El Agente tiene dos variables, una es el flujo de trabajo que controla la dirección de la tarea, y la otra es el contexto que controla el contexto de la generación de contenido. 1) Si la certeza del flujo de trabajo y el contexto es alta, estas tareas son fáciles de automatizar, similares a la RPA tradicional, como cuando se procesan tareas de procesamiento de facturas y llenado de formularios, la IA es más un pegamento y tiene un espacio limitado para jugar. 2) Si el flujo de trabajo está determinado pero el contexto es incierto, es decir, el proceso es fijo pero la entrada es cambiante, el agente necesita completar la semántica y la comprensión, como preguntas y respuestas de servicio al cliente, análisis de contratos y recuperación externa, gráfico de conocimiento y otras herramientas para compensar la brecha de información para que los resultados del razonamiento estén más en línea con las expectativas. 3) Si el flujo de trabajo es incierto pero se determina el contexto, es decir, la entrada es clara pero los métodos son diversos, el agente tiene que planificar el camino de forma independiente, como generar informes de análisis de mercado, recomendaciones personalizadas, etc., la mayoría de los agentes de RL de extremo a extremo son buenos para realizar este tipo de tareas, porque han aprendido muchas ideas de planificación de caminos y resolución de problemas durante la etapa de capacitación. 4) Cuando el flujo de trabajo y el contexto son inciertos, es el escenario más complejo, tanto de razonamiento como de exploración, como el diseño de soluciones innovadoras, la recopilación de información interdepartamental, etc., que están más inclinados a los agentes de propósito general, y su efecto de ejecución depende de la riqueza de herramientas con las que está equipado, especialmente la capacidad de programación debe maximizarse y abrirse, como dejar que aprenda a ir a Github para encontrar repositorios para clonar y modificar el código para resolver problemas, de modo que pueda funcionar como un humano. Por lo tanto, para hacer un buen trabajo como agente, primero debe aclarar el escenario. En esencia, la automatización resuelve el problema de la "certeza", mientras que la inteligencia resuelve el problema de la "incertidumbre".