在人机交互过程中，人类消费的是 GUI，机器消费的是 API，那么 Agent 消费的是什么？ Agent 必须理解任务的整体场景：用户的目标、当前状态、外部环境（数据、工具、权限），它不是单点调用 API，而是要根据上下文决定调用哪些 API、以何种顺序来完成目标。从这个视角来看，它消费的是上下文（Context）。人类给 Agent 的输入不是一堆低级操作，而是对目标的“规格说明”或“期

#人机交互 #agent #API调用 #上下文 #交互协议

相关新闻

wong2

10小时前

不得不说，扫码登录和跑在虚拟机里的Agent（Manus）很搭

Xiaowen

15小时前

LLM + Agent 最好的是他能听懂复杂的逻辑和设计。你上哪找一个懂金融懂业务还能写高质量代码的开发人员啊……

铁锤人

2天前

我曾鄙视AI的产出，直到裸辞创业，才被现实狠狠打脸。过去，我坚信“肯定比AI写得好”，这是技术人的骄傲，也是赚钱的陷阱。为公司打工，一下午优化15%性能是本事。为自己打工，同样时间做个视频、换来3个客户才是生存。拿薪水，时间不值钱；自己干，每一秒都要创造价值，否则就饿死。当你承认时间比代码更值钱，就会疯狂寻找“杠杆”，一套全新的高效作战系统，用最短时间，把价值传递给最多人。过去，构

宝玉

2天前

如果你的 Agent 还要用 ReAct 框架写 Prompt，那么要么说明你在用没有 Agent 能力的模型（比如 GPT-4o、Gemini 2.5 Pro），要么就是用错了。因为有 Agent 能力的模型，比如 Claude 4 系列（包括前面的 Claude 3.7 和 GPT-5），是不需要通过 ReAct 提示词来激发 Agent 能力，只要提供正确的工具和合适的工具描述，就会自动

宝玉

4天前

对于 Claude Code 来说这一大坨 prompt 其实没啥用，真正有用的是评论的那一行： > "Please add the appropriate logging information so that you [the agent] can use that log output to figure out this issue."

关联事件

#多智能体之争：Anthropic生态VS单智能体

Anthropic与Cognition就多智能体系统构建展开激辩，核心争议在于上下文共享与否。Anthropic强调构建多智能体生态，提升复杂任务处理效率，近期发布多智能体构建指南，阐述“协调者-执行者”架构，并通过代理协调和系统评估提升任务性能，认为单个智能体的上下文有限，压缩比太大就会失真。Cognition则更关注单个Agent的效率和稳定性。Anthropic还发布了关于多智能体系统的文章，详细阐述构建多个智能体所面临的工程挑战，并强调带宽、结构、机制的重要性。这场争论反映了AI发展路径的不同选择，对未来AI系统的设计和应用具有重要意义。