如何确保agent按要求调用插件

1.如何判断自己的任务/Prompt是否需要拆解为工作流？构建稳定可用的AI Agent是一个需要不断调试和迭代的过程。Agent工程的终极目标是打造出流程尽量简洁、Prompt尽量精炼、生成结果最稳定的智能体。我们通常从当前性能最强的LLM（如ChatGPT-4和Claude 3.5 sonnet）着手，先用单条Prompt或Prompt Chain（可以简单理解为与LLM连续对话，引导LLM逐步完成复杂的任务）来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的LLM，逐步拆解子任务，降低LLM执行单任务的难度，直到达成工程目标。一般而言，对于类似文中这种场景多样、结构复杂、对输出格式要求严格的内容，我们基本可以预见到需要将其拆解为工作流。此外，鉴于LLM只能处理文本输入输出的特性，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。2.只用了一段Prompt的Agent，还算AI Agent吗？算。详见[关于LLM、Prompt、Agent的概念理解](https://zkv549gmz8.feishu.cn/wiki/KhXkwqngAitUufkHNUUcPP57nDb?from=from_copylink)

1.如何判断自己的任务/Prompt是否需要拆解为工作流？构建稳定可用的AI Agent是一个需要不断调试和迭代的过程。Agent工程的终极目标是打造出流程尽量简洁、Prompt尽量精炼、生成结果最稳定的智能体。我们通常从当前性能最强的LLM（如ChatGPT-4和Claude 3.5 sonnet）着手，先用单条Prompt或Prompt Chain（可以简单理解为与LLM连续对话，引导LLM逐步完成复杂的任务）来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的LLM，逐步拆解子任务，降低LLM执行单任务的难度，直到达成工程目标。一般而言，对于类似文中这种场景多样、结构复杂、对输出格式要求严格的内容，我们基本可以预见到需要将其拆解为工作流。此外，鉴于LLM只能处理文本输入输出的特性，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。2.只用了一段Prompt的Agent，还算AI Agent吗？算。详见[关于LLM、Prompt、Agent的概念理解](https://zkv549gmz8.feishu.cn/wiki/KhXkwqngAitUufkHNUUcPP57nDb?from=from_copylink)

实际测试表明，由于LLM的上下文长度有限，通常情况下，一次性输入输出的文本越长，生成时间越长，结果稳定性越低。特别是当对生成结果的格式要求较高时，这个问题更为突出。考虑到对照精读环节，本身就是逐段生成的，非常适合批处理的形式。所以需要用「分段输入正文」，把正文分割后，用LLM节点批处理每一段的对照精读，最终「拼合精读结果」，就能输出完整的文本结果。Tips：如果觉得编写代码脚本繁琐，且仅进行文本处理，也可以考虑使用LLM节点，配合适当的prompt来临时验证整个工作流。[heading3]附2：如何在插件中心，确定需要的插件？[content]先用关键词进行尝试性搜索，根据插件名称、插件介绍页、描述、参数、示例，判断是否可能满足需求。有多个插件同时可选时，一般优选官方/高收藏/高成功率的插件，提升使用效果。如果实际试用效果不行，则换用其他插件，或自己编写上架插件。附本文插件的搜索过程：1.TTS文字转语音插件：搜索“语音”、“文字转语音”、“TTS”等相关关键词，看到“英文文本转语音”插件，阅读描述后，应该和我们需求相符，遂添加。1.思维导图插件：搜索“脑图”、“树图”、“导图”、“mindmap”等关键词，看到“TreeMind树图”插件，阅读描述后，应该和我们需求相符，遂添加。