是引入偏误信息后的意见动态变化。使用大模型模 拟多个虚拟代理，讨论“气候变暖”、“转基因食 品的安全性”和“疫苗的有效性和安全性”三个具 有科学共识的话题。 实验一在无偏误信息条件下，代理通过社交网络进 行每日对话，记录最终信念状态和信息传播路径。 实验二改变初始信念分布，探讨初始条件对结果的 影响。实验三引入10%代理发布的偏误信息，观察 其对信念动态的影响。50个代理人在30天内共生成 194699条对话。 194699条对话。 50个智能体的在线社区模拟仿真 场景3：多智能体在线社区模拟 p 为了观测偏误信息加入后50个代理意 见动态的具体呈现，研究通过依存关系 构造三个科学共识的语义图谱，并和无 偏误状态进行对比。对每个科学共识议 题，选择图中最有代表性的40个实体 （基于节点的度）。 p 在自然语言处理中，依存关系是用于描 述句子中词与词之间的关系，帮助揭示 句子的句法结构。包括nsubj（名词性

核心技能 子项 问题重构能力 将复杂、模糊的人类需求转化为结构化的AI任务 识别问题的核心要素和约束条件 设计清晰、精确的提示语结构 创意引导能力 设计能激发AI创新思维的提示语 利用类比、反向思考等技巧拓展AI输出的可能性 巧妙结合不同领域概念，产生跨界创新 结果优化能力 分析AI输出，识别改进空间 通过迭代调整提示语，优化输出质量 设计评估标准，量化提示语效果 跨域整合能力 信息充分性 ▪ 结构合理性 ▪ 语言中立性 ▪ 伦理合规性 ▪ 可验证性 ▪ 迭代空间 ▪ 输出格式 ▪ 难度适中 ▪ 多样性考虑 常见陷阱与应对：新手必知的提示语设计误区 挖掘反向思维：从非传统角度切入 创新设计策略： ▪ 设定逆向任务：提示语可以引导AI从相反的角度处理问题，提供不同于传统生成的内容。 ▪ 挑战预设思维模式：通过打破任务的常规设定，促使AI生成具有挑战性和创新性的内容。 互动规则设定：在提示语中定义组件互动规则。 ▪ 整体行为观察：设计机制来观察和解释从互动中涌 现的整体行为。 抽象化问题 具体化反馈 迭代优化 使用类比说明复杂概念 隐喻增强语言的表达层次 选择具备启发性的类比 反向设计思维：从生成结果倒推提示语 从期望结果 开始 倒推提示语 结构 灵活调整提 示语细节 矛盾思维法：利用对立促进创新 引入对立概 念 利用矛盾性促进创新 提出冲突性任务要求 融合批判性思维与创新推理

核心技能 子项 问题重构能力 将复杂、模糊的人类需求转化为结构化的AI任务 识别问题的核心要素和约束条件 设计清晰、精确的提示语结构 创意引导能力 设计能激发AI创新思维的提示语 利用类比、反向思考等技巧拓展AI输出的可能性 巧妙结合不同领域概念，产生跨界创新 结果优化能力 分析AI输出，识别改进空间 通过迭代调整提示语，优化输出质量 设计评估标准，量化提示语效果 跨域整合能力 信息充分性 ▪ 结构合理性 ▪ 语言中立性 ▪ 伦理合规性 ▪ 可验证性 ▪ 迭代空间 ▪ 输出格式 ▪ 难度适中 ▪ 多样性考虑 常见陷阱与应对：新手必知的提示语设计误区 挖掘反向思维：从非传统角度切入 创新设计策略： ▪ 设定逆向任务：提示语可以引导AI从相反的角度处理问题，提供不同于传统生成的内容。 ▪ 挑战预设思维模式：通过打破任务的常规设定，促使AI生成具有挑战性和创新性的内容。 互动规则设定：在提示语中定义组件互动规则。 ▪ 整体行为观察：设计机制来观察和解释从互动中涌 现的整体行为。 抽象化问题 具体化反馈 迭代优化 使用类比说明复杂概念 隐喻增强语言的表达层次 选择具备启发性的类比 反向设计思维：从生成结果倒推提示语 从期望结果 开始 倒推提示语 结构 灵活调整提 示语细节 矛盾思维法：利用对立促进创新 引入对立概 念 利用矛盾性促进创新 提出冲突性任务要求 融合批判性思维与创新推理

，实现 从提纲到段落再到文章的迭代式生成，为用户生成内容大纲及高质量长文本。 产品 概况 功能亮点 功能亮点  资料整合与文章生成：能够浏览网络，搜集大量文献， 并通过基于主题的多个智能代理，将这些文献转化为连 贯的文章或研究论文，长度可达数万字。  模拟对话与问题生成：模拟文章写作前的调研过程，通 过发掘话题研究中的多样视角，模拟具有不同视角的作 者向话题专家提出问题的对话，并基于这些对话整理收 难以跨多个子任务自动执行，仍需人工介入。 AI 自主任务规划与执行(AI Agent) AI 能够自主分解任务、规划步骤， 并利用外部工具(如API、数据库、 自动化流程)执行任务。 多 AI 代理协作 不同 AI 代理(市场分析 Agent、法律 审核 Agent、财务预测 Agent) 可协 同完成复杂任务，形成智能工作流。 任务反馈 & 自主学习 AI 在执行任务后自动优化策略， 使任务执行效果不断增强。

都是该形态出色的产品。 tldraw v0.dev Screenshot to code 23 / 32 LLM Agent（AI Agent） LLM Agent 是一种基于 LLM 的智能代理，它能够自主学习和执行任务， 具有一定的“认知能力和决策能力”。LLM Agent 的出现，标志着 LLM 从传统的模型训练和应用模式，转向以 Agent 为中心的智能化模 式。 LLM Agent