大模型 Agent 是不是就是各种 Prompt 的堆叠？
这个问题在 2025–2026 年的 AI 社区里吵过好几轮。一派很直白："LLM 的 input 就是 prompt，不管什么工具或模型，都只是在优化 prompt。把'优化 prompt'包一层就叫 Agent，跟把金属拼起来叫火箭没区别。" 另一派不买账："生产级 Agent 显然不止 Prompt 这么简单，OpenHands 对接 LLM 只是其中一个模块，真正驱动它的是事件流、状态机、沙箱那一套。"
两边都没全错，但也都没说透。结论是：Prompt 是 Agent 的必要条件，但不是充分条件。
为什么会有"Agent = Prompt 堆叠"的错觉
三个原因：
- LLM 的接口只有文本。不管你背后干了什么，最终喂给模型的一定是一段 prompt。所以从"可见层面"看，确实像在拼提示词。
- 早期 demo 太有误导性。CoT、ReAct 把推理分步写进 prompt，看起来"多段拼接"就能跑起来，给人一种"我也能堆"的错觉。
- 框架把调度藏起来了。LangGraph / AutoGen / CrewAI 把编排逻辑封在 SDK 里，用户只看到几百行 system prompt，就以为那就是全部。
但问题来了——这些纯 prompt 拼出来的东西，只能在单次请求里维持短暂记忆，没法持久化、不能并行、也调不了真实的文件系统或浏览器。一旦任务拉长到 10 步以上、需要跨会话记住用户偏好、需要出错后重试，纯堆叠立刻崩。
一个能打的 Agent，至少四层
业内现在比较共识的拆法是 LLM + Planning + Memory + Tools，有的还会把 Orchestrator 单列一层。把每层对应到"Prompt 能管多少"，就很清楚了：
| 层级 | 干什么 | Prompt 能不能包办 |
|---|---|---|
| Prompt 层 | 把任务翻成模型能懂的话，给工具调用塞约束 | ✅ 能 |
| 编排层（Orchestrator） | 任务拆解、循环/分支、错误捕获、子 Agent 协作 | ❌ 程序控制流，得靠代码 |
| 记忆层 | 跨会话持久化、向量检索、写前写后一致性 | ❌ 得靠向量 DB + 检索逻辑 |
| 工具/动作层 | 浏览器、文件 IO、API 调用、代码执行 | ❌ 得靠沙箱 + 权限管理 |
💡 一个常被引用的说法是：Prompt 只是表层的 25%，剩下 75% 必须靠代码、数据和外部环境撑。这数不一定精确，但量级感是对的。
吴恩达在《Agentic AI》课里给的对照更直接：传统 AI 是你写一个 prompt，模型吐结果；Agentic AI 是你给一个任务，模型自己拆解、调工具、反思、迭代，直到出结果。前者是"说清楚"，后者是"自己想清楚再动起来" 。
真正拉开差距的那几刀
光列组件有点干，看几个纯 Prompt 堆叠搞不定的场景：
- 状态持久化：模型记不住上一步调了哪个 API、返回了什么。纯 prompt 方案聊两轮就丢设定，Agent 靠 Memory Manager 把关键信息写回向量库或 KV。
- 错误恢复：工具调用失败，纯 prompt 的模型倾向于胡编参数接着走；Agent 有 Orchestrator 捕获异常，决定重试 / 换工具 / 回滚。
- 动态规划：Prompt 堆叠是线性流水线（指令1→输出1→指令2→…），用户中途改需求就得重跑；Agent 是
感知→规划→执行→观察→反思循环，能中途重规划。 - 并行化：Agent 能把互不依赖的子任务并发丢出去，纯 prompt 是串行的。
举个具体例子：让 AI 帮你写周报。Prompt 只负责"告诉模型要做什么" ；但"去 JIRA 拉这周 ticket → 去日历拉会议记录 → 调模板渲染 → 格式不对重试 → 存回文档"这套调度，全是框架在干活，不是 prompt 在干活。
那 Prompt 工程是不是被淘汰了？
不是，是被"下沉"了。
有篇文章说得好：提示工程是智能体工程的基础，不是被替代关系。Agent 的每个模块（规划、反思、工具调用）内部仍然要靠高质量的 prompt 去引导模型输出——只不过这些 prompt 不再是你手写一段丢进去，而是由编排层在运行时动态组装的：最近对话、检索到的文档、工具 schema、错误历史，全被拼成"这一轮该给模型看的 context"。
换句话说：
- Prompt 工程优化的是"单步调用 LLM 的质量"（指令级抽象）
- Agent 工程优化的是"多步闭环的整体完成率"（决策流级抽象）
简单任务（润色、补全、单轮问答）用纯 Prompt 成本低、见效快，根本不需要上 Agent；复杂长周期任务（跨系统、多工具、要记忆）才值得堆那 75% 的架构。
回到原问题
大模型 Agent 是不是就是各种 Prompt 的堆叠？
答：像说"火箭就是金属堆叠"一样——对，但不全对。 Prompt 是 Agent 的嘴（甚至可能连嘴都算不上，只是喂给大脑的句子），但 Agent 真正的重量在后面那套感知-决策-执行-反思的闭环：规划器拆任务、记忆系统扛状态、工具箱碰外部世界、编排层管流转。这些都不是堆 prompt 能堆出来的。
下次再有人跟你讲"Agent 就是文字艺术"，可以回他一句：文字是触发剂，不是发动机。
