# 什么是智能体？从聊天到行动

> 对应短视频主题：什么是智能体？从聊天到行动  
> 资料核验与更新：2026-09-12


用项目管家的生活化隐喻，拆开智能体的目标、模型、工具、记忆与反馈循环，并说明为什么权限和人工确认同样重要。

## 阅读边界

本文依据原始课程的研究笔记、课程结构和发布文案整理。涉及产品、模型、版本、平台规则、价格或资格等可能变化的信息，实践前应以当前官方资料和实际环境为准。

## 什么是智能体？

它不只生成答案，还会围绕目标把事情推进下去

什么是智能体？可以把它想成一位会自己推进工作的项目管家。你给它一个目标，它不只回复一段文字，还会判断下一步该做什么。

这就是从会聊天，到能把事情办完的变化。

![overview](images/scene01_img01_overview.png)

图解：智能体与普通聊天模型对比：从单向被动问答转向围绕目标自主拆解与行动交付。


## 聊天模型和智能体差在哪？

一个偏向即时回答，一个围绕目标持续行动

聊天模型和智能体差在哪？先看普通聊天模型。它接收问题，生成回答，然后等待你的下一次指令。

智能体则从目标出发，主动拆分步骤，选择工具，并把结果带回来。所以工具调用本身不是全部，持续决定下一步才是关键。

![chat](images/scene02_img01_chat.png)

图解：普通聊天模型的交互范式：一次输入对应一次输出，处于被动等待下一指令的状态。


![agent](images/scene02_img02_agent.png)

图解：智能体的工作范式：接收宏观目标，主动规划步骤、调用外部工具并推进结果。


## 智能体怎样一步步完成任务？

感知、计划、行动，再根据结果继续判断

智能体怎样一步步完成任务？第一步是感知目标和环境。第二步是把大目标拆成几个可执行的小步骤。

第三步是调用合适的工具，把计划变成真实动作。拿到结果以后，它还要回头检查，决定是否需要调整计划。

![perceive](images/scene03_img01_perceive.png)

图解：智能体四步循环之一【感知】：获取用户目标，理解外部环境状态与前置依赖。


![plan](images/scene03_img02_plan.png)

图解：智能体四步循环之二【规划】：将复杂目标分解为有逻辑顺序的可执行子任务路线。


![act](images/scene03_img03_act.png)

图解：智能体四步循环之三【行动】：通过接口调用外部工具并回收真实执行数据。


## 工具越多，为什么边界越重要？

外部连接带来能力，也带来权限、错误和风险

工具越多，为什么边界越重要？因为工具把模型接到了真实世界。搜索、文件和数据库，让它能取得模型原本没有的上下文。

但每一次写入、发送或删除，也都可能产生真实影响。因此可靠的智能体要有权限分级、护栏，以及高风险动作前的人工确认。

![tools](images/scene04_img01_tools.png)

图解：工具连接现实世界：大模型作为大脑，驱动搜索引擎、本地文件与数据库执行操作。


![loop](images/scene04_img02_loop.png)

图解：智能体四步循环之四【纠错与迭代】：根据行动反馈反思偏差，动态调整下一步行动。


![guardrail](images/scene04_img03_guardrail.png)

图解：安全护栏与权限隔离：区分自主执行动作、需人工二次确认动作与严禁越界动作。


## 记忆和反馈，怎样让智能体更可靠？

保存有用上下文，接收结果反馈，把偏差拉回目标

记忆和反馈，怎样让智能体更可靠？先说记忆。记忆可以保存当前上下文、历史偏好和已经得到的任务结果。

反馈则告诉系统，刚才的结果离目标还有多远。遇到偏差，它可以修订下一步；遇到高风险决定，仍然应该把控制权交还给人。

![memory](images/scene05_img01_memory.png)

图解：智能体记忆架构：合理划分短期运行上下文、长期偏好档案与阶段执行结果。


![feedback](images/scene05_img02_feedback.png)

图解：持续反馈机制：根据执行成效与用户修正持续校准未来规划质量。


![human](images/scene05_img03_human.png)

图解：人机协同治理（Human-in-the-loop）：关键高风险节点由人工复核决策，保障安全可控。


## 一句话判断：什么才算智能体？

有目标，会规划，能用工具，还会根据结果修正

什么才算智能体？记住四个问题：它有没有明确目标？它会不会自己规划，能不能调用工具，把动作带到外部世界？

它能不能观察结果、修正下一步，并在边界内完成交付？四点连成闭环，才接近我们今天所说的智能体。

![summary](images/scene06_img01_summary.png)

图解：智能体判定四要素：有明确目标、具备分解规划能力、能调用外部工具、能根据反馈修正。


## 小结

把问题拆成目标、约束、证据和验证四部分，通常比直接寻找唯一答案更可靠。先用本文的框架完成一次小范围验证，再根据真实反馈调整下一步。

## 参考资料

> 📌 **查阅提示**：点击下方超链接可直接复制对应网址，粘贴至手机或电脑浏览器中即可查阅官方完整技术文档与规范。

- [【OpenAI 官方白皮书】构建高可靠 AI 智能体实用工程指南](https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/)  
  *说明：阐明 Agent 与普通聊天的本质分界：有明确目标、能使用工具、具备规划与纠错闭环。*
- [【Anthropic 官方研究】构建高效智能体（Building Effective Agents）](https://www.anthropic.com/engineering/building-effective-agents)  
  *说明：系统提炼增强型 LLM、路由工作流、编排与自治智能体的工程架构分类。*
- [【Google Cloud 概念指南】什么是 AI 智能体？架构、类型与落地用例](https://cloud.google.com/discover/what-are-ai-agents)  
  *说明：Google 官方对智能体在感知、短期/长期记忆与现实世界行动能力的系统阐述。*