“ 智能體中，大模型就是人，工具就是人使用的工具，提示詞就是你想讓大模型做什么，以及怎么做。”

智能體作為AI領域潛力無限的一個應用方向，很多技術從業者都撲在了智能體上，同時也有更多的人想入行智能體開發；但面對智能體領域各種亂七八糟的新概念，新名詞很多人都不知道該從哪下手，以及怎么下手。

特別是智能體是結合大模型LLM+Prompt+Tools組成的一個復合概念；最重要的是很多人剛開始很難弄明白大模型都是干啥的，以及應該怎么干。

從人的角度理解大模型和智能體

事實上智能體的理解很簡單，就是一個人(LLM)+工具(Tools)，然后再告訴它應該怎么做(prompt)。

舉個簡單的例子，某天你老板讓你把你現在做的業務給簡單介紹一下，并畫個流程圖啥的；這時你可以通過口述把你做的事情給描述一遍，這個你就是大模型；而老板的要求——介紹你現在做的業務，就是提示詞Prompt。

那么什么是智能體呢？

老板不但讓你介紹你做的工作，還讓你畫個流程圖什么的；這個流程圖應該怎么畫？

是拿張紙和筆用手畫，還是打開電腦用wps或者其它繪圖工具畫；這里的紙和筆或者電腦就是工具(Tools)，讓你做什么事之前總需要給你工具才可以。

所以，智能體是什么？

智能體就是一個具備獨立思考能力的大模型(大腦)，然后配備了多種工具(只不過需要告訴大模型這些工具都是干啥的，以及怎么用)，最后再通過提示詞告訴大模型要做什么，然后讓大模型自己去思考，然后使用某個工具完成某件事情。

但是，大模型這個腦袋并不是萬能的，它也會犯錯而且可能會經常犯錯；哪怕是人腦很多時候溝通都會產生很大的偏差，所以基于大模型構建的智能體出現問題的可能性就更大了。

而且，程序員在開發接口或者工具的過程中，不同的接口或功能都會有其固定的格式；但大模型不同，根據業務需要可能大模型要集成多種不同的工具，而這些工具的參數和返回值格式都不盡相同，而這也為大模型的后續處理帶來很大的困難；特別是在多智能體交互的過程中。

所以，面對這種問題只能盡可能地去約束大模型或者工具的輸出結構，然后由大模型自動或者通過人工規則約束的方式來規范數據格式。

但這種方式也只能盡可能的降低智能體出錯的概率，而并不能完全避免出現問題；所以，在智能體的開發過程中需要有完善的容錯機制，才能讓智能體更穩定，更健壯。

還有一點就是，在這種長鏈路的執行過程中，數據在智能體或者在不同智能體之間的流轉就成了一個問題；而這種只能借助第三方或者獨立的數據流轉模塊；而在Langgraph中，就是通過狀態圖來實現的。

本文轉載自??AI探索時代?? 作者：DFires