一句话解释
AI Agent（智能体）是一种以大语言模型为“大脑”的程序：你交给它一个目标，它会自己拆解步骤、决定调用哪些工具、观察执行结果，再决定下一步，直到完成任务或主动停下来向你求助。
它和普通聊天机器人有什么不同
普通的聊天机器人是“一问一答”：你输入一句话，模型生成一段回复，交互就结束了。它不会去查资料、不会改文件，也不会检查自己说得对不对。
Agent 的关键区别在于“行动”和“循环”。比如你说“帮我把这个项目的单元测试跑一遍，失败的修好”，一个编程类 Agent 会依次做这些事：读取项目结构、找到测试命令、运行测试、阅读报错、修改代码、再次运行，直到测试通过。整个过程里，模型每一步都在根据上一步的真实结果做判断，而不是一次性凭想象写出答案。
可以把两者的差别概括为：聊天机器人负责“说”，Agent 负责“做”。
Agent 由哪几部分组成
业界对 Agent 的拆法不完全统一，但大多数实现都离不开下面四个部分。
模型（推理核心）：通常是一个擅长遵循指令、支持工具调用的大语言模型。它负责理解目标、制定计划、选择下一步动作。
工具（行动能力）：模型本身只能输出文字，真正“动手”靠工具。工具可以是搜索引擎、代码执行环境、数据库查询、发送邮件的接口、浏览器操作等。模型输出一段结构化的调用请求，由外部程序真正执行，再把结果返回给模型。
记忆（上下文管理）：短期记忆就是当前对话和执行记录，放在模型的上下文窗口里；长期记忆则通常借助外部存储，比如向量数据库或文件，用来保存跨会话的信息。
规划与控制循环：这是把以上三者串起来的“调度器”。它负责把模型的输出解析成工具调用、执行、把结果喂回模型，并设置终止条件，比如任务完成、达到最大步数或需要人工确认。
一个典型的工作循环
学术界有一个影响较大的思路叫 ReAct（Reasoning + Acting），核心是让模型交替进行“思考”和“行动”：
- 思考：根据目标和已有信息，判断下一步该做什么。
- 行动：调用某个工具，比如搜索一个关键词。
- 观察：读取工具返回的结果。
- 重复：带着新信息回到第一步，直到可以给出最终答案。
这个循环看似简单，却解决了大模型的一个根本短板：模型的知识是训练时固定下来的，而且它无法验证自己的输出。通过“行动—观察”，Agent 能拿到最新、真实的外部信息，并用结果来纠正自己。
Agent 适合做什么
多步骤、有明确完成标准的任务最适合交给 Agent，例如：
- 编程：读代码、改 bug、跑测试、提交修改。
- 信息调研：多轮搜索、阅读网页、汇总成报告。
- 数据处理：查询数据库、清洗数据、生成图表。
- 办公自动化：整理邮件、填写表单、在多个系统之间搬运信息。
相反，如果任务只需要一次回答（比如解释一个概念），用 Agent 反而会更慢、更贵，因为每一轮循环都要消耗一次模型调用。
单 Agent 与多 Agent
当任务复杂时，有些系统会把工作拆给多个 Agent：一个负责规划，一个负责写代码，一个负责审查。这种“多智能体”架构的好处是分工清晰、每个 Agent 的上下文更干净；代价是协调成本更高，出错时也更难排查。实际项目中，往往先把单 Agent 做稳，再考虑拆分。
常见误区
误区一：Agent 是一种新模型。 Agent 不是模型，而是围绕模型搭建的系统。同一个模型，既可以当普通聊天机器人用，也可以接上工具和循环变成 Agent。
误区二：Agent 越自主越好。 自主程度越高，出错时造成的影响也越大。删除文件、转账、对外发邮件这类不可逆操作，通常应当设置人工确认环节。
误区三：工具越多越好。 工具太多会让模型难以选择，描述也会挤占上下文。给 Agent 配少量、职责清晰、说明写得好的工具，效果往往更好。
误区四：Agent 不会犯错。 Agent 仍然建立在大模型之上，同样可能误解目标、编造信息或陷入重复循环。设置最大步数、记录执行日志、对关键结果做校验，都是必要的工程手段。