什么是 AI Agent

「Agent」这个词被用得太松，以至于有时它只是指「加了系统提示词的聊天框」。先把定义收紧，后面的讨论才有意义。

#一句话定义

AI Agent 是一个以语言模型为决策核心、能够调用工具、观察结果并持续采取行动来达成目标的系统。

拆开来看，它必须同时具备四个要素：

1. 目标：不是一问一答，而是一个需要推进完成的状态；
2. 行动能力：能通过工具改变外部世界，或获取模型内部没有的信息；
3. 反馈闭环：行动结果会回到模型，成为下一步决策的依据；
4. 自主控制流：下一步做什么，由系统在运行时决定，而不是全部预先写死。

少任何一条，它更接近聊天机器人或工作流，而不是 Agent。这个区分不是学术洁癖——它直接决定你该用什么架构、如何评估、成本怎么算。

#从一次问答到一次任务

假设用户说：「帮我看看 ACME 公司 2025 年财报，有没有值得警惕的风险。」

聊天机器人会直接生成一段听起来合理的分析。它没有看过财报，内容可能来自训练数据，也可能是编的。

固定工作流会按预设步骤执行：下载财报 → 抽取财务表 → 套用风险规则 → 生成报告。稳定、便宜，但如果这家公司的财报是扫描件、表格结构异常，流程就会断。

Agent 则会先判断需要哪些信息，调用 search_filings 找到文件，发现是扫描件后改用 OCR 工具，抽取数字后与同行对比，遇到异常科目再回去查附注，最后生成带引用的结论。它走的路径不是预先枚举的，而是根据每一步的观察临时决定的。

#五个组成部分

• 模型决定推理上限。它负责理解目标、选择工具、解释观察，但不负责权限、幂等和审计。
• 指令是行为契约。好的系统提示会说明角色、目标、可用工具、禁止事项、输出格式，以及「信息不足时怎么办」。
• 工具是 Agent 与真实世界的接口。工具设计的质量，往往比换一个更强的模型更能提升成功率。
• 记忆让 Agent 跨步骤、跨会话保留信息。上下文窗口是工作记忆，外部存储是长期记忆，两者需要不同的管理策略。
• 循环是工程骨架：什么时候继续、什么时候停、失败怎么退、花多少钱。它通常由代码而不是模型来控制。

#一次请求的完整生命周期

这个循环看起来简单，难的是每一环的细节：

• 上下文该放多少历史？检索结果如何排序和截断？
• 模型一次返回三个工具调用，其中两个失败，怎么合并？
• 工具执行到一半超时，重试会不会重复下单？
• 模型连续三次调用同一个工具、拿到同样的错误，如何打破循环？
• 用户等待 40 秒后，界面该显示什么？

这些问题没有一个是「换个模型」能自动解决的。它们构成了这份知识库后面七个章节的主要内容。

#三个常见误解

#它擅长什么，不擅长什么

一个实用的判断方法是问四个问题：

1. 步骤能否预先枚举？ 能，就写工作流。
2. 失败能否被检测？ 不能，就先别让它自动执行。
3. 错误代价是否可接受？ 不可接受，就加人工审批或只读限制。
4. 收益是否大于推理成本？ 如果每天只跑十次、每次省两分钟，可能不值得维护一套 Agent。

#2026 年的技术分层

理解 Agent 的另一个角度是看它由哪些层堆起来：

大多数团队真正建立护城河的地方在编排层和产品层：对业务的理解、工具的质量、评估集、失败处理经验。模型会持续变强、变便宜，但这些工程资产不会自动获得。

#小结

• Agent = 目标 + 工具 + 反馈闭环 + 运行时控制流。
• 它的输出不只是文本，而是动作和状态变化，所以权限与可观测性和能力同等重要。
• 大多数生产系统是「工作流骨架 + Agent 节点」，而不是纯自主智能体。
• 判断要不要用 Agent，先看路径是否可枚举、失败是否可检测、错误代价是否可接受。

下一篇会把这三种形态放在一起，给出更具体的选型标准。