分析coze的智能体

由于coze是面向普通用户、面向大众简单创建自己的智能体的程序，用户使用coze创建自己的智能体所考虑的内容和此前分析的智能体构成是不同的。

AGI包含LLM、Agent、KG/RAG。

LLM通过Agent获得了Function Calling的能力，能够操作外部工具。如果每个工具都自主实现提供给LLM使用的接口将使Agent极其复杂，所以通过统一的MCP获得简化和统一。

KG/RAG是为了增强LLM的功能，表现为数据库（外部知识库）、知识库。

在使用coze创建智能体的过程中，LLM、Agent、KG/RAG都是可以设置的部分，因此在原来的语言逻辑上，coze创建的是AGI。

• “模型设置”可以选择合适的LLM；

• “技能”可以添加有特定功能的插件，这些插件的作用相当于使用一些工具，具有一些功能，”工作流”可以编辑多个agent实现一个工作流；

• “记忆“就是知识图谱、知识库之类的内容，以及长期记忆可能是用于从网络获取信息并保存在知识图谱中，但是从网络获取信息的功能在”技能“中；

• 还有用户“对话体验”的部分，包含设置用户输入方式、设置开场白、背景图片和用户建议等。未来可能可以切换智能体的响应模式。（主要是考虑到，某一忘掉的和AI聊天的游戏，还没正式出，但是一个特点是即使用户不发消息也可以主动响应，并且还以其他很多使对话贴近理想情况的大小手段）

据说智能体的能力相比直接使用通用型会有明显进步，估计也有对理解prompt的优化

实际使用

目标任务是实现：用能用的python第三方科学绘图库，完成对物理化学实验数据的制图。

先用自然语言创建智能体：

创建一个python科学制图智能体

后面的内容明天来弄吧。