Agent 是什么
一句话定义
Agent 是一个能自己动手把事办成的 AI 程序。 普通聊天 AI 你问它答，Agent 是你给它一个目标，它会自己去拆解步骤、调用工具、试错、直到把事情做成。
跟聊天 AI 的差别
| 聊天 AI（如 ChatGPT 网页版） | Agent | |
|---|---|---|
| 你给什么 | 一句话问题 | 一个目标（比如「帮我把这周邮件总结一下」） |
| 它怎么答 | 直接回答 | 自己拆任务 → 调工具 → 试错 → 给你结果 |
| 能不能动真东西 | 不能，只能给文字建议 | 能：读写文件、跑命令、发邮件、订机票 |
| 一次对话 | 单轮 | 多轮，自己跑十几步甚至上百步 |
举个例子：
- 让 ChatGPT「帮我写一封请假邮件」→ 它给你一段文字，你复制去发。
- 让 Agent「帮我写并发送一封请假邮件」→ 它自己写、自己登录邮箱、自己点发送。
一个 Agent 内部长什么样
最常见的结构是三件套：
- 大脑（LLM） —— 负责理解和决策。现在基本是 GPT-4、Claude 这种大语言模型。
- 记忆 —— 短期记忆是当前对话，长期记忆可以存到文件或数据库，下次接着用。
- 工具（Tools） —— 大脑能调用的功能，比如：跑终端命令、读文件、搜网页、发 HTTP 请求、调用别的 API。
Agent 工作的循环很简单：观察 → 思考 → 行动 → 再观察，一直到目标完成。
Agent 现在能干什么
- 编程：写代码、改 bug、跑测试、提交 GitHub PR（Cursor、Claude Code、Devin）
- 办公自动化：整理邮件、生成报表、订会议室（n8n、Make、Zapier 这些带 AI 的版本）
- 研究：自动搜资料、读论文、生成综述（GPT Researcher、Perplexity Pro 的 Deep Research）
- 日常：订餐、买东西、规划行程（早期，但进步很快）
- 控制电脑：像人一样操作浏览器和软件（Anthropic 的 Computer Use、OpenAI 的 Operator）
它现在的局限
- 会出错 —— 大模型本身有幻觉，工具也可能调用失败，需要人在关键步骤把关。
- 贵 —— 一个复杂任务跑下来可能烧几毛到几十块的 API 费用。
- 慢 —— 多步任务一次跑几分钟很正常，比人快但不是瞬时。
- 权限边界 —— 它能动真东西，给多大权限是个严肃决定；目前主流做法是「人在回路」，关键动作要你确认。
怎么判断一件事该不该用 Agent
问自己三个问题：
- 任务能拆成小步骤吗？ 能拆就适合 Agent。
- 每一步有可验证的结果吗？ 比如"文件写出来了"、"命令跑成功了"。如果没法验证，Agent 会跑偏。
- 出错了代价多大？ 写邮件失败只是重发，转账失败就是真钱。代价高的环节必须人盯着。
三个都是 ✅，基本就适合放给 Agent 做。
一句话总结
Agent 不是更聪明的聊天 AI，而是能动手把事情做完的 AI。它把"想法"变成了"动作"，但目前还不完美，关键环节需要人看着。
暂无标签