本文是专栏《从零看懂 AI Agent》第 1 篇。回到目录与导读。
先从一个场景说起
假设你想订一张下周去上海的高铁票。
用聊天机器人是这样的：
你："帮我查下周去上海的高铁。" 它："好的，你可以打开 12306，搜索……"
它给你的是一段建议。真正的查询、比价、下单，还得你自己动手。
而用一个Agent，理想情况是这样的：
你："帮我订下周三上午去上海、二等座、靠窗的高铁票。" 它：（自己去查车次 → 筛选上午的 → 挑有靠窗余票的 → 下单 → 回来告诉你）"已订好 G1024，周三 9:00 出发，二等座 07F 靠窗，订单号 xxx。"
差别在哪？聊天机器人只会输出文字；Agent 会自己去做事，中间不用你一步步盯着。
这就是最朴素的区分：
聊天机器人回答问题，Agent 完成任务。
一个能落地的定义
学术和工程界对 Agent 有很多定义，但剥掉外壳，一个 AI Agent 通常具备三个特征：
- 有目标：你给它一个任务，而不只是一个问题。
- 能自主循环：它会自己"想一步、做一步、看结果、再想下一步"，直到任务完成，而不是一次输出就结束。
- 能调用工具：它可以搜索、读写文件、调 API、运行代码——伸手去"够"到真实世界。
用一句话概括：
AI Agent = 大模型（会思考） + 循环（能持续推进） + 工具（能动手）。
这三样缺一不可。少了工具，它只能空想；少了循环，它只能回一句就停；少了模型，它就没有"判断该做什么"的大脑。
为什么"循环"是关键
很多人以为 Agent 的魔法在于模型多聪明，其实循环才是它区别于普通问答的分水岭。
普通问答是"一问一答"：
输入 → 模型 → 输出（结束）
Agent 是"一个不断转的圈"：
目标 →┌─────────────────────────┐
│ 想：现在该做什么？ │
│ 做：调用某个工具 │
│ 看：工具返回了什么结果？ │
└───────────┬─────────────┘
│ 还没完成？回到"想"
│ 完成了？输出最终结果
正因为有这个圈，Agent 才能应付"计划赶不上变化"的真实任务。比如订票时发现上午没票了，它能自己改成中午——而不是像静态脚本那样直接报错停下。这一点我们会在第 3 篇讲 ReAct时展开。
Agent、工作流、聊天机器人，怎么分？
这三个词经常被混着用，简单对照一下：
| 谁来决定下一步？ | 举例 | |
|---|---|---|
| 聊天机器人 | 用户（每一步都要你发话） | 客服问答、翻译 |
| 工作流（Workflow） | 程序员（提前写死的流程） | "收到邮件 → 提取附件 → 存数据库" |
| Agent | 模型自己（运行时临场决定） | "帮我调研这三家公司并出一份对比" |
关键分界在于**"下一步由谁决定"。工作流的路线是人提前画好的，遇到没预料的情况就断了；Agent 的路线是模型临场判断**出来的，所以更灵活，但也更难预测、更难保证稳定——这正是工程上最头疼的地方（第 8 篇会专门讲）。
一条实用经验：能用固定工作流解决的，就别上 Agent。 Agent 的灵活性是有代价的——更慢、更贵、更难调试。只有当任务步骤没法提前写死时，Agent 才真正有价值。
一个"最小 Agent"长什么样
不用任何框架，一个 Agent 的骨架其实就几行伪代码：
目标 = "帮我查北京今天的天气并判断要不要带伞"
历史 = [目标]
while True:
# 1. 想：把历史丢给模型，让它决定下一步
决定 = 模型.思考(历史)
if 决定.是最终答案:
print(决定.内容) # 3-a. 完成，输出
break
# 2. 做：模型想调用某个工具
结果 = 执行工具(决定.工具名, 决定.参数)
# 3-b. 看：把结果塞回历史，进入下一轮循环
历史.append(决定)
历史.append(结果)
是不是比想象中简单？真正复杂的不是这个骨架，而是：
这些正是后面几篇要一块块拆开讲的。
小结
- Agent 不是更能聊的机器人，而是能自己完成任务的系统。
- 三要素：模型（大脑）+ 循环（持续推进）+ 工具（动手）。
- 它和工作流的根本区别是：下一步由模型临场决定，因此更灵活也更难控。
- 能用固定流程搞定的事，优先用工作流；Agent 留给"步骤没法提前写死"的场景。
下一篇，我们把这个"系统"拆开，看看一个 Agent 内部到底由哪几个零件组成。
继续阅读：Agent 的大脑与四肢——拆解核心组成