Agent 为什么单独放一类
理解 Agent 为什么不是普通聊天窗口，而是会围绕目标调用工具、推进任务并需要权限治理的执行系统。
Agent 为什么单独放一类
Agent 不是“更会聊天”的窗口，而是围绕目标执行任务的系统。它可能先拆解任务，再调用搜索、浏览器、代码、数据库、文档、邮件或表格工具，观察结果后继续下一步。也正因为它能把文本建议变成真实动作，风险比普通聊天高一档。
所以判断 Agent 是否可用，重点不是它像不像人，而是它能不能在边界内稳定做事：权限是否最小化、执行过程是否可追踪、失败后能不能停止或回退、关键动作前有没有人工确认。
Chatbot、Copilot、Agent 的区别
| 形态 | 主要能力 | 适合任务 | 最大风险 |
|---|---|---|---|
| Chatbot | 对话、解释、总结、草拟文本 | 问答、学习、轻量写作 | 答错但看起来很自信。 |
| Copilot | 在人的工作流旁边给建议或补全 | 写代码、写文档、做表格、整理资料 | 用户过度信任建议，没有复核。 |
| Agent | 设定目标后规划步骤、调用工具、观察结果、继续执行 | 多步骤研究、资料处理、自动化操作、跨系统任务 | 错误会变成动作，比如发错邮件、删错数据、调用错接口。 |
一句话：Chatbot 主要“说”，Copilot 主要“帮”，Agent 开始“做”。一旦进入“做”的层面，就必须谈权限和责任。
为什么 demo 容易骗人
Agent demo 常选一条顺利路径：任务清晰、工具可用、资料完整、没有权限冲突、也不需要处理异常。真实环境恰好相反：网页会变、接口会报错、数据会缺、用户目标会模糊，模型还可能把不确定内容说得像事实。
看 demo 时，用下面的问题拆穿滤镜：
- 它调用了哪些工具？工具权限能不能分级？
- 每一步有没有日志，事后能不能复盘？
- 它失败时是继续瞎试、暂停求助，还是回滚到安全状态？
- 付款、发布、删除、改权限、发消息这类动作前，有没有人工确认？
- 它引用的资料从哪里来，能不能追到来源？
如果这些问题答不上来，所谓“自主 Agent”很可能只是顺滑演示，不是可托付系统。
什么场景值得用 Agent
| 场景 | Agent 可能有用 | 不该直接放手 |
|---|---|---|
| 多步骤资料整理 | 搜索、打开来源、抽取字段、生成草稿 | 涉及法律、医疗、财务结论时必须人工复核。 |
| 内部运营流程 | 按规则拉数据、填表、生成周报、提醒负责人 | 修改生产数据、发外部消息前要确认。 |
| 开发辅助 | 跑检查、定位报错、提出补丁、整理变更 | 自动部署、删除资源、改权限要有审批。 |
| 客服和销售 | 查询知识库、生成回复建议、记录工单 | 承诺价格、合同条款、退款政策不能让模型自由发挥。 |
好的 Agent 产品通常不会承诺“完全替代人”。它会清楚说明自己能自动做什么、哪些动作必须确认、什么时候转人工，以及失败后怎样恢复。
和本站其他章节怎么连起来
- 先用 先分清四种对象 拆开产品、模型、公司和框架。
- 用 关键术语地图 补齐工具调用、记忆、工作流、护栏和人工确认。
- 如果 Agent 需要外部知识，继续读 RAG 和 Embedding。
- 如果你在设计提示词或流程，读 LLM 提示与工作流；如果要上线运行，读 基础设施与部署。