大模型在接收输入的时候可能会思考，然后直接输出，我们人类接受输入，然后思考，输出，我们还会使用到我们的记忆，而使用到工具还会加上规划，这其实就是agent能力。
举例：
子任务拆解
人类的规划能力
我们希望我们的智能体也能够有这样的能力。
反思和改进
左边的图：
标准的情况呢就是一个输入，然后大模型直接给你输出。
另外一种方式呢就是你自己设置一个步骤，然后你自己大模型的一点点去思考，这种方式只能靠自己去思考的话，也是有问题的。
然后呢第三种方式呢就是你把任务全部拆成小任务，然后分给别人，让别人给你思考。但是那种方式也是有问题的，但是你没有把控任务，你的任务全是别人来做的。
右边的图：
ReAct框架思路：
产生思维链，第一步需要别人的帮助，然后判断回复是否满足我们的需求，如果如果这个第一次的回复不满足我们的需求的话，那我们可以再来请求别人的帮助，然后再看别人的帮助是否满足我们的需求。以此类推，然后直到找到满意的答复为止。
并不是说我们用了这个框架之后，它就一定解决我们前面的问题，但是呢它能够在很大程度上能够提高我们答案的正确率。
你一个人去解决问题，跟你一个团队去解决问题，那肯定是你整个团队去解决问题，那他来的效率高，它的准确率更高嘛。
记忆
工具使用
工具其实就相当于来帮助我们的LLM的，LLM是我们的大脑，我们要利用工具去把这个LLM的能力给涌现出来。
代码体验
langchain框架的思考过程：
其实上面这个过程就跟扣子AI里面设置的工作流其实是一样的。