智能体的基础知识

什么是智能体

智能体（Agent）是一种基于大模型，能够理解目标、规划步骤、调用工具并完成任务的 AI 系统。

智能体配合大模型有哪些能力：

• 理解人的目标
• 分析任务
• 制定步骤
• 调用工具
• 完成工作

一句话：

大模型负责思考，智能体负责行动。

大模型和智能体的区别

大模型拥有各种能力，文字理解与生成，图像生成与识别，视频生成与理解，语音处理，代码生成等。智能体是把大模型的能力组合调度起来，完成一系列的任务。

制作一个短视频的智能体

1. 使用文字大模型（多模态大模型）理解要做的短视频是什么
2. 使用文字大模型生成分镜脚本
3. 根据分镜脚本使用文字大模型生成分镜图片提示词
4. 根据分镜图片提示词调用图片大模型生成分镜图片
5. 根据分镜图片以及分镜脚本调用视频生成大模型生成分段视频
6. 根据分段视频以及分镜脚本调用音频模型生成分短配音
7. 使用代码生成模型生成程序合成分段视频+分段配音

大模型提供各种AI能力，智能体根据用户任务需求，自动组合和调用这些能力。