AI 代理是什么？和聊天机器人的差别与判断方法

AI 代理（AI Agent）是目前最常被提到、也最常被讲得含糊的词。它和平常在网页上对话的聊天机器人（Chatbot，以对话方式回答问题的程序）有什么不同？这篇文章给你一套不依赖产品名称的判断方法，产品功能再怎么变，这套方法都可以直接用。

AI 代理是什么？

Anthropic 的工程文章〈Building effective agents〉把两种系统做了区分：

• 工作流（Workflow）：大型语言模型与工具，依照事先写好的程序路径被串在一起。
• AI 代理：大型语言模型「动态地决定自己的流程与工具使用」。

换句话说，代理的关键是「下一步由模型决定」。而「大型语言模型」（LLM）是用大量文字训练、能理解并产生自然语言的 AI 模型，详见 大语言模型入门。

同一篇文章对代理的运作描述得很清楚：代理从你的指令或交互讨论开始；任务明确之后，会自行规划与运行；运行过程中，它需要在每一步从环境取得「真实结果」（Anthropic 称为 ground truth，例如工具调用的结果或程序运行的结果）来判断进度；遇到阻碍或需要判断时，可以暂停下来向人询问。原文也点出，代理的实作往往很单纯：它通常只是「大型语言模型根据环境回馈，在一个循环中使用工具」。

代理循环：取得信息、采取行动、检查结果

Claude Code 的官方文档，把这个循环称为代理循环（Agentic loop），分成三个阶段：

1. 取得信息（gather context）：读文件、搜索，弄清楚现况。
2. 采取行动（take action）：修改文件、运行指令。
3. 检查结果（verify results）：跑测试、看输出，确认有没有达成目标。

这三个阶段会彼此交错、反复进行，每一次工具回传的结果，都会影响下一步怎么做。官方文档举的例子是「修好失败的测试」：代理可能先运行测试看哪里失败，读错误消息，搜索相关文件，修改程序，再运行一次测试确认。而你可以在任何时间点打断它、补充信息或请它换个方向。

工具（Tool）是让这个循环成立的关键。文档说：没有工具，模型只能回复文字；有了工具，才能读你的程序、改文件、运行指令、上网查数据，并把每次的结果回馈到下一个决定。让模型能这样请求外部功能的机制，一般称为工具调用（Tool calling）。工具的种类越多、可以碰的范围越大，代理就越能干，同时风险也越高，这点在 让 AI 代理安全操作电脑 会细谈。

聊天机器人、固定流程与 AI 代理的比较

	聊天机器人	固定流程（工作流）	AI 代理
主要做的事	在对话中回复文字	依你写好的步骤调用模型与工具	自己选工具、决定步骤并检查结果
谁决定下一步	你（每一轮对话）	事先写好的程序	模型
能不能动手做事	没有工具时只能回复文字	可以，由流程决定	可以，透过工具
可预测性	取决于你问什么	高	较低
主要风险	回答不正确（幻觉）	遇到流程没预料的情况	成本较高、错误累积、误操作

表中「可预测性」与「主要风险」是依上述 Anthropic 文章对工作流（可预测、一致）与代理（成本较高、错误可能累积）的描述所做的整理。

五个问题，判断它算不算 AI 代理

这是本站整理的判断方法，不是官方标准：

1. 它有工具吗？ 能不能读写文件、运行指令、查找数据，而不只是产生文字。
2. 它看得到动作的真实结果吗？ 例如指令的输出、测试的通过或失败。
3. 下一步是谁决定？ 程序照事先写好的步骤走，还是模型依结果自行决定。
4. 遇到阻碍时，它会停下来问你吗？ 能设置在哪些时刻需要人工核准。
5. 它能碰到的范围有多大？ 能动哪些文件夹、能连哪些网络位置、能用哪些账号。

前三题都是「是」，基本上就是 AI 代理。第 4、5 题不影响它算不算代理，但决定你能不能放心用。

一定要用 AI 代理吗？

不一定，而且很多时候不该一开始就用。Anthropic 的建议是：找最简单的解法，只在需要时才增加复杂度；因为代理常以延迟和成本换取更好的任务表现，而工作流对定义清楚的任务能提供可预测性与一致性。

简单的判断：步骤固定且事先知道，用固定流程；步骤数难以预测、要靠中间结果决定下一步，才考虑代理。完整的判断与入门顺序请看 AI 自动化是什么。

接下来

• 想实际体验一个 AI 代理：Claude Code 安装教学（Claude Code 是跑在终端机里的 AI 编程代理，先看 终端机基础 会更顺）
• 想让代理做对事：AI 代理任务说明怎么写
• 想让代理连到外部服务：MCP 是什么
• 名词不熟：名词小辞典 有 AI 代理、工具调用、代理循环、聊天机器人 的简短解释。