AI Agent 到底是什么：
不只是会聊天的 AI，更是会办事的 AI 同事
聊天助手回答问题，Agent 完成任务——一篇讲清这个正在改写工作方式的新物种。
你可能已经用过 ChatGPT、豆包、Kimi 这样的聊天助手：你问，它答。但 2023 年之后，AI 圈最热的词变了——Agent（智能体）。同样是 AI，Agent 和聊天助手到底有什么不一样？它凭什么被称为“AI 同事”？这篇文章用一个贯穿始终的比喻讲清楚：把 AI 想象成一位刚入职的新同事。聊天助手，是坐在工位上回答问题的高级顾问；Agent，是拿着你的目标、跑腿办事、回来汇报的新同事。
先说结论
一句话：聊天助手是“你问它答”的问答机，Agent 是“你给目标、它把事办成”的办事员。
一个 Agent = 一个大模型（大脑）+ 四件套（感知、规划、工具、记忆）+ 一个反复转的干活循环。判断是不是 Agent，别看它多会说，看三点：能不能自己动手调工具、会不会拆解多步任务、做完会不会自己检查。
自主性有高低：从“只给建议”到“全自动”，级别越高越省事，风险也越大。花钱、对外发消息、删数据这些关键动作，应当留给人点头。
一聊天助手和 Agent：一句话能分清
2022 年 11 月 30 日，OpenAI 上线 ChatGPT。五天之内 100 万人注册，约两个月后月活用户达到约 1 亿——它成了史上用户增长最快的消费产品之一。ChatGPT 厉害在哪？它会说话：你问什么，它都能对答如流。
但会说话，不等于会办事。试一个例子：你说“帮我订一张下周三去上海的机票，越便宜越好，晚上 8 点前到”。
- 聊天助手会做的事：给你几条建议、几个订票链接，告诉你“周三晚上 7 点的航班比较便宜”。订票，还是你自己来。
- Agent 会做的事：自己去查航班、比价格、排除 8 点后到的班次、在你授权的额度内下单、订完把行程单发给你；如果最便宜的票超了预算，它会先来问你。
回到新同事这个比喻：聊天助手像公司里一位知识渊博的顾问——坐在工位上，你问什么他答什么，从不起身；Agent 像一位刚入职的助理——拿着你的目标，跑腿、办事、回来汇报。顾问的本事在“知道”，助理的本事在“办成”。
| 聊天助手 | Agent（智能体） | 传统软件（如 Excel 宏） | |
|---|---|---|---|
| 你给什么 | 一个问题 | 一个目标 | 一条固定指令 |
| 你得到什么 | 一段文字回答 | 一个办成的结果 | 按规则跑出的结果 |
| 能不能动手 | 不能，只能说话 | 能调工具：查、写、发、买 | 只能按预设步骤执行 |
| 遇到意外 | 说“我不知道” | 自己换条路再试试 | 停住，报错等人处理 |
| 需不需要你盯着 | 每步都要你追问 | 关键处请示，其余自己跑 | 不需要，但也变通不了 |
先防一个坑：现在很多产品把“Agent”印在包装上，卖的还是聊天助手。Gartner 在 2025 年 6 月估计，市面上成千上万自称 Agent 的厂商里，真正具备 Agent 能力的只有约 130 家——这种现象，Gartner 称之为“agent washing”（Agent 洗白）。下次看到“Agent”这个词，先问一句：它到底能不能动手？
二Agent 的四件套：一个新同事的装备
一个 Agent 有四件装备，缺一件就不完整。就像新同事入职要发装备：眼睛耳朵、参谋、双手、记事本，一样都不能少。
感知：眼睛和耳朵
Agent 要先“看到”世界：读你给的文件、看网页、听你的指令、收到工具返回的结果。没有感知，Agent 就是闭着眼睛干活——你让它整理上周的销售数据，它连表格在哪都不知道。
规划：脑子里的参谋
接到“做一份竞品分析”这样的目标，Agent 不能一上来就写，得先拆：定范围、搜资料、列对比、写结论。规划的好坏，决定了 Agent 是“靠谱员工”还是“瞎忙”——目标拆得越清楚，越不容易跑偏。
工具：能干活的手
搜索、发邮件、读写文件、跑代码、操作软件——工具就是 Agent 的手。工具越多、越好用，Agent 能办的事就越多。没有工具的大模型，再聪明也只能说话。2024 年 11 月 25 日，Anthropic 发布了 MCP（Model Context Protocol，模型上下文协议），一个让 Agent 接工具的开放协议：就像 USB-C 统一了充电线，MCP 想统一 Agent 和工具之间的接口，之后被 ChatGPT、Cursor、VS Code 等产品陆续采用。
记忆：随身记事本
记忆分两种。短期记忆：这次任务进行到哪一步、刚才查到了什么——相当于你手头正在写的那页纸。长期记忆：你的偏好（“周报要先给结论再列数据”）、过去的教训（“上次订票忘了看退改签”）——相当于一本交接笔记。没有记忆的 Agent，每次见你都像第一次。
关键在搭配：四件套里，大模型是“大脑”，但 Agent 的本事不只看大脑。同一个模型，配上好工具、好记忆、会检查的干活循环，能办的事天差地别。反过来，模型再强，没有工具、没有记忆，也只能坐在工位上说话。
三自主性分级：从“只给建议”到“全自动”
不是所有 Agent 的“自由度”都一样。有的只敢出主意，有的敢自己下单。理解自主性有高低，是用好 Agent 的第一步——你给它多大的权，决定了它能帮你多少，也决定了它能错得多离谱。
先说明：下面这五级，是本文为了讲清楚画的一把“刻度尺”，不是行业统一标准。不同公司分法不同，但“权越大、风险越大”这个道理是通的。
| 级别 | 谁做决定 | 像什么 | 例子 |
|---|---|---|---|
| L0 · 只给建议 | 人决定，也执行 | 顾问 | “这篇周报可以这么写。”只出主意，不动手。 |
| L1 · 每步请示 | Agent 提议，人点头才动手 | 实习生 | 订票前先问你选哪一班，确认了才下单。 |
| L2 · 按清单执行 | 照你定的清单跑，关键处请示 | 熟手员工 | 每周五自动拉数据做报表，数据异常就停下问你。 |
| L3 · 自主执行 | 自己跑完，事后汇报 | 独当一面的骨干 | 每天早上把行业新闻整理好放你桌上。 |
| L4 · 全自动 | 只在出问题时找你 | 7×24 值班员 | 全天盯着服务器，出故障自己重启并报警。 |
级别越高越省事，但错得也越远。Anthropic 在 2024 年 12 月的文章《Building effective agents》里提醒过两件事：Agent 系统往往用更长的耗时和更高的成本，换取更好的任务表现；自主性越高，错误累积的风险也越大。所以现实中，多数靠谱的 Agent 停在 L2 到 L3：能干活，但花钱、对外发消息、删东西这些动作，一定要人点头。
买产品时先问一句：它默认是第几级？关键动作能不能设成“必须我点头”？答不上来的，谨慎。
四三年简史：Agent 是怎么来的
Agent 不是某天突然发明的，是“会说话的模型”长出“手”和“记事本”之后，自然长出来的东西。三年里有五个关键节点：
- 2022 年 10 月 · ReAct 论文：让模型“边想边动手”普林斯顿与谷歌的研究者发表 ReAct，做法极其简单：让大模型在“想”和“干”之间来回切换——想一步、查一下、再想一步。在两个模拟任务上，它比当时只会模仿的旧方法成功率高出一大截（ALFWorld 高 34 个百分点，WebShop 高 10 个百分点）。这是 Agent 干活的循环第一次被写成论文。
- 2022 年 11 月 30 日 · ChatGPT 上线：大模型走进大众生活会说话的 AI 第一次成为全民话题。五天 100 万用户，约两个月约 1 亿月活。人们很快发现：光会说话不够，大家想要的是“帮我把事办了”。
- 2023 年 3 月 30 日 · AutoGPT：第一个病毒式 Agent 实验一个开源实验让“全自动 Agent”一夜爆红：给它一个目标，它自己拆任务、上网查、写代码，几周内 GitHub 星标破 10 万。但它也暴露了早期 Agent 的毛病：容易卡死在循环里、胡编乱造、账单吓人——它自己的说明文档就警告，这个程序“可能永远跑下去”。
- 2024 年 12 月 · Anthropic《Building effective agents》：给行业立了个分法Anthropic 的工程师文章把“工作流”和“Agent”分开：路线写死的叫工作流，路线由模型自己定的才叫 Agent；还给了五种常用套路，并提醒“先用最简单的办法”。这篇文章至今仍是很多团队做 Agent 时的起点。
- 2025–2026 年 · Agent 变成产品：从实验走向工位2025 年 7 月，OpenAI 上线 ChatGPT agent；2026 年 8 月到 10 月，xAI、Meta、OpenAI、Anthropic 先后推出常驻型 Agent 产品（详见本站第一篇《常驻 AI 智能体科普》）。Agent 从极客的实验，变成了摆在工位上的同事。
五什么时候该用 Agent，什么时候不该
知道 Agent 是什么之后，下一个问题是：什么时候请这位“新同事”出马？
适合请 Agent 的三种任务
- 步骤多、来回折腾的任务：查资料、做对比、写报告——一步接一步，中间还要查了再定。
- 重复发生、规则讲得清的任务：每周报表、舆情汇总、例行检查。规则说得清，Agent 才能照着跑。
- 结果能验证的任务：代码能不能跑、数据对不对得上、报告里引用的数字准不准——跑一下、查一下就知道对错的，最适合交给 Agent。
不适合请 Agent 的三种任务
- 一句话就能答完的事：问天气、翻译一句、查个单词——用聊天助手更快、更便宜。
- 规则完全固定、从不变化的事：每月 1 号生成固定格式的报表——普通软件更稳、更便宜，不用请一个“会思考”的来干。
- 错一次代价极大、又没法事后检查的事：直接操作生产数据、无人复核的对外付款——这种事要么别交给 Agent，要么必须设成“每步都要人点头”。
一个提醒：Gartner 在 2025 年 6 月预测，到 2027 年底，超过 40% 的 Agent 项目会被取消，原因主要是成本失控、价值说不清、风险管不住。这句话的意思不是“别用”，而是“先从小处、能验证的地方用起”。
给管理者的选型三问
不管是买产品还是批项目，拿着这三个问题问一圈，心里就有数了：
- 它做完会不会自己检查？订完票会不会把时间、价格和你的要求一条条对一遍？只会埋头干、不会回头看的 Agent，迟早捅娄子。
- 关键动作要不要人点头？花钱、对外发消息、删改数据，这些动作能不能设成“必须我批准”？不能设的，别给它真金白银的权限。
- 出错了，你能不能看到它每一步干了什么？有没有留下一条清晰的记录：查了什么、为什么选这班、花了多少钱？查不到记录的 Agent，出了问题没法复盘，也没法追责。
六一句话总结
记住这一句就够了：Agent 不是更会聊天的 AI，而是能拿着你的目标、自己想办法把事办成的 AI 同事；判断它是不是 Agent，别看它多会说，看它能不能动手、会不会复查、有没有在你的允许范围内办事。
下一篇，我们打开盖子，看 Agent 干活时脑子里到底转了多少圈：ReAct、规划、反思，这些词到底是什么意思；以及 Agent 为什么有时候会“想太多”、有时候又会“走偏”。
七来源清单
核查日期均为 2026 年 11 月 10 日。标注“官方”的为直接打开官方页面核实；其余为可信二手来源的交叉核对。
- ReAct 论文（Yao 等，2022 年 10 月，ICLR 2023）：arxiv.org/abs/2210.03629
- Anthropic《Building effective agents》（2024 年 12 月）：anthropic.com/engineering/building-effective-agents
- AutoGPT 项目（Significant Gravitas，2023 年 3 月 30 日发布）：github.com/Significant-Gravitas/AutoGPT
- ChatGPT 上线报道（2022 年 11 月 30 日）：Firstpost；Engadget
- Gartner 2025 年 6 月 25 日新闻稿相关内容（“超过 40% 的 Agent 项目将被取消”“约 130 家真正具备 Agent 能力的厂商”），见二手梳理：metorial.com
- MCP（Model Context Protocol，Anthropic 2024 年 11 月 25 日发布）：webvello.com
- 本站《常驻 AI 智能体科普：Grok Bot 与它的同类们》（2026-11-10）：站内文章
说明：文中“自主性五级”是本文为方便理解画的示意分级，不是行业统一标准；“选型三问”是本文总结的检查清单，不是官方标准。文中数字均来自上面列出的来源，未列出的数字本文没有采用。