Coze的Agent主要面向大部分用户，是通过RAG、工具调用、workflow调用来扩展大模型的能力边界，来实现agent的效果。 其中的问题是这些机制的prompt和逻辑都是封闭的，🚫用户无权修改。对于需要追求定制化/复杂解决方案的情况，显然会不够方便。 如果需要构建一个包含复杂逻辑的Agent，✔️可能的情况中包含与内置的prompt产生冲突。这样的情况下，调用时机、生成的查询query、返回的信息在prompt里的位置等，都可能不能符合业务的具体需求。 ⭕️举个例子：做一个客服问答产品 1、LangChain作为一个基础设施平台，提供了构建此类系统的工具和服务。开发者使用LangChain整合不同的工具和服务，如对接检索服务、对接商品价格知识库、对接大模型等。 2、Agent扮演核心角色，负责协调和执行整个客服处理过程。 ①做出规划：用户问了一个问题“5斤特大号苹果加3斤中号苹果，一共多少钱”，Agent调用大语言模型进行规划： 大语言模型将这个过程分成2步，第一步查询特大号苹果单价、中号苹果单价，第二步计算5斤特大号苹果+3斤中号苹果的总价。 第一步需要调用RAG工具，第二步需要调用计算器工具。 ②调用工具：RAG工具首先通过检索模块从商品价格知识库中查找相关信息，找出最相关的条目，之后，Agent将这些条目传递给计算工具，计算工具计算出总价。 ③执行动作：大模型基于总价生成客服文案。 #Agent #AI #AI产品经理 #ai产品经理 #产品经理 #AI产品经理入门 #ai产品经理方法论 #0基础转行ai产品经理 #职场 #智能客服