AI Agent / 系统课时
区分 Agent 与普通大模型应用
区分 Agent 与普通大模型应用
这一课解决最容易混淆的问题:聊天机器人、固定工作流和 Agent 都可能调用大模型,可以从谁决定下一步、能执行什么操作,以及由谁判定结束来区分它们。学完后,你可以根据任务的决策空间和执行风险判断是否真的需要 Agent。
学习目标
- 说清聊天机器人、工作流与 Agent 的核心差异
- 用“决策权、行动能力、循环方式”判断一个系统是否属于 Agent
- 根据任务稳定性与风险选择最合适的实现形态
区分的关键不是有没有大模型
是否调用大模型,不能直接决定一个应用是不是 Agent。普通聊天机器人也可以调用大模型生成答案,固定工作流也可以在多个节点中调用模型。真正的分界点在于:下一步由谁决定,以及系统能否依据执行结果继续调整行动。
只做对话问答的应用可以有多轮上下文,也可以在回答前按固定规则检索。聊天界面只描述交互方式,背后可能连接固定工作流或 Agent。本课把仅生成回复的对话路径单独列为一类,方便对比。
固定工作流的步骤、分支和回退规则由开发者预先定义。它可以根据数据库结果或模型生成的分类走不同分支。若模型在允许的动作之间持续依据反馈提出下一步,运行时验证后执行并检查终止条件,则这段流程具有 Agent 的执行方式。
三种形态放在一起比较
| 维度 | 聊天机器人 | 固定工作流 | Agent |
|---|---|---|---|
| 下一步由谁决定 | 主要生成当前回复 | 开发者预先编排步骤与分支 | 模型在运行时约束下提出动作 |
| 工具使用 | 可按应用需要检索或查数据 | 由流程确定调用位置 | 可在获准的工具中动态选择 |
| 如何处理反馈 | 可在回复里说明反馈 | 按预设分支和回退规则处理 | 可依反馈再次选择动作或请求人工处理 |
| 结束方式 | 返回当前回复 | 到达正常或异常的流程出口 | 满足验收条件、遇到失败或触发限制 |
| 适合任务 | 问答、改写、解释 | 稳定重复的业务流程 | 路径不确定、需要探索和行动的任务 |
同一个需求“定位支付报错”,可以有三种实现。
| 输入或反馈 | 对话问答 | 固定工作流 | 受约束的 Agent |
|---|---|---|---|
| 用户给出错误码 | 根据手册解释 | 查错误码映射并运行指定诊断 | 在授权工具内选择查询日志、指标或变更记录 |
| 日志里同时出现超时与权限错误 | 说明两种可能原因 | 按预设优先级分支继续排查 | 结合时间窗口和环境决定先验证哪个假设 |
| 证据缺失或超出授权 | 提示补充信息 | 走预设失败或转人工分支 | 停止或请求补充信息,变更仍由独立流程审批 |
用三个问题判断是否需要 Agent
面对一个需求时,可以先问三个问题。
- 执行路径是否能提前确定? 如果步骤稳定,优先使用固定工作流。
- 中间结果是否会改变下一步? 如果每次反馈都可能导致不同动作,Agent 才开始有价值。
- 错误行动的代价是否可控? 如果一步误操作就可能造成高风险结果,应缩小 Agent 权限,引入审批或回退机制。
例如“每天把销售表转成固定格式并发送邮件”通常适合工作流;“调查某个线上故障,依据日志、监控和配置逐步决定下一项检查”更适合 Agent,因为诊断路径会随着证据变化。
不要为了 Agent 而 Agent
Agent 的自主性会带来额外成本:需要设计工具权限、循环上限、状态管理、失败恢复和可观测性。如果任务本身只有确定的三四步,把它做成 Agent 往往只会增加不稳定性和调试难度。
同一应用可以组合几种形态。例如故障流程先固定收集工单与服务身份,再让只读 Agent 探索排查路径,最后由固定流程核对证据和审批变更。把自主性放在证据路径难以预先枚举的部分,并为它设定可操作对象、调用预算与停止条件。
按自己的节奏,确认真正理解。