写了几个月的prompts

最近又从别人那儿拿到一些新的需求

感觉本质上写prompts或者agents仍然是写程序

只不过接口变成了自然语言

LLM也能更加robust的来解析模糊不清的提示和自我纠正错误以及举一反三

但是任何事情变得更复杂之后都必须要程序化

要么封装成mcp

要么调用tools

要么给给具体的代码样本

当问题变得复杂，LLM并不能完整无误的推演出整个逻辑链条和涵盖所有细节

很多的细节属于输入信息或者外部信息，而不是LLM本身的世界知识

这种情况下，就必须走写程序的那一套

把问题分而治之，封装，组合，隐藏，优化，解耦，复用等等

无论是mcp，还是sub agents，还是最近的skills ，都是把这些软件设计原则再次搬到agents体系而已

prompts用的是自然语言，然而相比自然语言，程序语言提供了更好的机制，经过这么些年的演化，比如函数调用，比如变量，比如封装等等

因而agents很多时候其实必须先把需求写成程序然后执行

我们也需要继续遵循程序设计的原则来开发agents

<
Previous Post
ftc
>
Next Post
generic and llm, precompute and on the fly