Day 1 ✅ 今天做了：学了agent常规概念和架构总览 ⏰ 明天计划：langchaain和langchain4j 📚 今日感悟：agent和传统gpt的区别就是，传统gpt是一问一答，而agent可以根据用户需求进行意图识别，思考过后进行工具调用，本质上就是agent通过大模型知道用户意图后根据我们自定义代码去发生结构化请求，来调用我们代码里自定义的tool，再将输出通过大模型来润色为自然语言返回给用户。而现在并不是所有工具都需要从0到1去写，可以通过mcp，去调用一些已经在mcp服务端编写好的工具。agent拥有react，走思考-执行-观察，但是容易死循环，plan-and-excute是先规划计划，再逐步执行，而反思是对上述两个模式的增量。在我们使用claude code之类的harness的时候，最后在对应文件夹下写skill来减少重复性行为，而skill如何被自然找到，就是describtion的写的好不好了。最后就是有的任务单agent是无法实现的，需要多agent协作，而如何协作就是需要A2A协议，每个agent都会维护一个自身的card，会具有describtion和skill知道这个agent的功能以及技能。多agent具有主从模式，串行执行和多个agent围绕一个问题进行讨论，最后达成共识这三个模式，java一般使用springAI