AI Agent 是什么
AI Agent（人工智能体，常译「智能体」）是能独立理解目标、拆解步骤、调用外部工具、自我检查并持续行动直到完成任务的程序。聊天机器人答完一句话就结束，Agent 则要对「做完一件事」负责。
为什么 2023 年后才流行
「智能体」的概念很早就存在，但早期只能按写死的分支走，稍有变化就失效。大模型普及后，程序终于能看懂自然语言指令、自主生成可执行步骤，Agent 才从概念走向工程。可以这样理解：大模型提供「大脑」，工具提供「手脚」，循环负责「坚持到底」。
与聊天机器人的区别
两者底层都是大模型，差别在任务形态与是否对结果负责：
| 对比项 | 聊天机器人 | AI Agent |
|---|---|---|
| 任务 | 单轮问答 | 多步任务，直到完成 |
| 工具 | 一般不调用 | 经常调用 API、搜索、代码 |
| 记忆 | 通常无目标记忆 | 记住目标持续推进 |
| 出错 | 换一种说法再答 | 反思、修正、重试 |
| 例子 | 客服对话 | 自动订票、自动写周报 |
工作流与 Agent：差在自主性
工作流（Workflow）把步骤预先写死：先查库存、再算运费、最后下单，每一步都由程序员编排。Agent 则把决策权交给模型：给定目标与工具清单，让它自己决定下一步做什么。选型经验是：规则明确、追求稳定的场景用工作流；步骤多变、需要临场应变的场景才值得上 Agent。
典型组成：模型 + 提示 + 工具 + 循环
一个最小可用的 Agent 由四部分拼成：
| 组成 | 作用 |
|---|---|
| 模型 | 理解指令、做决策的「大脑」 |
| 提示（词） | 定义身份、目标、约束 |
| 工具 | 行动能力：搜索、计算、数据库 |
| 循环 | 感知→规划→行动→反思，直到完成 |
应用场景
- 信息处理：抓取网页、阅读文档、汇总成表格或日报。
- 业务自动化：自动回复工单、起草合同、跟进审批。
- 编程助手：读仓库、定位 bug、跑测试并汇报结果。
- 数据分析：把自然语言问题转成 SQL/Python，返回图表。
- 个人助理：安排日程、查航班、比价购物。
- 内容生成：按模板批量产出文案、配图与发布计划。
- 客服升级：把 FAQ 问答升级成能查订单、改地址、开售后的助手。
一个通俗类比
把 Agent 想成一位「只发目标、不给流程」的实习生：你交代任务（按 JD 筛选 30 份简历），提供工具（文档阅读器、评分表、邮箱），它自己安排先读哪份、怎么打分。 它可能又快又好，也可能跑偏——所以才需要检查与返工机制，这正是后面要讲的「循环」。 类比的要点在于：Agent 不是把一切都自动化，而是把「想与做」的自主权交给模型，同时用工具与检查兜住风险。
小结
AI Agent 的本质是「大模型 + 工具 + 目标循环」：模型负责想，工具负责做，循环负责把任务推进到终点。它与聊天机器人、固定工作流的区别都在「自主性」上，抓住这一点就能看懂后面每一章。