AI Agent / 系统课时
认识智能体
认识智能体
智能体的核心问题是让应用从被动响应变为围绕目标主动完成任务。本课将区分 Agent、Workflow 与普通 Chat 应用,理解智能体如何结合推理、状态和工具执行复杂任务。
学习目标
- 理解智能体与普通对话应用的核心差异。
- 掌握 Agent 与 Workflow 的适用边界。
- 建立智能体系统的基本组成认知。
从聊天应用到智能体
普通 Chat 应用通常遵循输入和输出的简单模式:用户提出问题,模型生成回复。模型本身不会持续跟踪任务状态,也不会主动决定下一步行动。
智能体则围绕一个目标运行。它不仅生成文本,还会根据当前状态判断下一步动作,例如调用工具、查询数据、执行代码或继续收集信息。
Agent、Workflow 与 Chat 的区别
Chat 应用强调一次请求一次回答,适合知识问答、内容生成等场景。Workflow 强调预先定义好的流程,例如审批、数据处理和固定任务编排。
Agent 的特点是动态决策。开发者提供目标、工具和约束,智能体根据任务状态选择执行路径,而不是完全依赖固定步骤。
| 类型 | 决策方式 | 典型场景 |
|---|---|---|
| Chat | 模型直接生成回复 | 问答、写作 |
| Workflow | 代码定义流程 | 审批、批处理 |
| Agent | 模型参与规划和选择动作 | 自动分析、任务执行 |
智能体的基本能力
一个完整智能体通常包含目标理解、状态管理、决策规划、工具调用和结果观察几个部分。
目标理解负责明确任务方向;状态管理保存已经完成的信息;决策模块选择下一步行动;工具调用让系统连接外部能力;观察结果用于调整后续行为。
智能体并不意味着模型完全自由运行。实际工程中需要通过权限、工具范围和执行规则限制行为,保证系统可靠和可控。
适合使用智能体的场景
当任务需要多步推理、访问外部资源或根据中间结果调整策略时,智能体更有价值。例如自动研究助手、代码修复助手、运维分析助手等。
如果流程固定且规则明确,Workflow 往往更简单、更容易测试。选择智能体之前,应先判断问题是否真的需要动态决策。
本课总结
- 智能体区别于 Chat 的关键在于能够围绕目标持续决策和执行。
- Workflow 适合固定流程,Agent 适合动态任务。
- 工具、状态和约束是构建可靠智能体的重要基础。
下一课预告
下一课将进一步拆解智能体执行闭环,理解目标、状态、决策、动作和观察之间如何形成持续运行的循环。
按自己的节奏,确认真正理解。