从聊天机器人到多智能体
同样是大模型应用，按「自主程度」从低到高可以排出一条谱系：Chatbot（聊天机器人）→ Copilot（副驾）→ Workflow（工作流）→ Agent（智能体）→ 多智能体。开发前先定位自己的需求落在哪一级，能少走很多弯路。
谱系总览
以「谁在做决策」为标尺，整条谱系一眼可辨：
| 级别 | 谁做主 | 一句话概括 |
|---|---|---|
| Chatbot | 用户 | 你问我答 |
| Copilot | 人主导、AI 补全 | 人写，它续 |
| Workflow | 程序员 | 步骤写死自动跑 |
| Agent | 模型 | 给目标自己干 |
| 多智能体 | 多个模型分工 | 一组角色协作 |
Chatbot：单轮问答
最常见的形态，如各类客服机器人：用户提问、模型回答。特点是基本无状态、不执行外部动作，适合 FAQ 与闲聊。严格说 Chatbot 不算 Agent，但它是整个谱系的地基。
Copilot：人机协作
典型代表是写代码的结对助手：用户持续给出意图，AI 在光标处补全、解释、重构，最终由人拍板。Copilot 让 AI 参与过程但不接管目标，是 2023-2025 年渗透率最高的形态。
Workflow：写死的自动化
把「查库存→算运费→下单」这类固定流程用代码编排，中间每一步可以调模型也可以调普通函数。它稳定、可控、便宜，但流程一变就断，适合业务规则明确的场景。
Agent：自主完成任务
给模型一个目标（如「整理这份财报并邮件给经理」）和一组工具，由它自行规划、执行、纠错。它可能调用十几个工具、跑很多轮，过程中无需人介入。能力上限高，但也需要配套的循环、记忆与安全设计。
多智能体：一组角色协作
把大任务拆给多个各司其职的 Agent：研究员负责查资料、代码手负责实现、评审官负责挑毛病，通过消息互相协调。适合任务天然可分、需要不同专长的场景；协调成本也最高，小任务慎用。
Agent 何时必要
是否升级到 Agent，可以用下面几个问题判断：
| 信号 | 该不该上 Agent |
|---|---|
| 步骤在运行时才确定 | 该上 |
| 需要不断调用外部工具 | 该上 |
| 中间结果要反复校验 | 该上 |
| 固定流程、追求稳定低延迟 | 用工作流即可 |
| 只是问答、无外部动作 | Chatbot 就够 |
一条务实的升级路线
从简单处起步，按需升级，而不是一步到位上最重的方案：
- 先做 Chatbot / Copilot，把体验与数据跑顺。
- 固定环节抽成 Workflow，追求稳定与低成本。
- 出现「运行时才知道下一步」的需求，再引入 Agent 循环与工具。
- 任务天然可分、需要不同专长时，才考虑多智能体。
谱系只是选择工具，不是鄙视链：够用且可靠，就是好方案。
小结
谱系从左到右是自主性不断升高的过程：Chatbot 到 Copilot 是人机配合，Workflow 到 Agent 是自动化程度跃升，多智能体则把自动化推进到分工协作。定位好自己处于哪一级，再决定要不要上循环、工具与复杂框架。