Agent和LLM 的相关见解

我大概在21年，还是22年 就接触了Ai，当时OpenAi爆火，网上流行出了很多Agent，比如诗人李白Ai、骂人Ai、xxx策划师，但是早期的Agent实现逻辑仅仅只是在和LLM沟通前加入了一段Prompt，例如：你是诗人李白，下面<Question>是用户的问题，请用专业的视角，口吻回答用户的问题，从现在的视角看，就像诈骗一样哈哈哈。

这其实就是角色扮演。LLM 并没有真的变成李白，它只是在强大的概率预测下，模仿出了李白的语言风格。这算 Agent 吗？我其实觉得算，它是最最基础的语言代理，但它没有灵魂，更没有能力触碰现实世界。

早期使用相关ai产品 或者尝试使用ollama等工具部署LLM，直接和LLM对话，其实会发现LLM是没有实时获取最新信息的能力的，

由于训练数据的截止日期，它不知道昨天的天气，不知道刚才的新闻。面对未知，它要么礼貌地道歉，要么开始一本正经地胡说八道（也就是幻觉）。

本质原因： LLM 是一个概率预测器，它好像被困在了模型生成的静态世界里。它不能像人一样打开 Chrome，输入网址，然后阅读。它没有实时获取信息的能力，因为它只有接收文字、输出。

所以为了让 Ai更智能，不用每天都重复训练所谓数据最新的LLM, 大家想要给LLM提供一种联网搜索的功能，让他能像人一样搜索，但是LLM只能一问一答，他是不能直接操控电脑去上网的呀？

于是，你发明了 Agent（智能体） 它不再只是一段 简单的Prompt诈骗，而是神奇的循环代码。

1. Agent 是 LLM 的代理人

Agent 本身并不是模型，它是包裹在模型外面的一层神奇代码。现在你再来问问题它的工作流程变成了这样：

• 用户问： “帮我查一下 2026 年 3 月 30 日xx网站的备案审核进度。”

• LLM 思考： “我不知道，但我有一个 Search_Tool 可以用。”

• Agent 执行： 捕捉到 LLM 的意图，真的去跑了一段 Python 代码，调用 Google 搜索 API。

• LLM 总结： 拿到搜索结果，整理成人类听得懂的话告诉你。

这就是 Agent 的本质：它帮助 LLM 调用工具。 它像一个代理，站在 LLM 和现实世界（互联网、数据库、本地文件）之间。LLM 提供“大脑”负责决策，Agent 提供手脚负责执行。