人工智能进阶文档深度页
大语言模型与 Agent
模型负责推断和生成，Agent 系统负责上下文、工具、循环、状态和结果控制。
学习目标
- 能说明大语言模型与 Agent解决什么问题，以及何时适用。
- 能解释为什么“把幻觉当成工具执行结果”是误区。
学习前需要掌握
背景与问题
把模型回答误当成已经执行，会造成“说完成了但没有动作”的可靠性缺口。
概念定义
LLM 是根据输入生成输出的模型；Agent 是围绕模型建立的目标驱动运行系统。
直观理解
LLM 能提出下一步，Agent 运行器才决定是否允许、如何执行、如何记录以及是否继续。
核心原理
模型输出是候选决策，不是权限凭证。
工具执行结果要作为新观察返回模型或确定性控制器。
最终完成状态应由可验证结果而非语言自信判断。
理解与实践步骤
- 1
模型接收状态
- 2
产生回答或工具请求
- 3
运行器验证并执行
- 4
结果回填
- 5
判断继续或结束
实际应用
- 区分模型评测与系统评测
常见错误
把幻觉当成工具执行结果
忽略运行器责任
输入、输出与执行边界
输入
- 提示与上下文
- 工具 Schema
输出
- 文本、结构化输出或工具调用意图
能力
- 区分模型评测与系统评测
只读优先默认不要求审批
推荐学习资料
暂未收录相关资料
参考库不会生成虚假资源或无效外部链接。