Agent 基础

Chatbot

只能一问一答的聊天机器人，比如初版 ChatGPT。

缺点：

• 问一句回一句，需要追问、引导、复制粘贴结果
• 知识依赖训练数据，时效性差
• 无法连接外部系统，能力受限

Agent

自主完成任务的 AI 系统，支持多轮思考、行动、观察，能调用外部工具、关键节点会停下来人工确认。

工作流程：给定目标、工具箱、边界 (预算/权限/审批/沙箱)，在循环中推进任务，直到完成或停下。

Agent = LLM + Tools + Memory + Harness

• LLM：输入提示词，思考后输出回答
• Tools：工具集合，包括内置工具、MCP 工具、Skill 系统、Hook 系统
• Memory：上下文与记忆，包括当前会话上下文 (context) 与持久化/跨会话记忆 (memory)
• Harness：外部约束，预算、权限、审批、沙箱、审计等

适用场景

适合 Agent 执行的任务：

• 目标明确，有清晰的完成标准
• 步骤可拆解，可分解为子任务
• 结果可验证，能判断是否完成
• 信息可获取，能通过工具获取需要的信息
• 重复性高，有自动化价值

不适合 Agent 的任务：

• 开放性问题，没有明确完成标准
• 主观判断，依赖人类审美和价值观
• 高风险决策，需要有人负责
• 不可逆副作用，需要人类确认、担责

简单判断：任务交给一个实习生、能用文字清楚描述怎么做，大概率适合 Agent。