Update Role.mdx

Author: xueqidove

docs/pages/Role.mdx

@@ -10,7 +10,7 @@
 - **大模型的能力**。业务场景的复杂度越高、专业领域越强，对大模型的知识要求和分析推理能力要求就越高。尤其是对于长流程的复杂场景，非常考验大模型对其复杂问题推理和指令遵循的能力；当大模型能力不足以支持更高程度的智能时，适当降低智能预期就成为一个理性的选择；
 - **上下文环境**。企业内的投产智能体对于业务场景上下文要求会比简单的 AI 对话高很多。这主要体现在对业务场景专业性知识的储备，企业内关键数据与特殊流程规则的了解以及企业内各种工具的适配。在这个方面，业务方的数字化程度越高，配合 AI 做改造的积极性越好，就越能够提升智能体运行的上下文环境。
 - **用户交互习惯**。用户与智能体的交互习惯也是影响智能体智能程度的关键因素。这包括两个方面，用户是否擅长用 AI 友好的方式与智能体交互（例如，提供高质量的用户提示词），另外一个方面是用户对于智能体的交互期待。在某些情况下，用户或许并不希望智能体全自主执行，或者从合规角度看用户仅希望参考智能体的输出结果而不是直接使用。所以，用户交互习惯很多时候也会影响智能体对智能程度的期待。
-- **执行成本因素**。任何智能体投产都需要考虑投入产出比，何况现在智能体执行消耗的Token 成本还比较高。在某些场景下，用户是愿意通过降低一定的智能程度来换取更好的成本效益。
+- **执行成本因素**。任何智能体投产都需要考虑投入产出比，何况现在智能体执行消耗的 Token 成本还比较高。在某些场景下，用户是愿意通过降低一定的智能程度来换取更好的成本效益。
 
 基于以上几个因素的深入分析，业务方与建设方对于智能体的智能期待就能够具体化，而不是笼统得定义智能体够智能或者不够智能。同时，这种深入分析也更容易帮助双方建立对于智能体的预期，这样到投产阶段有助于形成使用-反馈-迭代循环的信任基础。
 6.2.智能体的角色定位