LLM Agent 的幻象：复杂 Prompt 编排的尽头，仍是语言直觉生成器

LLM 的“智能感”只是语言直觉的产物

LLM（大型语言模型）本质上是一种基于语言数据统计的”直觉生成器“。

它的能力来自于对大量语言数据的学习，推断出语言的组织规律，然后生成最可能的下一个 token。

它并不理解问题的本质，也不会真的“思考”，只是在语言空间中进行高概率生成。

它擅长“像人一样说话”，但并不会像人一样思考。

它的推理不是基于概念模型、变量关系或内在状态，而是基于语言的概率流。

---

所谓 Agent，不过是 Prompt 的流程化编排

很多人把 Agent 理解为“让 AI 行动起来”的方式，

但如果你深究会发现：现在的 Agent 系统，本质上只是一个多轮 Prompt 调度器，围绕一个不会自主思考的 LLM 构建流程控制层。

以 ReAct 为例，它的结构就是：

Thought → Action → Observation → Thought → ...

每一步都还是 LLM 的语言生成，唯一的增强只是：

• Thought：让 LLM 进行语言化的“自我思考”
• Action：让它输出一个“像是”工具调用的指令
• Observation：读取外部工具的返回再喂回模型
• Loop：重复以上步骤，直到结束

再看 AutoGPT、CrewAI、LangGraph……它们只是加了一些：

• 角色定义（Prompt 模板）
• 工具注册（API 映射）
• 状态机（何时调用下一个 Prompt）

归根结底：Prompt 仍然是整个系统的最小工作单位，Agent 只是帮你管理这些 Prompt。

---

为什么这是一种“幻象”？

从用户视角看，这种多轮交互、工具调用、任务完成的行为很像人在思考和执行，但实际上：

• LLM 不知道自己在干什么
• 它只是“生成出看起来合理的下一步”
• Agent 只是把这生成过程流程化、条件化、反复利用

这种智能感是“表象的连续性”，不是真正的认知建构。

---

逃离不了 Prompt，就逃离不了语言生成的本质

当前所有 Agent 的核心依赖是：

通过语言 prompt 引导 LLM 产生“似是而非”的智能行为

而 LLM 的能力边界就是语言生成：

• 没有状态记忆（只能靠外部 memory patch）
• 没有概念图谱（知识只存在于参数空间）
• 没有真实推理（只是语言链模拟）

你想让它“行动”，只能借助工具调用；
你想让它“思考”，只能靠 CoT 提示；
你想让它“复盘”，还得 prompt 让它分析自己。

归根结底：一切行为、反思、计划、执行，仍然要转化为 prompt 让 LLM 生成文字再做下一步。

这就像造了一座房子，但地基永远是沙子。

---

真正突破要靠“非语言层”的引入

要构建更强智能，我们需要摆脱 LLM 的语言中心主义，构建具备以下能力的结构：

• 具象的思维状态（Working Memory）：像人类有思维缓存，Agent 也需要变量、图谱、栈帧。
• 非语言形式的内部逻辑（结构思维）：例如中间代码、逻辑表达式、向量场或符号图。
• 具备自我目标意识的 Planner（非被动应答）：LLM 只是在“反应”，我们需要主动“意图调度”。

想象一下未来的 Agent：

• LLM 是表达器
• GNN 是结构理解器
• Diff memory 是长期策略的养成器
• Action planner 是具备目标感的调度系统

那才是从语言生成器迈向“认知机器”的第一步。

---

结语：LLM Agent 仍在语言幻象的边界中漂浮

LLM 本身并不具备认知能力，它只是语言的镜子。Agent 的出现让它看起来有了“行动的躯体”，但这仍然是一场由 Prompt 驱动的幻象。

如果我们持续在这个幻象上堆叠功能，只会越来越像幻术师在玩道具。

要真正迈向“类人智能”，我们得从语言之外构建它的骨架，从认知机制重建 Agent 的内核。否则，复杂的 Agent 只是复杂 Prompt 的别名。

---

作者：罗植馨
GitHub: github.com/luoluoter