01 · Agent到底该干什么

Agent到底该干什么

很多人在设计AI Agent时容易犯一个错误:让Agent干所有事。既让它理解用户意图,又让它生成内容,还让它做决策、调工具、管状态——结果Agent变成了一个"全能但全不精"的黑盒。

CarryU王同学提出了一个清晰的职责定义:Agent只负责三件事——写Prompt、判断任务复杂度、执行任务。这个定义看似简单,但背后有着深刻的工程思考。

好的Agent设计不是让Agent变得更强,而是让Agent的边界变得更清晰。

核心思路:把Agent从一个"什么都干"的全能角色,变成一个"只做三件事"的专业角色。其余的工作交给模型、工具和流程来完成。
02 · 职责一:写Prompt

职责一:写Prompt

Agent的第一个职责是写Prompt。注意,不是用户写Prompt给Agent,而是Agent自己写Prompt给底层模型。

这意味着Agent充当了一个"Prompt工程师"的角色——它需要根据用户的原始输入,结合上下文和任务目标,动态生成高质量的Prompt。

为什么不让用户直接写Prompt

因为大多数用户不会写Prompt。Agent的存在,就是为了让用户用自然语言表达需求,然后由Agent把自然语言翻译成模型能理解的高质量Prompt。这正是Agent的核心价值所在。

03 · 职责二:判断任务复杂度

职责二:判断任务复杂度

Agent的第二个职责是判断任务复杂度。这是很多人忽略的关键环节——不是所有任务都需要同样的处理方式。

一个简单的问题(比如"今天天气怎么样")和一个复杂的问题(比如"帮我分析这份财报并给出投资建议")需要完全不同的处理路径。

简单任务
单轮直接回答 — Agent判断这个问题模型可以一步回答,直接调用模型生成回复,无需工具或多轮推理
中等任务
需要工具辅助 — Agent判断需要调用外部工具(搜索、数据库查询等),先获取信息再生成回复
复杂任务
需要多步推理 — Agent判断需要拆解任务、多轮调用模型和工具、综合中间结果才能完成
超复杂任务
需要多Agent协作 — Agent判断单个Agent无法完成,需要调度多个子Agent分工合作
关键洞察:任务复杂度判断是Agent的"大脑中枢"。判断错了,简单任务会被过度处理(浪费Token),复杂任务会被简单处理(质量差)。这一步决定了整个系统的效率和效果。
04 · 职责三:执行任务

职责三:执行任务

Agent的第三个职责是执行任务。在写好Prompt、判断完复杂度之后,Agent需要实际去执行。

这里的"执行"是一个广义概念,包括:

执行≠思考

一个常见的误区是把"思考"和"执行"混为一谈。在CarryU王同学的模型中,Agent的"思考"体现在写Prompt和判断复杂度上,而"执行"是严格按照思考的结果去落地。这样分离的好处是:每一步都可观测、可调试、可优化。

05 · 三大职责的关系

三大职责如何协同

这三个职责不是并列的,而是有先后顺序和依赖关系的。

Step 1
写Prompt — 理解用户输入,组装上下文,生成初始Prompt
Step 2
判复杂度 — 基于Prompt和任务特征,判断需要哪种处理路径
Step 3
执行任务 — 按照判断结果,调用模型/工具完成任务
Step 4
反馈循环 — 根据执行结果,可能回到Step 1重新写Prompt(多轮场景)

写Prompt是输入处理,判复杂度是路由决策,执行任务是输出落地。三者构成一个完整的Agent闭环。

与ReAct模式的区别:ReAct(Reasoning + Acting)模式把思考和行动交织在一起,而CarryU王同学的模型把职责更清晰地分离开了。这种分离的好处是每个环节都可以独立优化和测试。
06 · 对开发者的启示

对开发者的启示

这个"三职责"模型给AI应用开发者带来了几个实用的启示:

实践建议

如果你正在设计自己的Agent系统,不妨先用这个"三职责"模型做一个MVP。把写Prompt、判复杂度、执行任务分成三个独立模块,你会发现整个系统的复杂度大幅降低,而可维护性显著提升。

07 · 原图文

原图文

本文内容整理自抖音图文,作者 CarryU王同学。点击下方按钮前往抖音查看原图文,支持原作者。

去抖音看原图文

点击跳转抖音原图文页,查看 CarryU王同学 的完整分享

前往抖音
#Agent #Prompt工程 #任务复杂度 #Agent职责 #智能体架构 #任务执行 #AI分工 #抖音