问：大模型的核心是提示词吗？
答：是的，因为文本模型的输入输出只能是文字。Agent的所有的输入输出，本质是特殊处理的文本。可以理解每次对话都是给模型输入的特殊处理的提示词

理解这个问题前，我们想看大模型工作的原理

模型的工作逻辑

我们先来看三个都个东西：

• 模型如何生成长文本
• 模型如何回答问题
• 模型如何拥有记忆

1. 模型如何生成长文本

既：通过自回归计算，把输出的内容不断的拼接当作新的内容，直到模型不输特定符号为止。既生成了长文本。

2、模型如何回答问题

这个很好理解，就是就是把问题当作输出，然后单词接龙，让模型生成长文本，自回归计算直到给出答案

模型如何形成记忆：

也很简单，把用户之前的对话和模型回复，加上新的问题当作输入，然后自回归计算给出输出

Agent和提示词的关系

Agent的解释

Agent：智能代理，是指能够自主感知环境、做出决策并采取行动的计算实体。
偏官方的解释：Agent具备能够感知环境、进行计划、决策和执行动作的能力。Agen在对话、执行任务、推理展现一定程度的自主性。简而言之，Agent是一个具有复杂推理能力、记忆和执行任务手段的系统。

Agent部分组成：

1. 规划（Planning）：负责拆解复杂任务为可执行的子任务，并评估执行策略。
2. 记忆（Memory）：短期记忆和长期记忆，分别用于存储会话上下文和用户特征、业务数据等。
3. 工具（Tools）：Agent感知环境、执行决策的辅助手段，如API调用、插件扩展等。
4. 行动（Action）：Agent将规划与记忆转化为具体输出的过程，包括与外部环境的互动或工具调用。

是否很抽象？其实理解起立很简单。就是提示词的处理

提示词是如何驱动Agent的

用一个通俗的解释理解

智能体 = 驱动模型的提示词（规划） + 拼接上下文的提示词（记忆） + 如何调用工具的提示词（行动）

看一个模型的对话示例，本质是在每次和模型的输入输出中，包含对应的提示词内容

整个智能体的全部，都在每次和模型的对话中，将全部内容形成提示词，从而实现Agent的推动。

整个过程都是由上下文的串联从而形成的。

通常一次回话中，所有的输入输出包含了智能体的四要素：

• 规划：整体指导模型的思考逻辑，如何反思，拆解字任务的逻辑
• 记忆
  • 长期记忆：历史的会话等
  • 短期记忆：本次会话的上下文对话内容。每次单论对话都要补充
• 行动/回复：模型按照要求输出的内容格式。部分通过解析从而获得。

以上便是提示词在Agent中如何工作的全部。

持续更新中，欢迎关注

---

打个广告

Injob AI｜用数据 + Agent 重构人才市场
👩‍💻 Injob AI 是什么？
👉 点击链接体验：https://injob.scenifyai.com/

Injob AI 是一款面向求职者的模拟面试产品，以 “数据 + Agent 协同” 为核心，对个人能力实现更准确的评定，致力于重构人才市场的底层逻辑。

🌟 核心优势
-沉淀稀缺的 岗位考核点数据库
-结合 多Agent 仿真面试流程
-形成 动态评估闭环，让能力不再停留在“简历描述”里，而是转化为真实可验证的职业资产。
🎯 用户价值：职业竞争力量子跃迁基地
 → 高度仿真的面试训练场，提前感受大厂面试场景
 → 零成本试错，精准复盘，快速提升认知与能力
 → 生成 可验证、可流通的能力凭证，让努力被看见

非常感谢！