6.1 Agent 和普通 Prompt 的区别
引言
如果你的平台支持自建 Agent（智能代理），你需要学习一种新的 Prompt 写法。
Agent 和普通 Prompt 有什么不同？
动画演示：Agent vs 普通 Prompt
普通 PromptAgent
单次问答
用户输入
AI 输出
循环执行
用户任务→
思考→行动→观察
↺ 继续循环
✓ 输出结果（3 步）
普通 Prompt：用户输入 → AI 输出 → 结束
Agent：思考 → 行动 → 观察 → 循环 → 输出（主动规划、多步骤执行）
什么是 Agent？
简单比喻：Agent 就是一个「会干活」的 AI 助手。
普通 Prompt
你问一句 ──► AI 答一句
（单次问答，结束）
Agent
你给一个任务 → AI 思考 → 调用工具（搜索/计算/写文件）→ 观察结果 → 再思考 → ...循环... → 最终输出
（多步骤执行，主动规划）
举例对比
| 场景 | 普通 Prompt | Agent |
|---|---|---|
| 查股价 | 「特斯拉股价是多少？」→ AI 直接回答 | 「分析特斯拉投资价值」→ Agent：搜索股价 → 查财报 → 看新闻 → 综合分析 → 给建议 |
| 写报告 | 「帮我写报告」→ AI 生成一份 | 「写竞品分析报告」→ Agent：确定竞品 → 搜索各家信息 → 整理对比 → 生成报告 |
核心区别对比
| 维度 | 普通 Prompt | Agent |
|---|---|---|
| 🔄 执行方式 | 单次问答，一问一答 → 结束 | 多轮循环执行，思考→行动→观察→循环 |
| 🛠 能力 | 只能生成文字（写、说、解释） | 能调用工具（搜索、计算、写文件、发邮件） |
| 🎯 主动性 | 被动响应（你问才答、你说才做） | 主动规划（自己分解任务、自己决定步骤） |
| 🧠 记忆 | 只记住当前对话，对话结束就忘 | 可记住历史任务、用户偏好、任务上下文 |
Agent 的工作方式
ReAct 循环
Agent 按 思考 → 行动 → 观察 循环执行，直到任务完成：
- 思考：分析任务，决定下一步做什么
- 行动：调用工具（search() / calc() / write()）
- 观察：获取工具返回结果
- 判断：任务完成？→ 输出结果；未完成 → 回到步骤 1
具体示例
用户：「分析特斯拉投资价值」
步骤 1：
思考：需要先搜索股价信息
行动：search("特斯拉股价")
观察：股价是 250 美元
步骤 2：
思考：还需要查财报数据
行动：search("特斯拉财报")
观察：营收增长，利润下降
步骤 3：
思考：需要了解近期新闻
行动：search("特斯拉新闻")
观察：新产品发布，市场反应积极
步骤 4：
思考：信息足够，可以分析
输出：给出投资建议Agent vs Prompt 对比表
| 特点 | 普通 Prompt | Agent Prompt |
|---|---|---|
| 执行方式 | 单次问答 | 多轮循环执行 |
| 能力 | 只能生成文字 | 能调用工具（搜索、计算、写文件等） |
| 主动性 | 被动响应 | 主动规划、分解任务 |
| 记忆 | 只记住当前对话 | 可记住历史任务、用户偏好 |
| Prompt 复杂度 | 简单（任务+格式） | 复杂（角色+工具+流程+输出+安全） |
本节小结
📌 本节核心要点
- Agent 定义 — 「会干活」的 AI 助手，能调用工具、多步骤执行
- 核心区别 — 单次问答 vs 循环执行；文字输出 vs 工具调用；被动响应 vs 主动规划；短记忆 vs 长记忆
- 工作方式 — 思考 → 行动 → 观察 → 循环 → 输出
思考题
- 你的平台有 Agent 功能吗？如果有，你用过吗？效果如何？
- 你能想到什么场景适合用 Agent 而不适合用普通 Prompt？
- Agent 的「循环执行」有什么潜在风险？（比如无限循环）
下一节
了解区别后，下一节学习Agent 提示词的四要素。