什么是 AI Agent？它由哪些部分组成，和只会一问一答的聊天机器人相比，本质区别在哪里？

Agent

答案要点 AI Agent 是以大模型为"大脑"，能自主规划、调用工具、根据反馈循环行动直到完成目标的系统 经典公式：Agent = LLM + 工具 + 循环，完整形态通常还配记忆（Memory）和规划（Planning） 聊天机器人是"一问一答"的文本生成；Agent 是"给目标、自己想办法做完"的任务执行 本质区别有两条：能不能行动（调用外部工具影响真实世界）、能不能循环（看结果、调整、再试） 典型工作范式是 ReAct：思考→行动→观察，反复迭代直到目标完成 核心概念 AI Agent（智能体）是一种以大语言模型为核心决策器、能够自主拆解目标、调用外部工具执行动作、并根据执行结果不断调整下一步行为的系统。可以用一个公式概括：Agent = LLM（大脑）+ Tools（手脚）+ Loop（循环）。其中"工具"指模型可以调用的外部能力，如搜索、查数据库、执行代码、调接口；"循环"指"行动→观察结果→决定下一步"的反复迭代，而不是一次生成就结束。 和聊天机器人的本质区别 | 维度 | 聊天机器人 | AI Agent | |------|------|------| | 交互模式 | 一问一答，输出即结束 | 接目标，多步循环直到完成 | | 能力边界 | 只能生成文本 | 能调工具、真正执行动作 | | 出错之后 | 答错就答错了 | 能观察失败结果并重试换路 | | 典型例子 | FAQ 客服、闲聊助手 | 自动订票、代码修复、深度调研 | 举例："帮我订明天北京到上海最便宜的机票"。聊天机器人只能回一句"建议去 XX 平台查询"；Agent 会真调查询接口、比价，发现航班售罄就换一班，最后调下单接口完成任务。 一个经典工作范式：ReAct 每一轮循环三步：Thought（思考下一步干什么）→ Action（调用某个工具）→ Observation（观察工具返回结果），带着新信息进入下一轮，直到目标完成才输出最终答案。 入门之后，可以往 Function Calling 机制、记忆与规划模块、多 Agent 协作与可靠性评估深入。

口语版讲法(约2分钟)

  • 一句话定义：Agent = LLM + 工具 + 循环
  • 订机票的例子：聊天机器人只能动嘴，Agent 真的去干
  • 两条本质区别：能行动、能根据反馈循环迭代
  • ReAct 范式：思考、行动、观察三步循环
  • 埋钉子：工具调用靠 Function Calling 机制实现

一句话定义：AI Agent 就是以大模型当大脑、能自己调工具、自己循环迭代把一个目标干完的系统。常见的概括是 Agent 等于 LLM 加工具加循环。 我用一个例子说清它和聊天机器人的区别。你说"帮我订一张明天北京到上海最便宜的机票"。聊天机器人的反应是生成一段话："建议您打开某某 App，按价格排序筛选"，说完就结束了，它只能动嘴。Agent 的反应是真的去干：先思考要查航班，于是调用查询接口；拿到结果一比价，选中一班；下单时发现售罄，它观察到失败，回头换下一班，最后真的完成预订。这个例子体现了两条本质区别：第一是能行动，通过工具调用去查询、执行、影响外部世界，而不只是生成文本；第二是能循环，做完一步看结果，根据反馈调整下一步，失败了会重试换路，而不是一次输出定生死。 这个循环有个经典范式叫 ReAct，每一轮就三步：Thought，想清楚下一步干什么；Action，调用某个工具；Observation，拿到工具的返回结果。然后带着新信息进入下一轮，直到模型判断任务完成，才给出最终答案。除了大脑、工具和循环，完整的 Agent 通常还有记忆模块，记住之前做过什么，以及规划模块，把大目标拆成小步骤。 再打个比方，聊天机器人像一个只负责答疑的顾问，你问它答；Agent 像一个能独立干活的助理，你交代目标，它自己拆任务、用工具、盯结果、最后交付。 最后主动埋个话题：Agent 能调工具，底层靠的是 Function Calling 机制，也就是模型输出结构化的调用请求、由外部程序真正执行再把结果喂回去。这一层怎么实现、工具描述怎么写模型才调得准，是往下深入的第一站，可以展开聊。

关键一句:Agent = LLM + 工具 + 循环；和聊天机器人的本质区别是能行动、能根据反馈迭代，而不只是生成一段文本。

面试官可能的追问

  1. 【概念辨析】给 ChatGPT 接上一个联网搜索插件，它就算 Agent 了吗？你认为判断一个系统是不是 Agent 的最小标准是什么？
  2. 【场景切入】要做一个"自动帮用户处理退换货"的系统：查订单、判断政策、调退款接口。用聊天机器人思路和 Agent 思路分别怎么做，差异在哪？

同模块相关题目