关键术语地图
用一张智能体与 AI 产品术语地图分清 Agent、工具调用、记忆、工作流、护栏、人工确认和产品边界。
关键术语地图：智能体、产品与边界
这一章最容易混乱的地方，不是某个英文词太难，而是大家把产品入口、模型能力、自动化系统、公司品牌和工程框架揉成一团。结果就是：看到一个会聊天的界面就叫 Agent，看到一个 Agent 演示就以为可以完全托管业务，看到一个公司名就当成模型名。
这页先把 智能体、产品与公司 里的关键术语摆正。读完后再看 先分清四种对象 和 Agent 为什么单独放一类，会更容易判断一个 AI 产品到底在卖能力、卖体验，还是在卖自动化承诺。
先把核心词摆正
| 术语 | 先记住的意思 | 主要回答的问题 | 常见误区 |
|---|---|---|---|
| Agent | 围绕目标规划步骤、调用工具、观察结果并继续推进任务的系统。 | 它是否真的能执行任务，而不只是回答问题？ | 会聊天不等于 Agent；能执行动作才需要更严格的权限和日志。 |
| 工具调用（tool use） | 让模型或系统调用搜索、代码、浏览器、数据库、邮件、表格等外部工具。 | AI 怎样从“生成文本”变成“做事”？ | 工具越多不一定越强；权限过大时，错误会直接变成事故。 |
| 记忆（memory） | 系统保存可复用信息、用户偏好、任务状态或历史决策的机制。 | Agent 下次怎样接着做，而不是每轮重来？ | 记忆不是免费外挂；错误记忆、过期记忆和隐私边界都要治理。 |
| 工作流（workflow） | 预先设计好的步骤、规则和交接点，可由人、模型或 Agent 参与。 | 哪些环节应该自动化，哪些应该固定走规则？ | Agent 不应该替代所有确定性流程；稳定业务常常更适合工作流。 |
| 护栏（guardrails） | 对输入、输出、工具权限、动作范围和失败处理设置限制。 | 系统怎样避免越权、瞎编、误操作或输出危险内容？ | 护栏不是一句“请安全回答”；它需要权限、校验、日志和回退。 |
| 人工确认（human-in-the-loop） | 在高风险动作前让人审核、批准、纠正或接管。 | 什么时候不能让 AI 自己拍板？ | 人工确认不是落后，而是付款、发布、删库、改权限这类动作的刹车。 |
| 产品边界 | 产品明确说明自己能做什么、不能做什么、何时会失败或转人工。 | 用户该如何建立合理预期？ | 演示视频里的顺滑流程，不代表真实产品在异常情况里可靠。 |
| Chatbot | 通过文字或语音对话的入口形态，可以很简单，也可以接复杂系统。 | 用户看到的是怎样的交互界面？ | Chatbot 是入口，不自动说明底层是 Agent、RAG、微调还是规则库。 |
| 公司 / 模型 / 框架 | 公司提供研究与产品；模型提供能力；框架帮助开发和部署。 | 讨论 OpenAI、GPT、ChatGPT、TensorFlow 时分别在说哪一层？ | 把品牌、模型、产品和工具混用，会让需求判断完全跑偏。 |
按四层理解这些词
1. 入口层：Chatbot 是用户看到的门面
普通用户通常先看到的是聊天窗口、Copilot 侧边栏、客服入口或某个 App。这一层回答的是“我从哪里使用它”。它可以只是一个问答界面，也可以接上检索、工具、数据库和审批流程。
所以判断产品时，别只问“它是不是 AI”。更应该问：它能看哪些资料？能调用哪些工具？是否会把关键动作交给人确认？如果没有这些信息，一个漂亮聊天框顶多说明入口友好，不说明系统可靠。
2. 执行层：Agent 的重点是目标、循环和工具
Agent 之所以单独成类，是因为它不止生成答案，还会围绕目标推进步骤：计划下一步、调用工具、观察结果、调整策略，再继续执行。这套循环一旦接上真实工具，风险就从“答错一句话”升级成“做错一个动作”。
判断 Agent 演示时，优先看失败处理：工具调用错了怎么办？权限是否最小化？日志是否能追踪？关键动作前是否暂停确认？如果演示只展示顺利路径，却没有异常、回滚和审计，那就是半张成绩单。
3. 流程层：工作流和护栏决定它能不能进业务
很多严肃场景不需要“完全自主”的 Agent，而需要可预测的工作流：哪些资料先检查，哪些条件触发人工审核，哪些输出必须校验，哪些动作永远不能自动执行。Agent 可以参与其中，但不应该把所有规则吞掉。
护栏也不只是内容安全过滤。真正有用的护栏包括：工具白名单、参数校验、权限分级、敏感动作确认、引用检查、异常停止、执行日志和回滚方案。少了这些，所谓自动化就是把方向盘拆了还踩油门。
4. 产品层：边界说清楚，比演示惊艳更重要
AI Native Product 的好坏，不只看模型多强，还看它有没有把能力包装成稳定、可理解、可退出的体验。一个成熟产品会告诉用户：适合哪些任务，不适合哪些任务，什么时候需要确认，失败后怎么恢复，数据会怎样被保存。
这也是为什么 先分清四种对象 很重要：公司名、模型名、产品名、框架名解决的是不同问题。把它们混成一个词，会让采购、学习和产品设计都变成玄学。
一张阅读路径
- 第一次进入本章：先读 先分清四种对象，把产品、模型、公司和框架拆开。
- 想判断 Agent 是否靠谱：读 Agent 为什么单独放一类，重点看权限、日志、失败回退和人工确认。
- 想补基础卡片：读 Agent，再接 LLM、RAG 和 Prompt Engineering。
- 想评估一个 AI 产品：把“能不能聊”放到最后，先检查资料来源、工具权限、产品边界、异常处理和人工接管。
- 想继续看本站卡片：下面列出已归入智能体、产品与公司的术语。
智能体、产品与公司共 8 个词
从智能体、聊天机器人、产品和公司理解 AI 的真实入口。
Agents
智能体技术围绕目标拆任务、调用工具并持续推进流程的 AI 系统。
ChatGPT
ChatGPT产品OpenAI 推出的对话式 AI 产品，也是很多人接触大模型的入口。
Chatbot
聊天机器人通识通过文字或语音与用户对话的程序或 AI 系统。
DeepMind
DeepMind 公司公司以 AI 研究和应用闻名的人工智能公司。
Expert Systems
专家系统技术用规则和知识库解决特定领域问题的早期 AI 系统。
GPT-4
GPT-4产品OpenAI 发布的一代大语言模型名称。
OpenAI
OpenAI 公司公司以大语言模型和 AI 产品闻名的人工智能研究与产品公司。
TensorFlow
TensorFlow技术用于构建和训练机器学习模型的开源框架。