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。

目录与阅读设置

阅读设置

17

记录一个想法

认识智能体

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