大模型应用开发第三讲：大模型是Agent的“大脑”，提供通用推理能力（如GPT-4、Claude 3）

资料取自《大模型应用开发：动手做AI Agent 》。
查看总目录：学习大纲

关于DeepSeek本地部署指南可以看下我之前写的文章：DeepSeek R1本地与线上满血版部署：超详细手把手指南

大模型是Agent的「大脑」—— 用生活案例讲透通用推理能力

以下用“人类大脑 VS 大模型”类比 + 生活场景拆解，帮你直观理解大模型的「大脑」作用

就像人类用大脑分析问题、指挥手脚干活，大模型（如GPT-4）在Agent中扮演 决策指挥官 的角色[2][5]。

人类场景	Agent内部运作
你说“肚子饿”→ 大脑分析附近餐厅、选性价比最高的	用户输入需求 → 大模型拆解任务、调用工具（地图+支付接口）
朋友借钱→大脑判断关系、利息、还款能力	处理用户请求 → 大模型检查财务数据、风控规则[1][5]

例子：用户说：“我想带爸妈去三亚旅行，他们腿脚不好，预算1万。”

大模型行动：
1️⃣ 拆分核心需求 → 交通（少步行）、住宿（无障碍）、景点（轻松游） [1]。
2️⃣ 调用工具 → 查航班/筛选酒店/规划路线（见图）[6]。

▲ 任务拆解与工具协作流程（引用第2章框架）

原理：大模型内部通过「思维链（CoT）」技术，像写草稿纸一样一步步推导[2]。

例子：预算超标时的推理过程

机票5000元 + 酒店400元/天×5天 = 7000元
→ 问题：剩余3000元不够景点门票+餐饮
→ 重组方案：改订红眼航班（省2000元）+ 减少一晚住宿（省400元）→ 总预算控制成功 [1][6]。

关键能力：协调不同工具（订票系统、计算器、数据库）共同完成任务[5][6]。

案例对比：

无大模型	有大模型
工具各干各的：机票工具只能查票，酒店工具只会订房	大模型协调工具：先算总预算，再订票+订房+查天气，保证方案整体可行 [5][6]

1️⃣ 感知需求：提取关键词：时间（周末）、地点（杭州）、限制条件（预算2500）[2][5]。
2️⃣ 调用知识库：查找西湖附近酒店价格、高铁耗时、景点开放时间[5]。
3️⃣ 生成方案：

北京→杭州高铁（4小时，二等座单程400元）
酒店：西湖边汉庭2晚（总价800元）
景点：西湖游船（80元/人）+ 灵隐寺（45元/人）
4️⃣ 逻辑验证：总费用计算（400×2 + 800 + 80×2 + 45×2 = 2450元），不超预算[6]。
5️⃣ 执行订票：调用12306接口订票，发送确认短信到用户手机[5][6]。

▲ 流程涉及第2章规划能力与第5章工具调用

传统程序	大模型Agent
只能处理固定规则（如“价格>1000就报警”）	能理解模糊指令（如“选性价比高的酒店”）[2]
遇到未预设的情况直接报错（如台风停航）	自动调整方案（改订高铁/改日期）[6]