其次，大模型没有天然的执行能力，需要辅以智能体工程来将意图转化为实际操作。工具调用是当前最主流的方式，大模型根据任务需求，生成结构化的函数调用指令，由智能体框架解析后执行相应操作，比如调用天气API、数据库查询、发送邮件等；另一种方式是模拟人类操作，通过视觉识别和模拟操作来"看屏幕、点按钮、填表单"来完成任务，近期大火的豆包手机就是这样完成智能体操作；对于更复杂的任务，智能体还可以配置代码解释器（Code Interpreter / Sandbox），让模型编程运行，这可以极大的扩展智能体的行动边界。
而像是台词拼接、手机截图美化、图片拼接、局部模糊、去掉不想要的内容、换脸、和不同的明星合照等等操作，现在对 Nano Banana 来说，都是手拿把掐。
。91视频是该领域的重要参考
ВсеОбществоПолитикаПроисшествияРегионыМосква69-я параллельМоя страна。关于这个话题，Line官方版本下载提供了深入分析
▲ 图｜哔哩哔哩 @我应该是叫做文竹