AI Agent 是什么:从聊天机器人到能干活的助手

聊天机器人是「你问一句,它答一句」;Agent(智能体)是「你给一个目标,它自己拆步骤、调工具、看结果、纠偏,直到把事办完」。差别不在模型本身,而在模型外面套的那层结构。
Agent 的四个部件
- 大脑(模型):负责理解目标、制定计划、决定下一步。还是那个大语言模型。
- 工具(Tools):搜索、浏览器、代码执行、文件读写、调用 API。工具是 Agent 的手——没有工具的「Agent」只是会说话的模型。
- 记忆(Memory):短期是当前对话的上下文,长期是写进文件和数据库的事实与偏好。没有长期记忆的 Agent,每次醒来都是新人。
- 规划(Planning):把大目标拆成小任务、排顺序、失败时换路线。这是 Agent 和「套壳聊天」拉开差距的地方。
一条主循环:观察 → 思考 → 行动
Agent 的运行方式是一个循环(业内常叫 ReAct):先观察当前状态,思考下一步做什么,调用一个工具行动,拿到结果再观察……如此往复,直到目标达成或步数用尽。你让助手「订一张下周去上海的最便宜机票」,它会自己查航班、比价格、发现中转太久换直飞、最后拿着选项回来确认——每一步都是这个循环的一圈。
为什么是现在
三个条件同时成熟了:模型的推理能力足够支撑多步任务;函数调用(Function Calling)和 MCP 这类协议把「模型调用工具」标准化了;上下文窗口大到能装下整个任务的中间状态。缺任何一个,Agent 都会退化成演示品。
它还远不完美
- 误差会累积:单步 95% 的成功率,连续 20 步只剩三成多。所以关键步骤要留人工确认点。
- 成本随步数涨:每一圈循环都要把上下文重发一遍,长任务烧的 Token 是聊天的几十倍。
- 权限是双刃剑:能干活就意味着能搞砸。能发邮件的 Agent 也能发错邮件——好的 Agent 设计里,破坏性操作必须先问人。
判断一个产品是不是真 Agent,就看三点:能不能自己拆步骤、能不能调用真实工具改变世界、失败了会不会换条路。三点全中,它就在替你干活;只中第一点,那还是个聊天机器人。
← 返回首页