智能体是一个对外部环境可以感知，自主决策，采取行动的系统，其核心就是大模型（用于自主决策），感知（可以是人类的输入，也可以是外部系统的输入，例如摄像头），行动（调用外部工具进行检索或操控物理实体）
提示词工程是一种工程方法，核心是为了让大模型更清晰的了解用户的意图，一般采用的是问题分解的方式把复杂问题拆成连续的易于理解的小问题，上下文工程是对提示词工程的进一步优化，多了更多的独立于问题本身的提示，从而让大模型更加全面的了解用户的意图，产生更为准确的输出
Prompt Chain：提示链模式(又称流水线模式)，核心是把复杂的问题，拆解成一系列更简单，易管理的子问题，这样做有什么好处呢，最大的好处就是我们在使用大模型处理复杂问题时，对于处理过程中的每一个步骤都有更清晰认识，使问题处理变得更加可控，方便我们优化，调试，这可以显著提升模型输出的可靠性，降低大模型认知负担过重造成的输出异常隐患，这种模式下每一步的输出都是下一步的输入，每一步可以调用大模型或做其他逻辑处理，这构成了多步智能体的基础，现在我举一个简单的提示链模式的例子(非结构化文本转结构化输出的例子),例如:
提示 1：请从笔记本电脑说明书中提取技术规格
处理：xxxx业务逻辑（可选）
提示 2：请将以下技术规格转成json格式，键值包括：cpu,内存
・ 处理：xxxx业务逻辑（可选）
・ 输出：输出提取并验证的结构化数据。
这些提示可以根据实际的业务情况写的更精确，这样大模型在处理时也就更能清晰的了解用户意图，这样自然而然输出的可靠性就大为提升了
路由模式：它本质上是在执行的过程中加入了逻辑判断，符合这个逻辑就走这个流程，符合那个逻辑就走那个流程，而不再单纯的顺序执行，这样做有什么好处呢？好处就是让我们的智能体变得更加能够适应外部的动态变化，更能灵活的处理用户的需求。路由的方式在大模型时代下变得多样化了，例如以前我们写代码都是那种规则形判断，if else这种的，要求条件值完全相等才行，现在当然也可以这样做，就看哪种场景适合这样做了，现在除了这种方式之外，我们还可以使用大模型做路由处理，大模型接收用户输入，提取关键信息，依据关键信息类型的不同，采取相应的动作，这种方式相对if-else的传统方式，在用户输入要求上要灵活了很多
并行模式：它是指并行运行多个独立的组件或者说逻辑或者说行为，这种并行的方式有助于缩短智能体响应用户的时间，例如我们需要一个出行攻略，这个任务可以简单的分解为路线规划，酒店预订，这个时候我们就可以把两个任务同时执行，最后汇总，并给出结果，这要比单独依次执行快的多
以上三种模式是设计智能体的基础模式，三者有效灵活的结合，是构建强大智能体的基础