这句话背后其实隐含了我们正在经历的一个范式转移：从传统代码驱动的软件系统，走向以语言驱动的智能系统。我将从三个层层递进的层面来解读这个观点，分别是：

01｜Prompt：机器语言的新形态，不再是 0 和 1，而是人类语言

过去我们和机器对话的方式，是代码、命令、API。人必须“学会”机器语言。而在大模型诞生之后，机器开始“学会”人类语言。

Prompt 就像是这门语言的“语法 + 意图表达”。你对大模型说的话，既包含你要做什么（指令），也包含你希望怎么做（风格、角色、结构），甚至可以嵌套复杂的规划（多轮任务）。

举个例子：

• 用代码的方式对一个网页发起请求是这样的：

1. requests.get("https://example.com")

• 而用 prompt 对一个 AI 模型发起请求可能是：

  “你是一个资深网页工程师，请帮我抓取 https://example.com 的首页，并提取所有超链接，输出为 JSON 格式。”

表面上是自然语言，实质上是机器语言的新范式：通过语义理解激活模型的推理与调用能力。

Prompt 的本质是一种“任务嵌入”，是你把一个任务嵌入到语言模型的输入中去，这就像是用语言“远程遥控”了一个智能机器人的核心大脑。

02｜Agent：将大模型作为内核的“智能软件操作系统”

Prompt 是语言，而 Agent 则是以大模型为心脏，围绕语言展开的智能软件结构。它不是简单地让模型“一问一答”，而是要让模型成为一个能持续感知、思考、决策、行动的主体性系统。

Agent 的结构，一般包括如下几个核心组件：

• Memory（记忆）：记录上下文、历史对话、外部世界状态。

• Planner（规划器）：接收目标 prompt，拆解为子任务。

• Executor（执行器）：调用大模型和工具完成子任务。

• Tool-Use（工具调用）：连接 Python、浏览器、API、数据库等。

• Self-Reflector（自我反馈）：评估结果，是否需重试/重构 prompt。

• Loop Controller（循环控制器）：决定是否继续、终止或变更路径。

每一环都可能通过 prompt 来驱动大模型，因此 prompt 成了 Agent 的编程语言。

打个比方：

• Prompt 是你对模型下的一道咒语；

• Agent 是召唤师，它知道什么时候、用哪种咒语，对哪个对象施放。

你可以理解为：

Prompt 是语言层的“命令”，而 Agent 是结构层的“程序”。

03｜为什么这是一次“重构软件工程”的革命？

过去的软件是规则驱动、流程编排、强依赖工程师写死逻辑；而在 Agent + Prompt 的范式下，软件开始拥有一定程度的“自解释能力、自组织能力与自主演化能力”。

比如：

• 传统搜索：你输入关键词，系统在固定逻辑里返回结果。

• Agent 搜索：你输入目标，它自己判断是搜索、阅读、总结还是写报告，中间不断迭代调用工具，直至给出答案。

这种智能行为背后，本质上是 Prompt 在引导大模型进行动态推理、Agent 在规划调度整合行为。

📌 一句话总结：

Prompt 是大模型的机器语言，Agent 是以大模型为核心的新型智能程序。前者解决的是“怎么跟 AI 说话”，后者解决的是“让 AI 去完成事”。

这两者合起来，是未来 AI 操作系统的雏形，是我们正在迎来的下一个软件时代。

如夜话，至此。