什么是 AI agent？

「agent」这个词用得太随意，几乎什么都指。这里给一个足够严格、因而真正有用的定义：

agent 就是一个能调用工具的语言模型，跑在一个循环里，自己决定下一步做什么，直到任务完成。

三个组成部分。去掉任何一个，剩下的东西都更简单，也就不需要这个词了。

三个组成部分

工具

模型能调用你提供的函数——查数据库、读文件、调 API、跑代码。没有工具，模型只能产出文本。有了工具，它就能对外部世界产生影响，并观察到结果。见工具调用是怎么运作的？。

一个循环

输出会作为输入回流。模型调用工具，看到结果，再决定下一步做什么。这个循环不断重复，直到任务完成。见 Agent 循环。

让出的控制权

这一条才是真正把 agent 区分出来的一点，也是人们最容易低估的一点。

在普通应用里，决定下一步做什么的是你的代码。在 agent 里，做决定的是模型——用哪个工具、传什么参数、调多少次、什么时候停。你定义什么是可能的，模型在其中做选择。

能力由此而来，所有麻烦也由此而来。

什么不是 agent

严格一点是有用的，因为这个词总被贴到不需要它的东西上。

聊天机器人在循环里产出文本，但不调用任何工具，也不掌控任何东西。

单次工具调用——模型请求搜索，你返回结果，模型给出回答。只有一步，没有循环，也没有让出的控制权。这属于工具调用，而且往往是正确的设计。

固定管线——先检索，再总结，再分类。多步骤、多次模型调用，但排列顺序的是你的代码。这是一个工作流，对已经摸清的任务来说通常更好：可预测、好调试、更便宜。

这个区分不是抠字眼。一旦把顺序的决定权交给模型，你就得接受不确定性、成本波动，以及难得多调试过程。当顺序确实无法事先确定时，这值得；能确定时，就是浪费。

agent 在什么情况下值回成本

路径取决于发现了什么。 调试是最清楚的例子——下一个读哪个文件，完全取决于上一个文件里写了什么。任何固定管线都覆盖不了这种情况。

步数未知。 一直搜到找到答案为止，可能是查一次，也可能是查十二次。

需要恢复能力。 某个工具失败了，得有东西来决定换个方案。

任务本身就是探索。 摸清一个代码库，或者跨多个来源研究一个问题。

agent 在什么情况下不划算

步骤已知。 能写出顺序就直接写。工作流会更快、更便宜，也更容易诊断。

出错代价高。 agent 会做出错误操作。若错误操作会发出邮件或改动生产环境的数据，不设关卡的话，这些失效模式就无法接受。

延迟重要。 循环的每一轮都是一次完整的模型调用。十步就是十个来回。

对成本敏感。 每一轮都会把累积的历史重发一遍，所以跑得越久，成本越是平方级增长——这和对话里发生的事是同一个机制，只是工具返回的结果更长，把它放大了。

关于现状的实话

agent 真正好用的范围，比舆论宣传的要窄。

它们好用的条件是：工具少且描述清晰、任务几步就能完成、失败代价低，并且在不可逆的事情发生前有人能过一眼。编程助手非常符合：文件操作可逆，反馈即时，用户就在旁边。

当工具又多又相似、任务跨度很长、成功标准又模糊时，它们就开始退化。可靠性是往下复利的——每一步 95%，十步下来就是 60%。长时间的自主运行依然不可靠，而且不是靠 prompt 能修好的。

务实的做法是范围窄、工具少、循环短，在关键节点上有人复核。大多数成功的生产环境 agent 都长这样。完全自主的版本，大多还停留在演示阶段。

要点回顾

• agent = 工具 + 循环 + 让出的控制权。第三条才使它成为 agent。
• 聊天机器人、单次工具调用和固定管线都不是 agent——而固定管线往往是更好的设计。
• 路径取决于发现什么时用 agent；步骤已知时用工作流。
• 可靠性会随步数逐级衰减，所以循环要短，不可逆的操作要设关卡。

下一篇： 工具调用是怎么运作的？