AI Agent 实践记录 / 2026

三个 Agent，
三种跑通方式。

从 GTA5 里的视觉自动驾驶，到带概率判断的逻辑推理，再到有依据可查的法律问答。这里记录三个 Agent 解决具体问题的过程，以及它们现在做到哪一步。

浏览实践项目先看方法

机器视觉概率推理 RAG 检索

Selected Projects / 01—03

三个实践项目

它们分别解决感知、判断与知识三类问题。每个项目记录三件事：Agent 在做什么、用了什么方法、现在已经做到哪一步。

01 机器视觉 · 自动驾驶

在 GTA5 里，让车自己看路

把游戏画面当作摄像头输入，让 Agent 自己完成从“看见路”到“握住方向盘”的闭环。

Agent 负责

截取屏幕画面，识别车道与前方车辆，把感知结果换算成方向、油门与刹车指令，实时控制车辆行驶。

当前效果

基础闭环已经跑通：车辆可以完成车道跟随与自动巡航，在直道和缓弯上稳定行驶；复杂车流与突发状况还需要继续调参。

Python 计算机视觉 OpenCV 控制回路

展开技术流程

01感知裁取道路区域，提取车道线并估计车辆相对车道中心的偏移。
02决策根据偏移量与前方目标，计算方向盘的修正幅度。
03执行把控制量映射为按键操作，形成持续运行的驾驶循环。
04调优回放驾驶画面，针对跑偏、压线等情况反复校准参数。

图 01 · 感知 → 决策 → 执行FIG. 01

02 概率推理 · 逻辑判断

让逻辑推理，学会“算概率”

纯逻辑的世界只有真与假，现实却常常是“大概如此”。我试着把一颗“贝叶斯球”塞进推理链，让判断带着置信度往前走。

Agent 负责

用贝叶斯更新维护每个命题的可信度：新证据进入时更新概率，再结合逻辑规则决定下一步推理方向。

当前效果

推理结果从硬性的“对 / 错”变成带置信度的结论。证据不足时更保守，出现矛盾时能说明依据——目前已完成这一思路的验证。

贝叶斯更新概率逻辑推理链阈值决策

展开技术流程

01先验每个判断进入推理链时，先带有一个初始可信度。
02证据新信息到达后，用贝叶斯方式更新后验概率。
03传递概率沿推理链向前滚动，影响下游节点的置信度。
04输出结合规则与阈值给出结论，同时保留完整判断路径。

图 02 · 置信度沿推理链传递FIG. 02

03 RAG · 知识增强

做一个“有出处”的法律问答

不让模型凭记忆回答法律问题，而是先去条文里找依据，再组织答案。

Agent 负责

串联整条链路：理解问题、检索相关法条、筛选材料，再基于检索到的上下文生成回答并标注引用。

当前效果

回答从“凭印象”变成“有依据”：关键结论能追溯到原始条款，核对成本更低。最终效果仍取决于知识库的覆盖质量与检索精度。

RAG 向量检索文本切分 LLM 引用溯源

展开技术流程

01入库将法律文本切分为语义完整的片段，建立向量索引。
02检索根据问题召回相关条款，并对结果进行筛选与重排。
03生成只依据召回的上下文组织回答，降低凭空编造。
04溯源为关键结论附上条款出处，方便人工核对。

图 03 · 检索增强问答流程FIG. 03

Method / 方法

三件事，同一套方法

项目不同，做法却很像：先看清输入，再带着不确定性做判断，最后把过程闭合成可以反复迭代的循环。

输入要“看得见”

游戏画面、零散证据、法律文本，本质都是原始输入。先把它处理成 Agent 能理解的结构，后面的判断才有意义。

不确定就标出来

用概率、置信度和引用来源，让 Agent 表达“有多确定”。这比假装确定，更接近真实世界的判断。

让流程闭环

感知 → 控制、证据 → 推理、检索 → 作答。每一步的输出都是下一步的输入，才能持续迭代，而不是停在一次性演示。

Agent 的效果，不在于一次回答得多漂亮，而在于它能把一件事从输入一直推到输出。剩下的，是继续把边界往前推。

— 写在这三个项目之后

三个 Agent，三种跑通方式。

三个实践项目

在 GTA5 里，让车自己看路

让逻辑推理，学会“算概率”

做一个“有出处”的法律问答

三件事，同一套方法

输入要“看得见”

不确定就标出来

让流程闭环

三个 Agent，
三种跑通方式。