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。

  1. 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。
  2. 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。
  3. 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。

目录与阅读设置

阅读设置

17

记录一个想法

区分 Agent 与普通大模型应用

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通