聊天机器人的典型交互是「你问一句、它答一句」。它也可以很聪明,但产出停在文本上:告诉你怎么做,不替你做。
Agent(智能体)的典型交互是「你给目标、它自己走流程」。它会在模型和外部工具之间来回多轮:查资料、调接口、改文件、跑代码,看到结果后再决定下一步,直到完成或触发停止条件。
Anthropic 在《Building effective AI agents》里给了一个更严格的分界:工作流是用预设代码路径编排 LLM 和工具;Agent 是由 LLM 动态决定自己的流程和工具使用。这个区分很重要——很多号称 Agent 的产品,其实是固定工作流。
举个例子:你问聊天机器人「明天上海适合跑步吗」,它可能给你一段建议;你让 Agent「帮我把明天的跑步安排到日程里,天气不好就改到后天」,它需要查天气、读日历、判断冲突、写入日程,最后告诉你结果。区别不在谁的文笔好,而在它有没有替你把事办完。
一张图:Agent 的执行循环
用户目标
│
▼
[1] 规划:下一步做什么 ──────────────┐
│ │
▼ │
[2] 调用工具(搜索 / API / 代码 / 文件)│
│ │
▼ │
[3] 观察结果(成功,或者报错) │
│ │
▼ │
[4] 任务完成了吗?──── 否 ───────────┘
│
是
▼
输出结果 / 交给人确认这张图里有三个关键词:循环、工具、反馈。模型不是一次生成最终答案,而是每一步都根据环境返回的真实结果调整计划。没有工具,循环没有意义;没有反馈,Agent 只是在瞎猜。
2022 年的 ReAct 论文是这条思路的经典表述:让模型把「推理(Reason)」和「行动(Act)」交替进行,用行动结果支撑下一步推理。
注意图中「观察结果」不是模型自己想象出来的,而是工具返回的真实数据。这是 Agent 和「让模型扮演一个流程」最大的差别:每一步都有外部世界的反馈当裁判。
四个核心部件:缺一个都跑不起来
- 模型(大脑):理解目标、拆解步骤、决定调用哪个工具。模型能力大致决定了 Agent 的上限。
- 工具(手脚):搜索、数据库、浏览器、代码执行器、业务 API。工具描述要清楚、参数要防错,这是实践中最容易被低估的一环。
- 记忆(上下文):短期记忆是这一轮的消息和工具返回,长期记忆可以是文件、数据库或向量库。记忆策略决定它会不会「做着做着忘了目标」。
- 循环与边界(刹车):最大步数、超时、预算、哪些操作要人工确认、连续失败几次就停。没有边界的 Agent 不是自主,是失控。
这四件东西里,最容易做的是接工具,最难的是边界。工具能调通只是第一步;能不能在第 20 步还不跑偏、出错后不重复犯错,才决定它能不能真用。
对比表:聊天机器人 vs Agent
| 维度 | 聊天机器人 | Agent |
|---|---|---|
| 输入 | 一句提问 | 一个目标加约束 |
| 输出 | 文本回答 | 完成的任务、改动的文件、执行的动作 |
| 是否用工具 | 通常不用,除非接入检索 | 核心能力,靠工具接触外部世界 |
| 执行轮数 | 一到几轮对话 | 多轮循环,步数事先不确定 |
| 出错方式 | 答错、编造 | 答错加执行错,错误会累积放大 |
| 适合任务 | 问答、改写、总结 | 步骤不定、需要查证和操作的开放任务 |
| 成本与延迟 | 低、快 | 高、慢,随轮数增长 |
还要注意一个命名陷阱:把固定流程包装成「多智能体协作」,再给每个环节起个角色名,本质上仍是工作流。工作流并不低级——它更便宜、更可控、更容易测试。真正该用 Agent 的,是那些你事先写不出完整步骤的任务。
什么时候不该用 Agent
Anthropic 的建议很直接:先找最简单的方案,只有简单方案不够时才加复杂度。下面这些情况,固定工作流或一次模型调用就够了:
- 任务步骤固定:先分类、再查库、再套模板,写成代码更稳定;
- 答案可以一次生成,不需要外部动作;
- 错误代价高又难回滚,比如付款、删除、对外发送;
- 没有可靠评测,无法判断它到底做对没有。
上手清单:搭一个最小 Agent
- 先写清成功标准:什么算完成?用什么验证,比如测试通过、文件存在、接口返回正常?
- 从一两个工具开始:优先选幂等、可回滚的操作,工具描述里写清输入输出和失败情况。
- 把循环显式写出来:模型输出结构化动作 → 执行 → 结果回填上下文 → 再问模型。别指望一句提示就得到稳定循环。
- 加刹车:最大步数、token 预算、超时、危险操作人工确认、连续失败即停。
- 建立评测集:收集 20~50 个真实任务,记录成功率、平均步数、失败类型。没有这组数字,你无法判断改版是变好还是变坏。评测集要覆盖正常、边界和失败三类输入。
跑通之后再考虑多 Agent、长期记忆、自动规划这些进阶配置。它们不是起点。
还有一条经验:先用能力最强的模型把流程跑通,再考虑换成更便宜的模型。反过来做,你往往分不清是流程没设计好,还是模型能力不够。
判断一个产品是不是真 Agent,不看宣传里有没有「自主」,看它敢不敢让你看到:调了哪些工具、每步结果是什么、错了怎么回滚。
参考与延伸阅读
- Building effective AI agents(Anthropic)
- A Practical Guide to Building Agents(OpenAI,PDF)
- ReAct: Synergizing Reasoning and Acting in Language Models(Google Research 博客)
- OpenAI Agents SDK 文档
外链内容由对应网站负责,访问以实际可用性为准。