Agent的定义与Prompt重要性

之前我们学习了Rag和Memory,作为这两者的载体的Agent,还没有系统性的学习一下。

Agent

在平时,我们所使用的像DeepSeek,GPT,opus这类都是agent,只是都是被精细包装、设计、测试好的。而一个普通的agent,我们可以区别于LLM来理解,LLM执行任务,是我们调用API访问,输入我们的任务,模型处理请求并返回一个答案。

而Agent则不同,我们输入我们的任务,它首先会分析任务(会结合上下文看看是否有相关的信息有助于理解),看看目标是什么,然后调用相关的工具(通过不同的API调用工具,来满足需求),最后观察结果是否满足任务目标。比如如果我们问"广州今天天气",会先调用地图api获取经纬度,然后再调用天气api去获取天气情况,如果能成功返回结果,就输出这个,如果返回是空,可能是调用的api不可用,就会去获取别的api尝试调用,直到最后输出天气或者说获取到的所有备用api都不可用。

理解Agent的关键在于,它会自主思考怎么样去完成任务(ReAct框架,分离思考与行动,在使用工具前都会明确这一步的目标还有指令),这一步是透明的,就像我们平时用Opus时,看到其深度思考内容一样,会知道模型从分析到调用工具最后生成内容的过程。而且这不仅仅是给用户看的,更是给模型自己看的,后续还可以让模型进行反思,从而实现自行优化。

而如果是我们自己来设计Agent,把之前我们学到的Memory安上,那么这个Agent就会随着我们使用次数的增加,会变得越来越"懂"我们,不仅知道我们平时习惯用什么样格式的文件,能明白我们习惯性怎样去思考问题,有时也能"关心"一下我们的状态

Prompt

提示词大家都听过很多次,其实我们每次使用大模型时输入的问题,就是一种提示词,不过是很粗糙的提示词,粗糙到跟日常用语一样没什么用。但是如果我们精心设计,从角色、工具、行为准则、输出格式、示例这几方面来限制模型,就可以让其减少幻觉和错误行为(比如有些网站的数据可用性较低,就不需要去搜集这些数据),让agent可以按照我们的思维习惯去处理这次的任务,像现在很多的大模型,就是根据用户输入,去匹配各种提示词包装的功能,然后达到即使用户的问题很简单,也能精准给出回答(因为已经从底层用提示词包装过了)。

相关推荐
Java后端的Ai之路18 小时前
Java并发编程22-Lock接口
java·人工智能·prompt·lock
XLYcmy1 天前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 上
llm·prompt·模糊测试·漏洞修复·漏洞检测·deepseek·消融实验
XLYcmy1 天前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 下
机器学习·llm·prompt·api·token·漏洞修复·漏洞检测
forest_092 天前
多 Agent 协作第二课:交叉验证≠独立验证
人工智能·python·算法·机器学习·prompt·agi
syso_稻草人3 天前
qwen-image-2.1 PE 增强编辑:QwenImage21_EditPromptRewrite 一句话中文扩写成完整编辑指令
人工智能·stable diffusion·prompt·comfyui·qwen-image2.1
zixu_star5 天前
上下文工程:Prompt、记忆和上下文如何管理?
人工智能·prompt
一起学安全技术6 天前
拆大模型 06|Prompt 工程不靠玄学:上下文要当程序写
人工智能·语言模型·prompt·aigc
Java后端的Ai之路7 天前
RAG 还是 Agent 自主检索?Claude Code 删掉向量库之后,我把选型讲透了
开发语言·人工智能·prompt·agent·rag
叼烟扛炮9 天前
[LangChain] 学习笔记(05):提示词模板(Prompt)与少样本注入(Few-Shot)实战
linux·人工智能·笔记·学习·langchain·prompt