“ 智能体就是一个会使用工具的人，而大模型就是一个“人”。”
在之前关于智能体的理解就是一个能使用工具的大模型，然后通过Function call的方式给模型配置工具就是一个智能体的了；但等到你真的问我智能体能干什么有哪些应用场景，已经具体应该怎么做。
这时我就傻眼了，虽然看着网上的一些教程，也用智能体开发了一两个小功能；比如说查询当前的天气情况；但等到在真正的在企业应用中，怎么用智能体去解决业务问题，怎么设计落地方案就只能笑笑不说话。
甚至很多时候的想法都很天真，比如说刚开始认为用智能体做数据分析，就是把所有的数据全部丢给大模型，然后让模型自己去分析。
后来才明白这种想法是多么的可笑，这时也发现自己对智能体的认识太过于浅显。
智能体与人
虽然说刚开始对智能体的认知很浅显，甚至有些可笑；但随着在业务场景中使用智能体，这时才明白智能体到底是什么。
其实，很多人说到人工智能和大模型，都被其高大上的名字给骗了；然后学习大模型的时候，网络上大部分也都是教你机器学习，神经网络，正向传播，反向传播等等；最后对大部分人来说，结果就是一叶障目不见泰山。
所以，学习技术最好的方式是从应用开始，你知道这项技术能干嘛，解决了什么问题，然后你就能真正理解这项技术。
所以，经过一段时间的应用之后才发现，大模型特别像一个人，而智能体就是一个特别擅长某个领域的人。
为什么说大模型像一个人？
先思考个问题，在智能体出现之前我们怎么处理工作中的业务问题？是不是都是由人来做；那智能体出现之后呢？是不是开始尝试让智能体替代我们人类去解决这些问题。
而不管是人也好，智能体也罢，这些问题并不会因为是人做或者是智能体做，就导致这个问题的性质变了。
而且，对大模型来说，我们使用大模型的感受是什么？
是不是觉得大模型就是一个全能型人才，它能够写文章，回答问题，做设计，会编程；而大模型最缺的一点又是什么？
大模型最缺的一点就是它没有物理实体，无法使用工具。
而人与动物最大的区别是什么？制造和使用工具。
因此，虽然大模型没有实体，但通过编程的方式可以让大模型通过网络来操作现实世界的东西，而这就大大扩展了大模型的能力范围。
所以，从这个角度来理解，如果让大模型做数据分析应该怎么做？
肯定是像人类一样，先了解需求，然后分析问题，之后根据数据结构写SQL或分析代码来进行数据分析；而不是说，直接把所有数据都丢给大模型，然后让它自己去分析。
而且，把大模型当做人的角色之后，你再去探索大模型的应用场景是不是就发现简单多了？
虽然说大模型的能力有限，很多事情做得不好，甚至是错的；但人何尝不是，同样会犯很多错误。
因此，只需要把人带入大模型的角色，或者把大模型带入人的角色；这时再遇到业务问题不知道该怎么解决，就可以把大模型带入自己的角色去解决问题。
