AI Agent / 系统课时

Agent 与传统程序、聊天机器人的区别

Agent 与传统程序、聊天机器人的区别

本课通过同一任务对比三种实现方式,帮助你判断何时需要 Agent。学完后,你将能区分固定规则程序、聊天机器人和 Agent,并避免把所有接入大模型的应用都称为 Agent。

学习目标

  • 对比三类系统的执行方式与能力边界
  • 理解自主决策、工具调用和状态管理的差异
  • 根据任务特征选择合适的实现方案

三类系统的本质差异

传统程序由开发者定义分支和约束,也会根据查到的状态选择不同路径。只要输入、环境状态和依赖行为一致,这些分支通常可以预测并逐个测试。

聊天机器人重点是理解用户语言并生成回复。它可以连续对话,但如果不能主动拆解任务、选择工具并根据结果调整行动,仍然只是对话式应用。

Agent 编排可以让模型根据上下文提出下一步工具动作,由应用检查后执行。聊天界面也能接入这样的编排,三种方式可以组合在同一产品里。模型选择路径会增加需要验证的分支,因此要记录工具决策,并给运行设定结束条件。

对比项 传统程序 聊天机器人 AI Agent
执行路径 预先固定 以生成回复为主 根据状态动态选择
外部工具 由代码明确调用 可有,但常由用户触发 可由系统自主选择
状态管理 业务变量与数据库 对话上下文 对话、任务进度与工具结果
谁决定下一步 业务规则和程序分支 用户交互和对话流程 模型提议,宿主应用检查并执行
可预测性 高 中 相对较低
适合任务 稳定流程 咨询与问答 多步、开放路径任务

用同一任务观察执行路径

假设用户提出:“检查某笔订单是否符合退款条件,符合就发起退款并告知结果。”

传统程序会依次读取订单、校验状态、判断时限、调用退款接口。所有分支都由代码提前定义,流程清晰且容易审计。

聊天机器人可以解释退款规则,也可以告诉用户需要提供什么信息;但如果没有连接订单和退款工具,它无法真正完成业务动作。

Agent 可以先提取订单号、选择订单查询工具,再把证据交给退款规则服务。退款服务校验登录身份、订单归属、金额和时限。需要审批的操作先保存待批准请求,批准后由应用核对同一个订单、金额和操作范围再执行。工具超时后,应按同一幂等键查询或重试,避免把重试变成另一笔退款。最终以退款服务的受理结果或查询状态为准。

选择方案的判断方法

当规则完整、路径稳定、结果必须确定时,优先使用传统程序。当目标主要是自然语言交流,不需要主动执行多步操作时,聊天机器人已经足够。

如果订单号、金额和路径都固定,规则服务就能处理退款。如果用户只给出模糊描述,需要从工单或订单历史里找线索,可以把前置调查交给受控 Agent,再由规则服务处理交易。实际项目也常采用混合架构:核心交易规则由传统程序保证,Agent 负责理解意图、编排步骤和解释结果。

不要为了“智能”过度 Agent 化

Agent 的动态决策会带来额外成本,包括模型调用延迟、结果不确定性、工具误用风险和更复杂的测试。能用明确规则解决的问题,不应仅为了技术新颖而交给 Agent。

可靠设计通常遵循一个原则:把判断空间开放给模型,把安全边界固定在代码中。金额校验、权限控制、幂等处理和审计记录等关键规则,应由确定性程序负责。

按自己的节奏,确认真正理解。

目录与阅读设置

记录一个想法

Agent 与传统程序、聊天机器人的区别

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