今天简单了解一下Agent也叫做智能体，智能体应该算是今年一个最火的话题，很多企业都是想做一些相关的项目，包括我们自己的企业，但是我们发现，其实很多人对智能体的理解是很比较浅的，而且容易把智能体的价值夸大，所以我们还是得理解为什么我们需要一个Agent，那它的根源到底来自于哪儿这样我们才能更好的去理解Agent的本质，以及知道什么情况下我们需要Agent，所以并不是所有的情况下我们都是需要Agent，简单的任务我们根本都不需要考虑,一个大模型的输入输出就解决了。

那下面我们考虑一个情况，对于大模型来说，我们是一般会给大模型一个输入我们也把它叫做prompt，然后通过大模型，我们可以得到一个回复，所以通常情况。下一个简单的问题，我们可以通过这种prompt的方式就可以马上拿到我们想要的回复，但并不是所有的问题都是很简单的问题，而且有些问题，确实比较复杂，所以我们想把它写到prompt里面，那prompt本身就会变得非常的复杂。

简单来举个例子，比如有些时候呢，我们希望大模型可以帮助我们做稍微复杂的事情，就打个比方，帮我们写一个一个报告，那写报告这个事情呢，本质上看起来简单，但实际上很难的。首先我们要定义报告的主题，然后，报告的格式、大纲，还有就是我每个部分应该怎么写，所以我肯定有一个相应的方法论，对于这种任务来讲，那我们的prompt就会变得稍微的复杂一点。

那它可能分解为几个步骤

第一步，设定好主题，然后基于这个主题，再结合市场的热点，然后再把一些更详细的内容方案把它定下来。

第二步，根据这个主题，我们需要去列出一些大纲。

第三步，我们根据大纲，开始编写一些内容，在编写内容的时候，我们也会给一些大模型，一些相应的要求，比如大纲里的第一个部分，我们应该怎么写。

第四步，比如说我们从格式上，还有一些其他的细节上，让大模型帮我们重新的去整理。

所以一些复杂的任务，我们不得不去把它拆解成这些步骤来实现的，然后每个步骤，我们有更详细的一些要求。假如我们给大模型一个类似的prompt，如果大模型真正能够帮我去解决了更好，但实际上我们现在的大模型能力还不足以支撑这么复杂的任务，所以一般来讲我的pront越复杂，其实对大模型的难度是越大。相反，我们的prompt很简单，而且在prompt里面可能就涉及到一到两个明确的问题，那大模型其实是效果是更好的。

比如第二步他可能出错了，他没有给到我们想要的结果，比如说我想要什么样的大纲，但是他给到的大纲，不能满足我们的需求，这个时候我们肯定得有一些机制或者措施，通常情况下，我们还是要去让他重新去做第二步，但是在做的过程里面有可能会发现什么第二步的问题有可能来源于第一步，所以这个时候我们可能还要去重新去第一步。那假如我们一个任务需要二十步才能完成,可想而之我们直接通过prompt来实现是不太可能的。

对于这类复杂的任务来讲，其实更好的方式就是把这个任务做一个拆解。拆解完之后，每个Agent可能负责其中的某一两个任务，这样接收到的信息是有限的，而且处理起来会更加的精准，就像一个产品经理拿到了一个比较复杂的任务，这个任务他可能自己完不成，所以他需要找一些人，这些人都是有一定的擅长点的，所以他可以把相应的任务分配给对这个任务最擅长的那些人，那这是效率最高的，所以Agent同样的道理，而且通过Agent我们也可以更灵活的去设计这种工作流程。

案例:构建【工作报告智能体】整体步骤如下：

第一步：设计 Prompt 引导大模型拆解“生成工作报告”任务，细化为四步：数据收集、报告整理、汇报人选定、自动提交。