到底什么是智能体？由LLM+Prompt+Tools组成的系统就是智能体吗？ 原创

“ 智能体的难点不在于其理论，而在于其实现；智能体之间的通讯问题，多工具并行调用问题等。”

关于智能体这个问题，从最开始的粗浅认识到后面的深入了解，再到现在好像又不太明白什么是智能体了；在之前对智能体的认识中，就是一个会使用工具的大模型，但等到真正把智能体应用到业务场景中才发现，智能体好像远没有想象中的那么简单。

以下是来自百度百科的智能体的定义：

智能体（Agent）是指能够感知环境并采取行动以实现特定目标的代理体。它可以是软件、硬件或一个系统，具备自主性、适应性和交互能力。智能体通过感知环境中的变化（如通过传感器或数据输入），根据自身学习到的知识和算法进行判断和决策，进而执行动作以影响环境或达到预定的目标。

简单来说智能体是一个系统，它能够感知环境并且能够和环境进行交互；当然，还是那句话任何天上飞的理念都要有落地的实现，目前智能体的具体实现主要还是依靠LLM+Tools的方式，原理就是LLM有逻辑推理的能力，能够进行自我决策，而Tools能够给LLM提供与外界环境交互的能力。

但是理论毕竟是理论，基于LLM+Tools的智能体系统，怎么与具体的业务场景相结合才是智能体应用过程中必须要面对的问题，也是必须要解决的问题。

智能体应该怎么解决业务问题？

基于LLM+Tools的智能体的构成说简单也简单，说复杂也很复杂；简单的点在于实现一个最基础的智能体只需要模型+工具即可；但要实现一个复杂的智能体还需要有高质量的提示词，记忆能力，决策能力和自我修正能力等。

还以作者目前的业务场景为例，有三个子场景需要用智能体实现；然后每个子场景需要同时支持多种召回策略，这个也需要智能体来实现；而三个子场景和多个召回策略属于两个维度的东西，他们的功能不同，但又有联系。这时用智能体应该怎么实现？

比如说给三个子场景，每个场景用一个单独的智能体实现，然后不同维度的召回策略做成独立的工具，然后绑定到三个智能体中；或者，三个场景做成独立的智能体，然后多维度召回也做成独立的智能体，然后对智能体进行编排。

因此，面对这种情况就想到了一个问题，智能体到底是什么？

抛开记忆等其它模块不谈，只考虑智能体的核心能力——自主决策和环境感知，也就是LLM+Tools；理论上来说，只需要给LLM+配置不同的Tools就可以变成具备不同能力的智能体；但这样好像也不太对，因为需要结合不同的提示词才能让大模型知道它的角色，以及应该怎么使用这些工具来完成任务。

最重要的是，如果基于Langgraph开发框架做智能体，如果一个智能体配置多个工具，且需要同时调用(顺序或并行调用)多个工具才能完成任务，怎么才能整合多个工具的返回结果；毕竟对Langraph的智能体来说，工具调用的结果是直接返回给大模型的，虽然也可以通过解析数据的方式拿到工具调用的返回值；但总觉得好像有点别扭，这好像并不是特别好的处理方式。

而且，在对工具执行结果进行整理之后，如果结果无法解决用户问题，这时依然需要智能体能够做出判断，并且再次调用工具获取新的结果。

所以，一个完整的智能体系统应该包含多个模块，LLM，Tools，Memory等；但在具体的落地过程中，可以根据具体的业务场景选择单智能体模式，还是多智能体模式；而不管哪种模式，其中都涉及到很多细节性的东西需要处理；比如说多智能体之间的通讯问题，多工具并行调用的处理问题等。

本文转载自​​​AI探索时代​​​ 作者：DFires