AI 智能体的使用方式如下：
以Kimi+的“什么值得买”智能体举例，假设用户输入“我想买个笔记本电脑”，智能体会先做Query Rewrite提取出“笔记本电脑”关键词，再通过“什么值得买”的API检索对应的商品信息，拿到检索结果后，跟智能体内置的提示词组装成上下文，请求大模型回答。于是这个智能体便成了一个电商导购类的垂直搜索()应用，在商品推荐方面有更好的回答效果。1.工作流Workflow工作流Workflow也可以理解为多智能体协作Multi-Agents，通过多个智能体的组装，解决一些复杂场景的搜索问题。比如：给新产品取名，我习惯的步骤是告诉大模型新产品是做什么的，大模型推荐几个可取的名字选择其中一个名字，去谷歌检索，是否有同名去Twitter检索是否有同名去Github检索是否有同名选择一个域名，去Namecheap搜索是否已被注册全部检测通过，确定产品名，注册域名这里涉及到一个回溯的问题，也就是在其中某个步骤发现产品名不可用，要回到第一步重新选择名字，再继续走后面的检测步骤。人工去做这件事，毫无疑问是很费时间的。AI搜索+ Workflow的模式，可以有效解决这个问题。
第三层呢，是要学会搭建AI智能体。AI智能体它就像是我们的员工，它能根据我们设定的工作流，自动调用不同的AI工具，完成全流程任务，不需要人类每时每刻都盯着它指导它来干活。AI智能体就像是你的智能助手，给它安排好工作步骤，它就能自动选择合适的工具，按顺序完成任务。比如说我们要写一篇文章，就可以设计一个"写作助手"的AI智能体。我们只需要在文本框里输入文章的主题、风格和要求，然后回车发送。它开始自动地写一个文章大纲处理，接着根据大纲使用Claude模型来写一份文章的初稿，接着再进行修改润色，最后排版一下，把一篇完整的文章弄出来给了我们。前面我们还没引入AI智能体这个概念的时候，这原本是需要人类进行干预的，但现在就不需要人类干预了，效率也就大大提高了。以上，我们说了搭建AI工作流所需要的能力，分为三个层级，你也可以思考一下自己现在处于哪个层级呢？现在，你可以对照这三个层级，评估一下自己的AI工作流能力，找出差距和不足，多学习、多实践、多交流。
随着大型语言模型（LLM）的出现，AI智能体的概念，即在环境中感知、决策和行动的自主实体，已经显著发展。基于LLM的智能体代表了增强LLM的专门实例，旨在自主执行复杂任务，通常超越了简单的响应生成，通过整合决策制定和工具利用能力。LLM智能体可以访问外部工具和服务，利用它们完成任务，并根据上下文输入和预定义目标做出明智的决策。例如，这些智能体可以与API交互以获取天气信息或执行购买，从而在外部世界中采取行动，同时也解释它。