今天我们来深入探讨技术圈内一个备受争议的话题：大模型 Agent 究竟是 Prompt 堆砌的“文字艺术”，还是蕴藏着真正的硬核技术？像 Manus 这样看似智能的 Agent，本质上是否只是通过精心设计的提示词来引导大模型输出更优结果？换句话说，这到底是一门语言技巧的较量，还是背后有扎实的工程体系支撑？

这场争论之所以引人入胜，是因为双方都拿出了令人信服的论据，也让问题的答案变得更加立体而丰富。下面我们来看看不同阵营的观点。

两大阵营的观点碰撞

观点一：本质就是文字艺术，无需遮遮掩掩

有人直截了当地点明了这个观点。一位开发者的发言尤为犀利：“没人敢说实话吗？是的，就是各种 Prompt 的堆叠。” 更有实战派开发者一针见血地指出：“LLM 的输入就是 Prompt，无论你使用什么工具、调用什么模型，最终目标都是在优化 Prompt。很多人把‘优化 Prompt’的工具吹得天花乱坠，却刻意回避一个事实：它的核心任务不过是生成更好的 Prompt 而已。”

持此观点的人认为，Agent 充其量是 Prompt Engineering 的升级版。核心工作就是如何设计 Prompt、如何拆解任务、以及确定执行顺序。至于那些听起来复杂的架构设计，他们觉得那不过是“象牙塔里的空谈”。

观点二：绝非简单的文字游戏

反对这种看法的专家同样不在少数。有从工程角度出发的分析一针见血：“生产级别的工程，显然不只是 Prompt 这么简单。” 以 OpenHands 为例，对接大模型仅仅是其中一个模块。真正驱动 Agent 完成复杂任务的，是一整套事件驱动机制，包括状态机、事件流框架、控制器，甚至用到了 Sandbox 这样的沙箱技术。

另一位专家总结得更为全面：“真正可用的 Agent = Prompt（语言接口）+ 程序化编排 + 长期状态/记忆 + 外部工具动作 + 自反馈循环。缺少任何一环，都会从‘自治智能体’迅速退化成‘高级聊天机器人’。” 这份清单值得仔细品味。

Agent 的本质是什么？

从技术定义出发，Agent 本质上是一个循环系统。对于一个给定目标的 AI Agent，它能够自主创建任务、完成任务、生成新任务、重新确定任务列表的优先级，并循环往复直到达成目标。

用公式表达就是：Agent = 大语言模型 + 任务规划 + 工具执行 + 反馈纠偏

这个定义揭示了一个关键点：Agent 让 LLM 具备了目标实现能力，通过自我激励循环来完成指定目标。这才是核心所在。

关键在于状态管理

这里有一个容易被忽略的技术细节，值得单独拿出来强调：目前几乎所有的大模型 API 都是无状态的。大模型 API 连鱼的七秒记忆都没有，它甚至记不住自己上一次的回答是什么。

那为什么我们在 AI 聊天工具里能看到它“记住”了历史对话呢？实际上，每次都将历史会话重新传给大模型，让它看起来有了记忆。这就是把无状态的 API 做成了有状态的样子。

随着应用越来越复杂，状态管理的重要性愈发凸显。一个真正厉害的 Agent，最后比拼的其实是谁的状态管理能力更强。

Prompt 的真正作用

一位分析过 Manus 和 OpenManus 项目结构的开发者指出，Prompt 确实很重要。它可以在不微调大模型的情况下，用先验知识引导大模型行为，达到预期的业务效果。

但关键点在于：Prompt 是 Agent 系统中大模型和其他各个组件的润滑油，而不是全部。

以 OpenManus 为例，它的结构主要包括：

• Agent（智能体）
• Flow（流程）
• Tool（工具）
• Prompt（提示词）

Prompt 只是其中的一个组件。它很重要，但远非全部。

技术的进化逻辑

从技术发展的角度来看，这场争论其实反映了不同阶段从业者的认知差异：

初级阶段：确实主要依赖 Prompt 工程，精心设计的提示词是唯一有效的杠杆。

中级阶段：开始引入工具调用、多轮对话、简单的状态管理，系统逐渐变得复杂。

高级阶段：构建完整的事件驱动系统，包含复杂的状态机、内存管理、自主规划和执行能力。

企业级阶段：需要综合考虑并发、容错、监控、安全等更纯粹的工程化问题。

结论：既是也不是

所以，回到最初的问题：大模型 Agent 到底是不是文字艺术？

答案很辩证：既是也不是。

从某种意义上说，所有与 LLM 的交互最终都要通过文字（Prompt）来实现。设计一个好的 Prompt 需要对语言有深刻理解，需要巧妙的措辞和精确的逻辑，这确实是一门语言艺术。

但将 Agent 简单等同于 Prompt 堆叠，就像说建筑就是砖块堆叠一样——技术上没错，但忽略了设计、结构、工程等更重要的层面。

一个真正的 Agent 系统需要的是：

• 精心设计的 Prompt（文字艺术）
• 复杂的状态管理（系统工程）
• 智能的任务规划（算法设计）
• 可靠的工具调用（接口工程）
• 持续的自我优化（反馈机制）

写在最后

这场争论的价值不在于谁对谁错，而在于推动大家更深入地思考 AI Agent 的本质。

对于初学者，从 Prompt 工程开始确实是一个好的起点，它能让你快速理解如何与 AI 交互。

对于有经验的开发者，则需要跳出 Prompt 的局限，从系统工程的角度去思考，如何构建真正可用的智能体。

技术的进步往往就是在这样的争论中螺旋上升的。无论你站在哪一边，都要承认：我们正在见证一个激动人心的技术变革时代。