1.1 智能体是什么：从对话补全到自主执行
1.1 智能体是什么：从对话补全到自主执行
本节摘要：智能体不是"更聪明的聊天机器人"，而是结构完全不同的东西——它以目标为输入、以行动为输出，在感知、决策、行动的循环里自主推进任务。本节用一个翻车现场讲清两种形态的结构差异，并给出最小对比代码。
上午十点，产品经理把一句话丢进对话框："帮我把上次评审的意见汇总一下，改掉方案里对应的段落，再把新版发给参会的人。"模型回了一篇情真意切的短文，标题叫《方案优化建议》，然后就没有然后了——评审意见没被读取，文档没有被改动，邮件也没有发出去。模型把它能做的部分（写一篇看起来像回事的总结）做得很漂亮，把它不能做的部分（读取、修改、发送）直接跳过了，甚至没有告诉你它跳过了。
这不是模型的失误，是使用方式的错位：你下的是一个任务指令，它却只被设计成补全一段文本。 智能体要解决的就是这个错位。
从一句话到一件事，差了什么
把上面那句指令拆开，会看到一次完整的任务执行至少需要这些环节：
- 理解目标：要改的是"方案文档"，依据是"评审意见"，完成后要"发送"。
- 获取材料：找到评审意见原文和方案文档——模型脑子里没有这两样东西。
- 执行修改：定位段落、改写、保证上下文一致。
- 完成交付：调用邮件工具发送，并汇报结果。
聊天形态只覆盖第 1 步和第 3 步的"写"部分；第 2 步和第 4 步是纯行动，文本生成模型根本不参与。智能体的定义由此而来：以大模型为决策中枢，把它包在一个"感知—决策—行动"的循环里，让它能够自主调用工具、依据反馈修正方向，直到目标达成或确认无法达成。
这个循环值得背下来，因为全册的所有组件都挂在它上面：
- 感知：把外部世界的变化变成模型能读的文本（评审意见的原文、工具的返回结果）——第 2.4 节讲观察从哪来。
- 决策：模型根据目标和当前信息，决定下一步做什么（调哪个工具、传什么参数、是否结束）——第 2 章讲决策怎么表达成工具调用。
- 行动：程序真正去执行模型的决定，把结果喂回循环。
两种形态的最小对比
下面的示意代码不依赖任何具体服务，只为展示结构差异。聊天形态是一次函数调用：
# 形态一：聊天——一锤子买卖，输入文本，输出文本 reply = llm.complete( system="你是一名方案撰写助手", user="帮我把评审意见汇总并修改方案，发给参会人", ) # reply 里是一段文字。文档没被打开，邮件没被发送。 # 模型把"不能做"的部分包装成了"已经说明"，任务实际停留在原地。
智能体形态是一个循环，模型在其中反复做决定：
# 形态二：智能体——循环推进，直到目标完成 tools = {"read_file": read_file, "edit_doc": edit_doc, "send_mail": send_mail} messages = [system_prompt(含目标与工具清单), user("汇总评审意见并修改方案后发送")] for step in range(MAX_STEPS): # 步数上限兜底，防止无限循环 reply = llm.complete(messages) # 决策：模型输出下一步动作 action = parse_action(reply) # 解析出 工具名 + 参数 if action.name == "finish": # 模型自己判断任务完成 break observation = tools[action.name](**action.args) # 行动：程序真正执行 messages.append(observation) # 感知：把结果喂回去，供下一轮决策
两段代码的差异不在模型，在结构：循环给了模型"做完一步再看结果"的能力，工具给了它"直接影响世界"的能力。这两个能力合成一样东西——自主执行。
一个案例的完整过程：订会议室
用"帮团队订周四下午的会议室"对比两种形态，把过程走完整。
背景：团队八人，需求是周四 14:00 到 16:00 有投影的会议室，若无空房则改期或改线上。
聊天形态的操作与结果：你把需求发给模型，它输出一段"建议您打开日历系统查看空闲会议室"的说明文字。任务零推进，所有事还是你做。
智能体形态的操作：程序把目标写进循环，模型先后产出如下动作序列——
思考: 需要先查周四下午的空闲会议室。 行动: query_rooms(date="周四", start="14:00", end="16:00") 观察: [{"room":"A302","projector":true}, {"room":"B110","projector":false}] 思考: A302 满足全部条件且有空，直接预订。 行动: book_room(room="A302", date="周四", start="14:00", end="16:00") 观察: {"status":"ok", "booking_id":"BK-2271"} 思考: 预订成功，任务完成。 行动: finish(summary="已预订 A302，周四 14:00-16:00，凭单号 BK-2271")
解读：注意三件事。模型每一步只做了一个小决定，而不是一口气写完整个计划；每个决定都基于上一轮的真实反馈（如果 A302 已被占，思考会走向备选方案）；结束是模型自己声明的，且带了可核对的结果。这就是"自主"的确切含义——不是夸张的拟人智能，而是闭环里自己走完多步。
变式：如果需求加一条"优先用离电梯近的房间"，要补的不是代码，是目标描述的精度——这个房间位置信息得在 query_rooms 的返回里存在，否则模型只能瞎猜。智能体项目里大量的失败，根子都在"环境里根本没有模型需要的信息"。
聊天机器人与智能体的边界对照
| 维度 | 聊天机器人 | 智能体 |
|---|---|---|
| 输入 | 一句话、一段材料 | 一个目标 + 可用的工具与环境 |
| 输出 | 文本 | 一系列动作 + 最终结果 |
| 执行步数 | 一次生成 | 多步循环，步数由任务决定 |
| 出错方式 | 说错话 | 做错事（影响真实系统） |
| 典型延迟 | 秒级 | 分钟级，不可预测 |
| 失败成本 | 用户重问 | 可能产生脏数据、误发消息 |
| 核心工程量 | 提示词调优 | 循环控制、工具设计、记忆、护栏 |
⚠️ 常见坑：把"能对话"当成"能干活"来立项。评估需求时先问一句——这件事的完成标志是"一段文字"还是"一件发生了的事"？后者必须按智能体的工程量来估，两者的人力投入往往差一个数量级。
什么时候不需要智能体
反过来说，多数需求其实停在聊天形态就够：写周报初稿、解释一段报错、改写营销文案。判断依据有三条：任务是否需要外部信息（模型不知道的），是否需要改变外部状态（写库、发消息），是否需要超过一轮的决策。三条都不沾，就老实用对话接口，成本低、延迟稳、风险小。智能体不是升级包，是另一种架构，用它解决对话问题属于高射炮打蚊子，还容易把自己打着一堆工程复杂度。
本节要点回顾
- 智能体的定义：以大模型为决策中枢，在感知、决策、行动的循环里自主推进，直到目标达成。
- 结构差异重于能力差异：聊天是一次生成，智能体是循环加工具；模型可以是同一个。
- 自主的确切含义：每步做小决定、依据真实反馈修正、自己声明结束并给出可核对结果。
- 判断口径：完成标志是"文字"用聊天，是"事情发生"用智能体；别把两者混在一个方案里估工时。
下一节我们把"家底"摊开：模型在循环里当决策中枢时，哪些活它干得漂亮，哪些活它其实干不了。