Agent是不是各种prompt的堆叠？

可以明确说不是。llm是大模型的核心，推理决策都是靠大模型,虽然agent用到很多prompt来处理规划的子任务,但agent的作用不单单是prompt，不是各种prompt的堆叠。

Agent与llm的一个主要能力区别在于agent可以制定多步计划并且对应执行迭代，而llm可以给出对于执行一个动作的描述(text-only)，但不会直接去执行动作(o3之类的模型除外，o3通过强化学习训练了也具备了交错执行think-action迭代的能力)。

所以一般的agent框架实现的功能可以分解为主要几个步骤:理解任务->规划任务->执行任务->返回结果(不满足继续迭代)。举个例子，你和朋友计划周末聚会吃饭，两个人在城市的不同位置，需要找一个中间位置的地方。llm很难将很细粒度的地理位置知识进行学习，如果直接调用大模型来完成这个任务，可能会出现幻觉。而agent通过多步规划和使用工具，可以准确的完成这个任务。

我们可以来实际操作一下，这样会更直观。以deepseek作为大模型选手，cursor (agent模式，集成高德地图map)为agent选手，分别测试这个任务的完成情况。

输入

“我和朋友在上海，一个在周浦，一个在马陆，找一个中间的商场吃饭”

先来看对应的执行结果:

deepseek输出:

Cursor执行结果:

让我们来分析两个结果，首先可以通过高德api确定马陆和周浦的经纬度，计算中间位置的经纬度:

马陆-经纬度:121.289473,31.339399（嘉定区），

周浦经纬度:121.579386,31.110861（浦东新区），

计算中间经纬度:121.434430,31.225130，

通过高德api确定大概位置为:静安绿地柒彩里，从地图上直观来看也没问题。

那就可以初步锁定中间位置在静安区，然后我们来看大模型的结果，第1个给的上海环球港，可以直接通过高德地图来分别看上海环球港到两个位置的距离，到马陆镇大概21公里，到周浦镇大概30公里，可以看到这个位置不是很“中间”，从周浦出发的那个同学就要多一些路程了。

环球港到马陆镇

环球港到周浦镇

再来看第二个大模型的推荐地点，南翔印象城就在马陆镇旁边，如果是男朋友从周浦出发去找女朋友，这个推荐也算合理吧。

我们再来看cursor的推荐结果，三个位置都在静安区，而且距离都不超过2km,我们只需要验证其中一个就可以。看一下静安嘉里中心，距离周浦大概23公里，距离马陆大概24公里，可以看到这个推荐是很合理的。

静安嘉里中心到周浦

静安嘉里中心到马陆

通过这个例子，已经可以很直观的看到大模型和agent的区别,agent能得到比较好的结果在于正确的规划和地图工具的多步调用。在cursor执行这个任务的时候，首先规划执行这个任务需要先计算中间位置的坐标，再通过坐标找到对应的商场。而要计算中间位置坐标，又需要计算起点和终点位置的坐标，然后去调用高德的mcp工具，这样一步步来完成任务。

如上分析，agent不是各种prompt的堆叠，而是将llm的强大推理能力用来做规划，再通过调用合适工具完成子任务，迭代执行实现总体目标的一种技术方案。

本文为知乎讨论话题(https://www.zhihu.com/question/1894891236617332066)，笔者从自身角度进行思考，整理分享。