“ 智能體就是一個會使用工具的人，而大模型就是一個“人”。”

在之前關于智能體的理解就是一個能使用工具的大模型，然后通過Function call的方式給模型配置工具就是一個智能體的了；但等到你真的問我智能體能干什么有哪些應用場景，已經具體應該怎么做。

這時我就傻眼了，雖然看著網上的一些教程，也用智能體開發了一兩個小功能；比如說查詢當前的天氣情況；但等到在真正的在企業應用中，怎么用智能體去解決業務問題，怎么設計落地方案就只能笑笑不說話。

甚至很多時候的想法都很天真，比如說剛開始認為用智能體做數據分析，就是把所有的數據全部丟給大模型，然后讓模型自己去分析。

后來才明白這種想法是多么的可笑，這時也發現自己對智能體的認識太過于淺顯。

智能體與人

雖然說剛開始對智能體的認知很淺顯，甚至有些可笑；但隨著在業務場景中使用智能體，這時才明白智能體到底是什么。

其實，很多人說到人工智能和大模型，都被其高大上的名字給騙了；然后學習大模型的時候，網絡上大部分也都是教你機器學習，神經網絡，正向傳播，反向傳播等等；最后對大部分人來說，結果就是一葉障目不見泰山。

所以，學習技術最好的方式是從應用開始，你知道這項技術能干嘛，解決了什么問題，然后你就能真正理解這項技術。

所以，經過一段時間的應用之后才發現，大模型特別像一個人，而智能體就是一個特別擅長某個領域的人。

為什么說大模型像一個人？

先思考個問題，在智能體出現之前我們怎么處理工作中的業務問題？是不是都是由人來做；那智能體出現之后呢？是不是開始嘗試讓智能體替代我們人類去解決這些問題。

而不管是人也好，智能體也罷，這些問題并不會因為是人做或者是智能體做，就導致這個問題的性質變了。

而且，對大模型來說，我們使用大模型的感受是什么？

是不是覺得大模型就是一個全能型人才，它能夠寫文章，回答問題，做設計，會編程；而大模型最缺的一點又是什么？

大模型最缺的一點就是它沒有物理實體，無法使用工具。

而人與動物最大的區別是什么？制造和使用工具。

因此，雖然大模型沒有實體，但通過編程的方式可以讓大模型通過網絡來操作現實世界的東西，而這就大大擴展了大模型的能力范圍。

所以，從這個角度來理解，如果讓大模型做數據分析應該怎么做？ 

肯定是像人類一樣，先了解需求，然后分析問題，之后根據數據結構寫SQL或分析代碼來進行數據分析；而不是說，直接把所有數據都丟給大模型，然后讓它自己去分析。

而且，把大模型當做人的角色之后，你再去探索大模型的應用場景是不是就發現簡單多了？

雖然說大模型的能力有限，很多事情做得不好，甚至是錯的；但人何嘗不是，同樣會犯很多錯誤。

因此，只需要把人帶入大模型的角色，或者把大模型帶入人的角色；這時再遇到業務問題不知道該怎么解決，就可以把大模型帶入自己的角色去解決問題。

本文轉載自??AI探索時代?? 作者：DFires