导读：上一篇我们扒掉了大模型的第一层外衣，这篇继续拆解AI能力增强的底层逻辑，扒一扒Agent是如何把“只会接话的天才”变成“能干活的员工”的。

一、Prompt：人类给模型装上的第一层“幻觉”

让我们回到最原始的LLM，它的工作模式只有一句话：输入 → 预测下一个token → 输出 → 结束。很多人忽略了一个事实：LLM天生根本不支持“对话”。

🎭 人类的第一次骚操作：伪造聊天格式
聪明的人类很快发现，如果输入写成这样：

User: 你好
Assistant:

模型就会自然补全：

你好！有什么可以帮你？

于是对话能力“诞生”了，但模型其实什么都没变，它只是在补全一段文本格式而已。

🎩 于是人类发明了一个新词：Prompt
听起来很高端，其实它只是一段输入文本。仅此而已。

🧩 Prompt很快又被拆分出两个新词
人类开始觉得输入里包含两种东西：

1. 指令：告诉模型要干什么（写代码、总结、翻译）
2. 背景信息：提供额外知识（用户身份、任务环境、对话历史）
   于是又诞生了Context（上下文）和System Prompt（系统提示）两个概念，听起来越来越高级，但本质依然只有一句话：往输入里塞更多文字。

二、Memory：模型的“记忆”其实是假的

很快，人类又遇到一个致命问题：模型不会记住之前聊过什么。因为每次调用都是一次全新的推理，它没有会话状态。

🧪 解决方案：伪造记忆
人类再次发挥聪明才智：把历史聊天记录复制到新的输入里。于是Memory概念诞生了，听起来像模型有大脑记忆区，实际上只是复制粘贴历史对话。

图：对话能力的真实结构流程图

所谓“连续对话能力”，本质就是不断重复塞旧内容。没有记忆模块，没有长期状态，只有上下文工程。

三、模型的致命缺陷：它啥也干不了

到了这里，LLM看起来已经像个能聊天的员工，但很快问题暴露了，它有三个致命硬伤：

• ❌ 不会上网：知识只停留在训练数据里
• ❌ 不会执行操作：不能调API、查数据库、读取文件
• ❌ 会胡说八道：只做概率预测，不做事实判断

四、Agent的诞生：给模型配一个“秘书”

人类第三次骚操作来了：既然模型不会查资料，那就让它“请求帮助”。于是给它一个规则：如果需要信息，请告诉我。模型就会输出类似“我需要查询天气数据”的请求，人类帮它查再喂回去——这就是工具调用的最原始形态。

但很快人类发现自己成了牛马，于是Agent诞生了。

图：Agent的真实结构示意图

Agent干的事情其实只有三件：

1. 帮用户构造Prompt
2. 帮模型调用工具
3. 在两者之间传话

就像一个不会思考的秘书。

🎯 关键真相：Agent并没有智能，真正有“理解能力”的只有LLM本身，Agent只是自动化流程控制器。

五、Function Calling：让模型说“程序能听懂的话”

早期Agent有个巨大问题：模型用自然语言表达工具需求（比如“我想调用天气API”），程序根本无法解析。于是诞生了Function Calling。

图：Function Calling流程时序图

本质其实就是规定模型必须输出固定格式（通常是JSON）。注意：Function Calling并不是新能力，它只是一种格式约定，就像前后端接口协议。

六、RAG：给模型带小抄

接下来人类发现另一个问题：模型知识会过时。解决办法是RAG（检索增强生成），说白了就是：先查资料，再喂给模型。

图：RAG检索增强生成流程示意图

本质依然没变：还是往输入里塞更多文字。

七、终极真相：Agent其实是“所有不需要智能的部分”

现在我们把所有概念串起来：

• Prompt = 输入模板
• Context = 附加信息
• Memory = 复制历史对话
• RAG = 复制外部知识
• Function Calling = 规范输出格式
• Agent = 自动化传话系统

你会发现一个惊人的结论：所有这些技术的核心都是往Prompt里塞东西。而真正需要“智能”的地方只有一个：语言理解与生成，也就是LLM本身。

八、所以Agent的真正定义是：

Agent = 所有不需要智能的部分的集合。

凡是可以用程序确定执行的事情：

• 调API
• 查数据库
• 执行脚本

都交给Agent。凡是需要语义理解的事情，才交给模型。

总结

📌 核心要点：

• Agent 是非智能任务的自动化集合，负责处理规则明确的机械任务
• LLM 专注于智能任务，负责需要语义理解和创造性思考的工作
• 明确分工能让整个系统效率更高、成本更低、结果更可靠
• Agent 就像 LLM 的 "手脚"，负责执行；LLM 就像 Agent 的 "大脑"，负责决策
• 这种分工模式是未来大模型应用的核心架构