AI 智能体是什么？它和聊天机器人、工作流有什么不同

开始之前

不用安装任何东西。前面几课有两个概念会接着用：系统提示词告诉智能体该怎么做事，上下文窗口是它干活的地方。如果你有 Claude Code，可以亲眼看一个真正的智能体循环，不过光读也够了。

用三个问题分清智能体和聊天机器人

光看产品名字下不了结论，所以按顺序问这三个问题。下面的草图是我们根据 OpenAI 对 Agents SDK 运行智能体方式的描述写的：它在模型上循环，直到调用了最终输出工具，或者模型不带工具调用地直接作答。

messages = [instructions, user_request]
while True:
    reply = ask_model(messages, tools)
    if reply has no tool call:
        return reply              # a plain answer ends the run
    result = run_tool(reply.tool_call)
    messages += [reply, result]   # the result feeds the next step
    # also stop when a step limit is reached

1. 下一步由谁来选？在工作流里，由你的代码来选。Anthropic 的文章把工作流定义为模型和工具通过预先定好的代码路径来编排的系统，把智能体定义为模型动态地自己指挥流程和工具使用的系统。
2. 它能碰聊天框之外的什么？OpenAI 说，智能体有工具可以和外部系统交互，既用来收集背景，也用来执行动作。只返回文字的系统做不到这一点。
3. 它怎么知道做完了？每一步它都要查看从环境里拿回来的东西，Anthropic 称之为“ground truth”（事实依据），比如工具返回的结果。任务完成，或者碰到上限，运行就结束。

聊天机器人、工作流，还是智能体

判断一个产品，看那三个问题，不看它叫什么，因为现在很多聊天产品加上了工具，正向智能体那一列靠拢。这张表用的是 Anthropic 对工作流和智能体的划分，再加上 OpenAI 的一句话：简单的聊天机器人、单轮模型和情感分类器都不算智能体。

模型、工具和指令

OpenAI 的指南说，智能体有三个核心组成部分。模型负责推理和决策，工具是它能调用来行动的函数或 API，指令则是规定它行为的明确准则和护栏。这里的指令，就是系统提示词。

指南把工具分成三类：检索背景的数据工具，会改变某些东西的动作工具（比如发邮件、更新记录），以及编排工具，也就是一个智能体充当另一个智能体的工具。工具可以来自函数调用，也可以来自 MCP，OpenAI 的智能体指南把两者都列了出来。指南自己给的例子，是一个带指令和两个工具的智能体。

from agents import Agent, WebSearchTool, function_tool

@function_tool
def save_results(output):
    db.insert({"output": output, "timestamp": datetime.time()})
    return "File saved"

search_agent = Agent(
    name="Search agent",
    instructions="Help the user search the internet and save results if asked.",
    tools=[WebSearchTool(), save_results],
)

在 Claude Code 里跑一遍

Claude Code 的文档把这个循环描述成三个相互交融的阶段：收集上下文、采取行动、验证结果，全程都在用工具。没有工具，Claude 只能回复文字，有了工具才能行动。对于“修好失败的测试”这样的请求，文档列出了 Claude 可能做的事。你可以随时打断它，改变方向。

什么时候值得做一个智能体

Anthropic 的建议是找最简单的办法，只在需要时才增加复杂度。智能体适合步骤无法预知的开放式问题，但它的自主性意味着成本更高，错误还可能层层叠加。

OpenAI 给出了三个迹象，说明一项工作一直难以用常规办法自动化。三个都对不上的话，它的指南说，确定性的方案可能就够了。

设好上限，让人参与进来

• 设好停止条件。Anthropic 建议设最大迭代次数，OpenAI 列出的退出方式有最终输出工具、出错或达到最大轮数。
• 给每个工具按风险分级。OpenAI 建议分低、中、高三级，依据是只读还是可写、能否撤销、账户权限和资金影响，高风险的就先暂停检查，或交给人来处理。
• 在两种情况下把控制权交还给人。OpenAI 点出的是超过失败阈值，以及高风险动作，比如取消订单或付款。

Ethan Mollick：用好智能体，是一份管理工作

Wharton 商学院研究 AI 的教授 Ethan Mollick，2026 年 1 月 3 日在 X 上写道，看看大家怎么用 Claude Code、Codex 这类编程智能体，就会明白，管理智能体是一个管理问题。

他提了四个问题：你能不能定下目标、提供背景、拆分任务、给出反馈，并说这些都是学得会的技能。

这四件事，这门课的各课都讲到了。目标和上限写进系统提示词，背景就是你选择放进窗口的内容，拆分任务就是上面“工作流还是智能体”的选择，反馈就是在有风险的步骤上让人参与进来。把一件事交给智能体之前，先针对他的四个问题各写一行。

X 官方嵌入卡片的截图，拍摄于 2026 年 11 月 5 日，时间为 UTC。点击截图可到 X 上打开原帖。

常见错误

• 明明固定工作流就够了，还要上智能体。Anthropic 指出，用检索和示例把单次调用优化好，往往就够了。
• 一上来就用好几个智能体。OpenAI 说要先把一个智能体的能力用足，因为智能体越多，复杂度和开销越大。
• 给智能体配了许多功能重叠的工具。OpenAI 说问题不只在数量，有的系统能管好十五个以上各不相同的工具，有的却连不到十个功能重叠的工具都应付不了。
• 工具描述写得马虎。Anthropic 说，工具定义值得花和主提示词一样多的提示词工程功夫。

自己试一试

• 挑一件你平时手工做的事，写下它的步骤。每一步标出是固定规则就能处理，还是需要判断。
• 拿这三个问题去问一个你在用的 AI 产品，判断它是聊天机器人、工作流还是智能体。
• 如果你用 Claude Code，就问它一个关于你项目的问题，看它调用了哪些工具，再说出每一步属于哪个阶段。

接下来去哪

这门课到此结束。下一门是 AI 工具怎么选。它的第一课AI 图片生成器怎么选对比能做图片的应用，讲清怎样按用途挑一个。这门课接着用同样的方法对比视频、语音、音乐、研究和 AI 智能体工具。

学习中心列出了所有课程。Mindket 上还列着现成的智能体，在自己动手做之前，可以先看看别人做的。

常见问题

资料来源

1. Anthropic Engineering: Building effective agents (2026年11月4日 查阅)https://www.anthropic.com/engineering/building-effective-agents
2. OpenAI: A practical guide to building agents (2026年11月4日 查阅)https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf
3. OpenAI: Agents guide (2026年11月5日 查阅)https://developers.openai.com/api/docs/guides/agents
4. Claude Code docs: How Claude Code works (2026年11月5日 查阅)https://code.claude.com/docs/en/how-claude-code-works
5. Ethan Mollick on X, 3 January 2026 (2026年11月5日 查阅)https://x.com/emollick/status/2007249835465072857
6. YouTube: Anthropic, Tips for building AI agents (2026年11月5日 查阅)https://www.youtube.com/watch?v=LP5OCa20Zpg