大模型才是智能体的核心，智能体的所有操作都是基于大模型完成的——智能体的执行过程

开发智能体有一个核心原则——那就是智能体的核心是大模型，不论多么复杂的智能体都是基于这个原则开发的。

为什么这么说？

原因就在于很多人没有理解这句话，简单来说就没搞明白大模型的运行流程是什么样的；而且面对市面上各种开发框架和开源项目，都把智能体的核心操作封装起来了，而对于我们很多开发者来说，这些智能体的运行过程就是一个黑盒，也不懂得其中的原理。

因此，我们今天就主要来讨论一下智能体的运作流程。

从结构上来看智能体的构成很简单，主要就是LLM+Prompt+Tools；但事实上智能体的核心只有一个，那就是LLM大模型。

Prompt提示词是什么？

提示词本质上就是一个与大模型交流的方式或者说渠道；大模型就类似于一个职业经理人，Prompt就类似于你和他签的代理合同，而Tools工具就相当于你现在的公司。

当一个老板没有时间或精力运营一家企业时，他可能会选择一个职业经理人帮他运作这个企业；而智能体就类似于这么一个企业，你只需要告诉它你需要什么，然后让它自己去做就行了。

你不需要关心它怎么做，以及它能不能做，只要你提供了足够的工具，那么它就可以自己想办法用这些工具解决问题。

所以，从智能体的三件套来看，Prompt提示词是与大模型打交道的途径，其和具体的功能和业务没有关系；而工具只是工具，需要使用工具的时候就用，不需要使用工具的时候就不用；因此，工具并不是一个必须存在的东西。

所以，智能体运行的核心就是理解需求，然后自主判断是否需要使用工具，最后再通过工具去完成一些任务。

在智能体中，工具扮演着什么样的角色，以及其运行的流程是什么样的？

在智能体中，会有一个工具列表，然后会告诉大模型这里面每个工具是干什么的，然后需要哪些参数，让大模型根据自己的需要去使用不同的工具；也就是说由大模型自己生成工具所需要的参数，然后让工具去执行；当执行完成之后，再拿到工具的执行结果，去分析是否完成任务，还是出现了某个问题，亦或者应该进行到下一步等等。

总之，大模型可以根据调用工具的结果判断工具是否调用成功，如果调用失败大模型可以再次生成请求参数重新调用工具。

而在langchain或langgraph这些开发框架在智能体中扮演着什么角色？

事实上langchain和langgraph中虽然封装了很多和智能体相关的东西，但langchain的作用是让智能体调用更加顺畅，也就是链式调用；而langgraph的作用其实是数据共享，其本身并不会干涉智能体的调用过程，或者说并没有参与到智能体的调用过程中。

总之，智能体的执行过程很简单，但也很复杂；简单就在于智能体的核心只要LLM和Tools，以及操作大模型的提示词；复杂在于可以通过复杂的设计让智能体完成复杂的任务，这种长链路调用，就会导致数据共享困难，出错概率高，难排查等。