智能体、产品与公司
用普通读者能检查的方式，分清 Agent、AI 产品、模型、公司和工程框架，避免被演示视频带偏。
智能体、产品与公司：先拆层，再判断
普通人接触 AI，往往先接触产品名：ChatGPT、Claude、Copilot、GPT-4、OpenAI、DeepMind、TensorFlow。问题是，这些名字不在同一层：有的是产品入口，有的是模型能力，有的是公司机构，有的是开发框架。如果一开始就混在一起，后面判断“这个 AI 能不能替我做事”会很容易跑偏。
本章的目标很朴素：帮你看懂一个 AI 工具到底在承诺什么。它是在回答问题？调用资料？执行任务？还是只是在漂亮界面里包装一个模型？尤其遇到 Agent 产品时，不要只看它顺滑完成 demo；要看权限、日志、失败处理和人工确认。
这一章回答什么
| 读者任务 | 先读哪页 | 你会得到什么 |
|---|---|---|
| 分不清 Agent、Copilot、AI Native Product | 先分清四种对象 | 把产品体验、模型能力、公司机构、工具框架拆开。 |
| 想判断 Agent 是否真的有用 | Agent 为什么单独放一类 | 用目标、工具、权限、日志和回退判断它是不是任务执行系统。 |
| 需要补齐术语 | 关键术语地图 | 串起 Agent、工具调用、记忆、工作流、护栏和产品边界。 |
先记住三条边界
- 聊天入口不是 Agent。 Chatbot 可以只是问答界面；Agent 通常要围绕目标规划步骤、调用工具、观察结果并继续推进。
- 模型能力不是产品可靠性。 模型会生成文字，但产品还要处理权限、数据来源、异常、撤销、审计和用户预期。
- 演示视频不是验收标准。 Demo 常展示顺利路径；真正该看的，是工具调用失败、资料缺失、权限不足、需要人工确认时系统怎么处理。
推荐阅读路径
- 先读 先分清四种对象，把“公司 / 模型 / 产品 / 框架”拆开。
- 再读 Agent 为什么单独放一类，理解为什么自动执行任务会带来更高风险。
- 遇到陌生词时回到 关键术语地图，再跳到 Agent、LLM、RAG 等 glossary 页面。
- 如果你在评估采购或上线，顺手读 LLM 提示与工作流 和 基础设施与部署，因为真正的产品质量常卡在流程和运行约束上。
先分清四种对象
分清 Agent、AI Agent、Copilot 和 AI Native Product，不把产品名、模型名和公司名混用。
Agent 为什么单独放一类
理解 Agent 为什么不是普通聊天窗口，而是带权限、工具和风险的任务执行系统。
关键术语地图
分清 Agent、工具调用、记忆、工作流、护栏、人工确认和产品边界。