检索日期：2026-03-27 使用原则：每章单独检索；优先经典教材、大学课程、官方平台、代表性论文、真实环境 benchmark 与系统运行时文档；只保留能直接支撑“什么是 Agent”这一章总定义的来源。
Artificial Intelligence: A Modern Approach 作者/机构：Stuart Russell, Peter Norvig 年份：经典教材，多版 URL：https://aima.cs.berkeley.edu/ 角度：经典 AI 中的 rational agent 与 agent-environment 框架 采用原因：为第 1 章提供不依赖 LLM 热潮的基础定义。
CS188 Intro Notes: Intelligent Agents 作者/机构：UC Berkeley 年份：课程资料 URL：https://inst.eecs.berkeley.edu/~cs188/fa22/assets/notes/cs188-fa22-note01.pdf 角度：大学课程化表述，强调感知、环境、动作、目标 采用原因：把经典 agent 定义讲得足够工程化，适合转化成书中通俗但不失严谨的表述。
Building Effective Agents 作者/机构：Anthropic 年份：2024-12-19 URL：https://www.anthropic.com/engineering/building-effective-agents 角度：现代工程定义，强调 workflow 与 agent 的动态执行差异，强调基于环境反馈形成 loop 采用原因：是当代工程界讨论 agentic systems 的代表性一手资料，能支撑“Agent 是过程系统”的表述。
How We Built Our Multi-Agent Research System 作者/机构：Anthropic 年份：2025-06-13 URL：https://www.anthropic.com/engineering/multi-agent-research-system 角度：生产系统中的 agent 协调、策略生成、反馈调整 采用原因：证明 agent 不是聊天接口，而是持续推进任务的运行单元。
Agents | OpenAI API 作者/机构：OpenAI 年份：持续更新 URL：https://developers.openai.com/api/docs/guides/agents 角度：OpenAI 官方对 agents 的系统定义与组成拆分 采用原因：能支撑第 1 章中对现代 Agent 运行组件和系统结构的定义。
OpenAI Agents SDK 作者/机构：OpenAI 年份：持续更新 URL：https://openai.github.io/openai-agents-python/ 角度：运行时 primitives，如 agents、handoffs、guardrails 采用原因：用于证明现代 Agent 已经被官方定义成一个运行系统，而不是一个 prompt。
Running agents 作者/机构：OpenAI 年份：持续更新 URL：https://openai.github.io/openai-agents-python/running_agents/ 角度：agent loop、tool calls、handoff、直到任务完成的运行循环 采用原因：直接支撑第 1 章里“Agent 是闭环运行结构”的核心论断。
What Are AI Agents? Definition, Examples, and Types 作者/机构：Google Cloud 年份：持续更新 URL：https://cloud.google.com/discover/what-are-ai-agents 角度：bot、assistant、agent 的平台区分，强调 autonomy 与主动任务推进 采用原因：提供了不同于 OpenAI/Anthropic 的平台定义，有助于避免章节只引用单一公司话语。
Agents - Agent Development Kit 作者/机构：Google 年份：持续更新 URL：https://google.github.io/adk-docs/agents/ 角度：把 agent 定义为 self-contained execution unit 采用原因：适合支撑“Agent 不是人格，而是执行单元”这一工程表述。
Microsoft Foundry Agent Service Overview 作者/机构：Microsoft 年份：2026-03-25 URL：https://learn.microsoft.com/en-us/azure/foundry/agents/overview 角度：以 LLM 推理并采取自主动作完成任务的 AI 应用 采用原因：是微软平台对“什么是 Agent”最直白的当前官方定义。
Microsoft Agent Framework Overview 作者/机构：Microsoft 年份：2026-02-20 URL：https://learn.microsoft.com/en-us/agent-framework/overview/ 角度：agent、workflow、session、memory、tools 的统一运行时框架 采用原因：证明工业界已将 Agent 看成系统编排与运行管理问题。
What Are AI Agents? | IBM 作者/机构：IBM 年份：持续更新 URL：https://www.ibm.com/think/topics/ai-agents 角度：企业系统与治理视角下的 agent 定义 采用原因：能支撑第 1 章中“Agent 不是聊天人格，而是企业运行单元”的写法。
What Are AI Agents? | AWS 作者/机构：AWS 年份：持续更新 URL：https://aws.amazon.com/what-is/ai-agents/ 角度：环境、目标、自导任务的软件程序 采用原因：适合把现代平台视角和经典 agent-environment 骨架接起来。
Autonomous AI Agents | NVIDIA Glossary 作者/机构：NVIDIA 年份：持续更新 URL：https://www.nvidia.com/en-us/glossary/ai-agents/ 角度：感知、推理、规划、执行、工具与安全基础设施 采用原因：补足基础设施厂商视角，支撑第 1 章对 Agent 组件化结构的描述。
ReAct: Synergizing Reasoning and Acting in Language Models 作者/机构：Shunyu Yao 等 年份：2023 URL：https://arxiv.org/abs/2210.03629 角度：reasoning-acting 交替循环 采用原因：用于证明 Agent 不只是回答，而是推理与行动交替推进的过程系统。
Toolformer: Language Models Can Teach Themselves to Use Tools 作者/机构：Timo Schick 等 年份：2023 URL：https://arxiv.org/abs/2302.04761 角度：工具使用是决策问题，而非简单外挂能力 采用原因：能支撑第 1 章中“现代 Agent 是模型进入任务闭环”的论点。
Reflexion: Language Agents with Verbal Reinforcement Learning 作者/机构：Noah Shinn 等 年份：2023 URL：https://arxiv.org/abs/2303.11366 角度：反馈、反思、轨迹修正 采用原因：用于证明反馈回流是 Agent 区别于单次推理的重要特征。
Generative Agents: Interactive Simulacra of Human Behavior 作者/机构：Joon Sung Park 等 年份：2023 URL：https://arxiv.org/abs/2304.03442 角度：observation、memory、reflection、planning 的持续行为架构 采用原因：提供了“持续行为系统”这一层的直观研究样板。
A Survey on Large Language Model based Autonomous Agents 作者/机构：Zhiheng Xi 等 年份：2023 URL：https://arxiv.org/abs/2308.11432 角度：对 LLM agents 的统一综述框架 采用原因：适合把零散研究收束成可传播的章节定义。
Exploring Large Language Model based Intelligent Agents: Definitions, Methods, and Prospects 作者/机构：Yuheng Cheng 等 年份：2024 URL：https://arxiv.org/abs/2401.03428 角度：definitions、methods、prospects 的总览框架 采用原因：适合补“什么是 Agent”的定义层与组成层。
AgentBench: Evaluating LLMs as Agents 作者/机构：Xiao Liu 等 年份：2023 URL：https://arxiv.org/abs/2308.03688 角度：把 LLM 作为 agent 进行多环境系统评测 采用原因：用于反向证明 Agent 定义不能停留在单轮语言能力。
WebArena: A Realistic Web Environment for Building Autonomous Agents 作者/机构：Shuyan Zhou 等 年份：2023 URL：https://arxiv.org/abs/2307.13854 角度：真实网页多步任务 benchmark 采用原因：能证明“会说”与“能在环境里完成任务”之间存在巨大差距。
OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments 作者/机构：Xizhou Zhu 等 年份：2024 URL：https://arxiv.org/abs/2404.07972 角度：真实计算机环境中的开放式多模态 Agent 采用原因：用于说明 Agent 的本质难点是任务推进与环境交互，而不是文字表面质量。
LangGraph Overview 作者/机构：LangGraph 年份：持续更新 URL：https://docs.langchain.com/langgraph 角度：long-running、stateful agents 的运行时 采用原因：从系统/架构侧支撑“Agent 是运行系统而不是单轮接口”。
Model Context Protocol Architecture 作者/机构：Model Context Protocol 年份：2024-11-05 URL：https://modelcontextprotocol.io/specification/2024-11-05/architecture/index 角度：host-client-server、stateful sessions、capability negotiation 采用原因：补足协议化世界接口，说明现代 Agent 依赖结构化上下文与能力接入层。