什么是 AI Agent？从聊天到行动的跨越

课程概述

"ChatGPT 只能聊天，但 AI Agent 能帮你做事。"

从 2025 年开始，"AI Agent"成为了 AI 领域最火的关键词。但到底什么是 Agent？它和聊天 AI 有什么区别？为什么有人叫它"数字员工"？

这门课帮你理解从"跟 AI 聊天"到"让 AI 干活"的关键跨越。不需要技术背景——用日常生活中的类比来理解 Agent 的核心概念。

学习目标

• 理解 AI Agent 和聊天 AI 的本质区别
• 了解 Agent 的四个核心能力：感知、规划、行动、记忆
• 理解"工具调用"是 Agent 最关键的能力
• 知道当前 Agent 技术的成熟度和局限
• 建立判断"什么任务适合 Agent"的思维框架

课程内容

1. 一句话理解 Agent——从"问答机"到"执行者"

聊天 AI（ChatGPT 模式）： 你问 → AI 回答 → 你看了 → 你自己去做

AI Agent 模式： 你说"帮我做 X" → Agent 自己规划步骤 → 自己调用工具 → 自己检查结果 → 完成后来找你

一个例子让你直观感受差异：

你是一个项目经理，需要了解项目进度：

• 用聊天 AI： "帮我写一封邮件问各个负责人进展" → AI 写好邮件 → 你复制到邮箱 → 发送 → 等回复 → 手动整理回复 → "帮我总结这些回复" → AI 总结

• 用 AI Agent： "帮我收集项目进展，周五前汇总发给我" → Agent 自动发邮件 → 收到回复后自动提取关键信息 → 自动汇总 → 周五自动发给你

Agent 不是"被动回答问题"的，是"主动完成任务"的。

核心公式：Agent = LLM（大脑） + 工具（手） + 规划（策略） + 记忆（经验）

2. Agent 的四个核心能力——用"订机票"理解

假设你让一个 AI Agent "帮我订一张下周三去上海的机票"：

能力 1：感知（Perception）——知道"现在是什么情况"

• 现在是几号？下周三是什么日期？
• 你在哪个城市？有哪些机场？
• 你的历史偏好是什么？（靠窗还是过道？上午还是下午？什么舱位？）

Agent 需要主动获取这些信息，而不是等你告诉它。

能力 2：规划（Planning）——"把大任务拆成小步骤"

订机票的规划可能是：

1. 确认日期、城市、偏好
2. 搜索符合条件的航班
3. 按价格+时间排序，选出前 3 个
4. 展示给你确认
5. 你确认后，填写乘客信息、付款
6. 订完后把行程加到日历

Agent 必须能自己做这个"任务分解"。

能力 3：行动（Action / Tool Use）——"不是说说而已，是真的做"

这是 Agent 和聊天 AI 最大的区别。聊天 AI 只能"说"——Agent 能"做"：

• 调用航班搜索 API → 获取真实航班数据
• 填写订票表单 → 真的订票
• 调用日历 API → 真的添加行程

没有行动能力，Agent 就是"纸上谈兵"。

能力 4：记忆（Memory）——"记住上次你选了靠窗位"

• 短期记忆：这次对话中你已经告诉它的信息（你的名字、护照号、常旅客号码）
• 长期记忆：你之前的偏好和历史（上次去上海选了东航、靠窗、不要红眼航班）
• 知识记忆：这个世界的基本常识（上海有两个机场：虹桥和浦东）

3. 从"聊天 AI"到"Agent"——加了什么？

聊天的 AI 只有一个环节：用户输入 → LLM 思考 → 文本输出。

Agent 的闭环复杂得多：

用户输入："帮我订机票"
  → LLM 理解意图：需要订机票
  → 规划步骤：[查航班, 比价, 展示推荐, 等确认, 订票, 加日历]
  → 执行第1步：调用航班API(日期=下周三, 目的地=上海)
  → 收到API返回：15个航班
  → LLM 分析结果：按价格排序，过滤红眼航班
  → 执行第2步：向用户展示前3个推荐
  → 等待用户反馈："选第二个"
  → 执行第3步：调用订票API(航班号=MU5102, 乘客=你)
  → 收到确认：订票成功，票号XXXXXX
  → 执行第4步：调用日历API(添加行程)
  → 向用户汇报："订好了，行程已同步到日历。"

每一个"→"都是一个决策点。 Agent 需要在这些决策点上判断：继续还是暂停？成功了还是需要重试？需要问你确认还是可以直接执行？

4. Agent 的三种架构——从简单到复杂

类型 1：ReAct（推理+行动循环）——最常用

思路：思考一步，做一步，观察结果，再思考下一步。

这是目前最主流的 Agent 模式。优点是简单稳定，每一步都"看到结果再继续"。缺点是对复杂任务效率较低。

类型 2：Plan-and-Execute（先规划再执行）——适合复杂任务

思路：先做完整计划，再按计划逐步执行。

优点是全局优化——先想清楚再动手。缺点是计划可能跟不上变化——执行到一半发现环境变了，计划要改。

类型 3：Multi-Agent（多 Agent 协作）——适合超复杂任务

思路：多个 Agent 各司其职，像一个团队一样工作。一个做产品经理（拆需求），一个做工程师（写代码），一个做 QA（测试）。

这会在后面的课程专门讲。

5. Agent 的"自主权"——一个重要的分级概念

不是所有 Agent 都应该"全自动"。根据后果的严重程度，Agent 的自主权应该分级：

关键原则：让 Agent 的自主权和任务的"风险等级"匹配。

6. Agent 目前还不擅长的事——理性期望

Agent 成熟度现状（2025-2026）：

三个你不要犯的错误：

1. 不要指望 Agent "一次成功"——它经常需要在失败后重试
2. 不要让 Agent 做你没有能力验证的事——你必须能判断它做得对不对
3. 不要绕过审批流程——Agent 不能替你承担责任

实操练习

1. 场景拆解（10 分钟）： 选一个你日常工作中重复性最高的任务（比如"每天早上查数据并汇总发群"）。按照 Agent 四能力框架（感知+规划+行动+记忆），思考哪些环节可以自动化。

2. 工具盘点（5 分钟）： 列出这个任务中需要调用什么"工具"：需要访问什么系统？需要什么权限？需要什么 API？Agent 没有这些工具的话什么都做不了。

3. 自主权评估（5 分钟）： 对你选择的任务，判断适合哪个自主权级别（L1-L4）。为什么不是 L4？什么情况下会出错？后果有多严重？

总结

AI Agent 是从"问答"到"执行"的跨越。记住四个核心能力——感知、规划、行动、记忆——你就能判断一个 Agent 到底"强不强"。

最重要的是：Agent 不是来替代你的，是来帮你做重复劳动的。 你省下的时间，用来做 Agent 做不了的事——策略、判断、创新、与人连接。