“ 所有對大模型的操作都是通過提示詞實現的，而其它所有功能都是基于此二者之上 。”

大模型從訓練完成之后其能力范圍基本上就已經確定了，除非對模型進行重新訓練或微調；但怎么用好大模型，激發大模型的潛力，那就要靠提示詞來解決。

大模型雖然功能強大，但其操作入口只有一個，那就是提示詞，不論是RAG，AIGC，還是智能體都是通過提示詞和大模型進行交互。

而大模型對提示詞進行分析理解用戶需求，然后再根據需求進行下一步操作；比如說生成內容，調用工具(大模型會根據工具的描述選擇合適的工具，然后再生成對應的參數，最后調用工具獲得結果)。

大模型深度綁定的只有提示詞

在大模型使用過程中，我們一直在強調提示詞的重要性，但是事實上很多人沒理解提示詞到底有多么重要，以及在不同的應用場景中提示詞是怎么發揮作用的，以及不同功能之間是怎么串聯的。

在大模型的幾個主要應用場景中，包括RAG，AIGC和Agent智能體；以智能體的運行流程最復雜，主要就在于大模型，提示詞和工具之間的交互。

那么，智能體的運作流程是什么樣的呢？

工具的本質就是一個函數，而在大模型調用工具之前，需要把工具的定義，參數以及說明告訴大模型；簡單來說就是工具的說明書，這個說明書的作用就是讓大模型知道怎么使用這個工具。

而在定義完工具之后，大模型是怎么使用工具的呢？也就是智能體的運作流程是什么樣的呢？

智能體系統在接收到用戶需求之后，會把用戶需求和一些系統設置封裝到提示詞中；之后把提示詞提交給大模型，大模型根據提示詞理解用戶需求；然后根據用戶需求去判斷是否需要調用工具，以及調用合適的工具，同時生成調用參數，然后執行并獲取結果。

所以，從這個角度看大模型就是上篇文章中說的大模型就是一個“人”；它替代了人類的工作，在沒有大模型時需要程序員理解需求，然后編寫代碼調用工具；而有了大模型之后，就由大模型自動生成參數，并調用工具；而這就是智能體之所以被稱作智能體的原因，其智能主要就體現在大模型上，能夠自己理解需求，并使用工具。

 相對于大模型和提示詞，工具并不是大模型所必須的東西；只有當大模型需要使用工具的時候才會產生工具調用，而大模型能夠依靠自身能力解決的時候，就不需要外部工具；比如說AIGC，就依靠大模型自身的能力即可生成。

本文轉載自??AI探索時代?? 作者：DFires