什么是 AI Agent

一句话定义

Agent 是一个以 LLM 为大脑、能自主决定"下一步做什么"、通过调用工具作用于外部世界、并根据反馈迭代行动直到达成目标的软件系统。

为什么重要

"Agent"是 2024-2026 年 AI 行业的核心叙事，但它也是最被滥用的词——加了轮次的聊天机器人、按固定流程调用模型的流水线、甚至一个带按钮的对话框都自称 Agent。分不清定义，你就无法判断：什么任务该用 Agent 做、什么任务用 Workflow 更稳、市面上的"Agent 产品"到底含金量多少。定义是这个领域的第一块地基。

前置知识

无硬性前置。知道 LLM 能对话即可，更深机制见 kp-002。

核心概念

判断一个系统是不是 Agent，看四个要件：

目标（Goal）：用户给一个结果而非一组步骤。"帮我把这批订单里的差价算出来"，而不是"先打开 A，再复制 B"。
自主决策（Autonomy）：模型自己决定下一步调用哪个工具、传什么参数、要不要重来。这是 Agent 与 Workflow 的分水岭——流程的控制权在模型手里，还是在代码里。
工具（Tools）：Agent 的手脚——搜索、读文件、执行代码、调 API。没有工具的 LLM 只能说话，不能改变世界。
循环与反馈（Loop & Feedback）：行动之后观察结果，结果影响下一步决策。一次问答没有反馈回路，不构成 Agent。

        ┌──────────── 反馈 ────────────┐
        │                              │
  目标 → 思考 → 选择工具 → 执行 → 观察结果 → … → 达成目标 / 触发兜底
        │                              │
        └──── 未达成则继续循环 ─────────┘

原理与机制

在 AI 教科书（Russell & Norvig）里，Agent 的定义更普适：通过传感器感知环境、通过执行器作用于环境的任何实体，用理性（rationality）衡量——即在给定感知序列下选择期望效用最大化的行动。扫地机器人、下棋程序、恒温器都是 Agent。

LLM Agent 是这个经典框架的新实例，特殊之处在于：它的"策略"不是人手写的规则，而是从海量数据中学来的语言模型，并且策略以自然语言表达（"我应该先搜索再总结"），使它拥有了跨任务的通用性——这是符号主义 Agent 六十年没能做到的（见 kp-008）。

形式化一点：Agent 在每一步 t 接收观察 o_t（用户消息 + 工具返回），输出行动 a_t（文本回复或工具调用），环境执行 a_t 返回 o_t+1。Agent 的全部工程，就是设计这个交互协议与它的护栏。

直观类比

Chatbot 是百科全书：你问它答，合上书世界没有任何变化。
Workflow 是火车：轨道（流程图）铺好了，按站停，高效但不会改道。
Agent 是雇来的实习生：你给目标（"把这周的报销整理好"），他自己决定先收邮件还是先对账单，遇到问题（发票缺一张）会来问你，做完汇报。他会犯错，所以要给权限边界和检查点——这正是 kp-023 人机协同要做的事。

实例与案例

同一需求"每周一汇总竞品价格变动并发邮件"的三种实现：

方案	做法	控制权	适合
脚本	定时爬虫 + 规则比对 + 邮件	全在代码	竞品与格式永远不变
Workflow	LLM 做每步的"理解/摘要"，流程由代码编排	在代码	步骤固定、要可预测
Agent	给 LLM 工具（浏览、读表、发邮件）与目标	在模型	竞品会增减、格式会漂移、需要临场判断

注意行业共识（Anthropic 2024）：能用 Workflow 解决就不要用 Agent——Agent 的灵活性以可预测性、成本、延迟为代价。

常见误区

误区一："Agent = 带记忆的聊天机器人"。记忆只是要件之一；没有工具与循环的自主决策，再多轮对话也只是 Chatbot。
误区二："Agent 一定比 Workflow 高级"。它们是谱系上的不同点，不是进化关系。生产系统中 80% 的"Agent 需求"其实 Workflow 就能稳定满足（kp-007）。
误区三："越多 Agent 协作越强"。多 Agent 引入通信损耗与错误放大，Claude Code 这类顶级系统反而在减少 Agent 数量（kp-019/028）。
误区四：把"能聊天 + 能调一个 API"就叫 Agent。关键看是否由模型动态决定控制流。

自测题

判断：一个系统按固定顺序调用"意图识别 LLM → 翻译 LLM → 润色 LLM"，是 Agent 吗？
Agent 与 Workflow 的分水岭是什么？
说出四个要件，并解释"反馈"为什么不可省略。

（参考答案：1. 不是，控制流在代码里，模型只是被调用的函数；2. 控制流在模型手里还是代码里；3. 目标、自主决策、工具、循环反馈——没有反馈，模型无法修正行动，长任务必然崩塌。）

与其他知识点的关系

循环的工程实现 → kp-006、kp-017
LLM 为什么配得上"大脑" → kp-002
形态光谱与产品选型 → kp-007
自主性的刹车 → kp-023