、调用 API 等
记忆（Memory） — 短期（对话上下文）+ 长期（向量数据库）
规划能力（Planning） — 把大目标拆解成一步步可执行的小任务

1. 感知层 (Perception)：接收指令与环境

Agent 不仅仅是接收一段文本 Prompt。在更高级的应用中，它能感知环境。

输入： 它可以是用户的语音指令、数据流（Data Streams）、甚至是其他系统自动触发的事件（如传感器数据）。在图中，你可以看到输入被定义为“Target: Build a custom data pipeline（目标：构建一个自定义数据管道）”。

2. 智能核心 (Intelligence Core)：推理与规划

这是 Agent 的核心大脑，也是 LLM 最常扮演的角色。不同于一次性回答，它会进行：

任务分解 (Task Decomposition)： 将复杂的目标（如构建管道）拆解为可执行的小步骤。如图中所示：1. 研究 API，2. 编写脚本，3. 部署，4. 测试。

迭代推理 (Iterative Reasoning)： 在“决策”和“上下文管理”之间循环，根据前一步的执行结果调整下一步计划。

3. 执行层 (Execution Layer) 与工具调用 (Tool Use)：手脚

这是 Agent 区别于普通 LLM 的核心标志。 它不再只是“说说而已”，而是可以真正地操纵外部世界。

手脚能力： 图中展示了它如何向四个方向延伸出“数字手臂”，通过 API 调用外部服务、运行 代码 (Code Execution) 编写并测试脚本、访问 数据库 (Databases) 或 搜索引擎 (Search Engines) 检索实时信息。

4. 反馈循环 (Feedback Loop) 与 Agentic Workflow：自我进化

Agent 具有自主性的关键在于它能从结果中学习。

它包含一个内置的“自我改善循环 (Self-Improvement Loop)”，能自动进行“错误分析”和“自我监控”。

执行结果会通过反馈机制（Feedback Loop）流回推理层，告知大脑：“这个脚本报错了，我需要重新生成新的代码。”

简单来说，AI Agent 就是一个能够感知外部世界、通过复杂推理自行制定计划、并能够自主调用各种数字工具来实现特定目标的智能系统。它将 LLM 的文本生成能力，转化为具有生产力的实际行动。

Claude Code 详细介绍

Claude Code 是一个自主编程工具，运行在你的终端里，理解你的整个代码库，通过自然语言指令帮你更快地编写代码、执行日常任务、解释复杂代码、处理 Git 工作流。

核心能力

Claude Code 能够读取你的代码库、编辑文件、运行命令，并与你的开发工具集成。它理解你的整个代码库，可以跨多个文件和工具协同工作来完成任务。

具体来说，它可以：

1. 自动化繁琐任务：写测试、修复 lint 错误、解决合并冲突、更新依赖、编写发布说明
2. 开发新功能：用自然语言描述需求，Claude Code 规划方案、跨文件写代码并验证可行性
3. 调试 Bug：粘贴报错信息或描述症状，它会追踪整个代码库，定位根本缘由并修复
4. Git 工作流：暂存变更、撰写 commit 消息、创建分支、提交 Pull Request

支持的运行环境

Claude Code 可在终端（Terminal CLI）、IDE（VS Code、JetBrains）、桌面 App 和浏览器中使用。

截至 2026 年 3 月，Claude Code 已从简单的”终端 AI 编程助手”演变为一个完整的自主编程 Agent 平台。主要新能力包括：

1. Auto Mode（自动模式）：由 AI 自主判断哪些操作可以安全执行，无需每步都等待用户确认，同时内置安全层检测提示注入等风险行为。
2. Voice Mode（语音模式）：通过 `/voice` 命令激活，使用按住空格键说话的推按通话机制，支持 20 种语言。
3. Computer Use（远程桌面控制）：可以直接操控桌面执行操作
4. Remote Control（远程控制）：在手机上发送指令，Claude Code 自动在 Mac 上执行桌面操作，代码和文件不离开本地电脑，只有聊天消息通过加密通道传输。
5. MCP 集成：连接外部数据源和工具，扩展 Agent 能力

快速安装

# macOS（Homebrew）
brew install claude-code
# 或通过 npm
npm install -g @anthropic-ai/claude-code
# 或者
curl -fsSL https://claude.ai/install.sh | bash
国内用户需要一点魔法
curl -x http://127.0.0.1:7890 -fsSL https://claude.ai/install.sh | bash
找到你的端口，进行安装

安装过程自动完成，无需其他操作

Last login: Tue Mar 24 21:20:53 on ttys001
(base) @192 ~ % curl -x http://127.0.0.1:7897 -L https://claude.ai/install.sh | bash
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100   143  100   143    0     0    215      0 --:--:-- --:--:-- --:--:--   215
100  4531  100  4531    0     0   3237      0  0:00:01  0:00:01 --:--:-- 20880
Setting up Claude Code...
✔ Claude Code successfully installed!                                                                                
  Version: 2.1.84                                                                          
  Location: ~/.local/bin/claude
  Next: Run claude --help to get started
⚠ Setup notes:
  • Native installation exists but ~/.local/bin is not in your PATH. Run:
  echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc && source ~/.zshrc
✅ Installation complete!

安装完成后，提示没有加入环境变量，这里加入环境变量即可

echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

配置完成后输入 Claude ，就可以正常打开了

Claude code 配置 GLM 系列模型

Claude code 默认使用 Claude 系列模型，这里我们可以直接使用 GLM 系列模型

第一输入 GLM 的小工具，进行自己 API key 的配置

npx @z_ai/coding-helper

配置完成后，手动修改配置文件 ~/.claude/settings.json，添加或替换如下环境变量参数：

{
  "env": {
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-4.7",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-4.7"
  }
}

然后重启 Claude ，输入/model，就可以看到自己配置的 GLM 系列模型了

当然你也可以直接使用 ollama 的模型，直接使用 ollama 的指令即可

ollama launch claude --model kimi-k2.5:cloud