“ 智能體的核心是LLM，方法是Prompt，重要組件是Tools。”

開發智能體有一個核心原則——那就是智能體的核心是大模型，不論多么復雜的智能體都是基于這個原則開發的。

為什么這么說？

原因就在于很多人沒有理解這句話，簡單來說就沒搞明白大模型的運行流程是什么樣的；而且面對市面上各種開發框架和開源項目，都把智能體的核心操作封裝起來了，而對于我們很多開發者來說，這些智能體的運行過程就是一個黑盒，也不懂得其中的原理。

因此，我們今天就主要來討論一下智能體的運作流程。

智能體的運作流程

從結構上來看智能體的構成很簡單，主要就是LLM+Prompt+Tools；但事實上智能體的核心只有一個，那就是LLM大模型。

Prompt提示詞是什么？

提示詞本質上就是一個與大模型交流的方式或者說渠道；大模型就類似于一個職業經理人，Prompt就類似于你和他簽的代理合同，而Tools工具就相當于你現在的公司。

當一個老板沒有時間或精力運營一家企業時，他可能會選擇一個職業經理人幫他運作這個企業；而智能體就類似于這么一個企業，你只需要告訴它你需要什么，然后讓它自己去做就行了。

你不需要關心它怎么做，以及它能不能做，只要你提供了足夠的工具，那么它就可以自己想辦法用這些工具解決問題。

所以，從智能體的三件套來看，Prompt提示詞是與大模型打交道的途徑，其和具體的功能和業務沒有關系；而工具只是工具，需要使用工具的時候就用，不需要使用工具的時候就不用；因此，工具并不是一個必須存在的東西。

所以，智能體運行的核心就是理解需求，然后自主判斷是否需要使用工具，最后再通過工具去完成一些任務。

在智能體中，工具扮演著什么樣的角色，以及其運行的流程是什么樣的？

在智能體中，會有一個工具列表，然后會告訴大模型這里面每個工具是干什么的，然后需要哪些參數，讓大模型根據自己的需要去使用不同的工具；也就是說由大模型自己生成工具所需要的參數，然后讓工具去執行；當執行完成之后，再拿到工具的執行結果，去分析是否完成任務，還是出現了某個問題，亦或者應該進行到下一步等等。

總之，大模型可以根據調用工具的結果判斷工具是否調用成功，如果調用失敗大模型可以再次生成請求參數重新調用工具。

而在langchain或langgraph這些開發框架在智能體中扮演著什么角色？

事實上langchain和langgraph中雖然封裝了很多和智能體相關的東西，但langchain的作用是讓智能體調用更加順暢，也就是鏈式調用；而langgraph的作用其實是數據共享，其本身并不會干涉智能體的調用過程，或者說并沒有參與到智能體的調用過程中。

總之，智能體的執行過程很簡單，但也很復雜；簡單就在于智能體的核心只要LLM和Tools，以及操作大模型的提示詞；復雜在于可以通過復雜的設計讓智能體完成復雜的任務，這種長鏈路調用，就會導致數據共享困難，出錯概率高，難排查等。

本文轉載自??AI探索時代?? 作者：DFires