【agent实战】用Agentic方案构建智能附件处理聊天服务
1. 引言
在前一篇博客中，我们探讨了“前置编码器”方案，它将所有附件预处理成文本再喂给LLM。这种方法有效，但较为被动和静态。如果用户提出一个操作性极强的问题，比如“分析这份CSV文件中A列和B列的相关性，并画出图表”，前置编码器方案就显得力不从心了，因为它只能提供数据的文本摘要，而无法执行分析和绘图的动作。
Agentic方案正是为了解决这个问题而生。它将LLM的角色从一个知识渊博的“博学者”转变为一个能够规划和执行任务的“行动派”。
Agentic方案的核心优势：
- 动态性与交互性：Agent可以根据对话的进展，动态地决定使用哪个工具，甚至多次使用同一个工具处理不同问题。
- 处理复杂操作：能够执行代码、查询数据库、调用API等，完成超越纯文本理解的任务。
- 更高的天花板：通过不断增加新的工具，可以无限扩展Agent的能力边界。
- 更强的推理能力：ReAct等框架促使LLM进行显式的多步推理，使其决策过程更透明，结果更可靠。