01 AI 智能体怎样开展工作

把一份会议纪要交给 AI，请它提取待办，是一次明确的任务。进一步让它查看项目资料、找出缺失信息、更新任务表并检查更新结果，就涉及多个步骤。理解智能体，要看这些工作怎样被组织和执行。

学习目标：能说明模型、工具、工作流和智能体各自承担什么，并能检查一次任务是否真的完成。

1. AI 智能体定义简述

把基于大语言模型、围绕目标组织上下文和执行步骤、按需调用工具并利用反馈推进工作的 AI 系统称为 AI 智能体。它可以在人的指导下运行，也可以在规定范围内自主执行。这是面向应用学习的工作定义。

• 主要技术领域：人工智能、智能体研究、规划与决策。
• 概念性质：有明确研究基础的技术概念，范围比大模型应用更广。
• 应用方向举例：软件任务执行、机器人、自主系统。

参考来源：《Artificial Intelligence: A Modern Approach》教材目录。

https://aima.cs.berkeley.edu/contents.html

IBM 强调目标、任务规划及工具使用；Anthropic 在较严格的工程定义中，把模型动态决定步骤的 Agent 与按预设路径运行的工作流区分开来。阅读产品说明时，应先辨明对方采用哪一种口径。[S02][S01]

2. 看懂一次智能体任务的执行过程

图 01 智能体任务循环。原创教学图，参考 [S01][S02]；实际产品可能省略或合并部分步骤。

教学示例：

需要根据三份项目记录更新一张进度表。可以把运行过程拆开观察：

• 应用先读取记录和现有表格，再识别任务、负责人和日期；
• 日期冲突时询问；信息完整时写入；
• 最后打开结果核对遗漏。
• 发现遗漏后，继续修正。

这组动作中，大语言模型承担理解和选择；文件读取、表格写入等工具提供实际操作；运行环境保存文件和过程信息。

3. 四个容易混淆的部分

这张表是教学上的功能拆分。一个 AI 产品会把这些部分封装一起，用户不会看到具体的工具或者流程设置。

部分	在教学示例中的作用	判断时看什么
大语言模型	理解记录并判断信息关系	能否正确理解材料
工具	读取和修改表格	是否实际执行成功
工作流	安排读取、核对、写入等步骤	哪些步骤预先确定
智能体	结合目标和反馈组织执行	遇到变化能否继续推进

4. 怎样判断实际能力

建议检查四项：它读到了哪些材料，做过哪些动作，保存了哪些成果，失败或信息不足时怎样处理。

不要通过聊天框判断产品类别。聊天可以是提交任务、补充信息和检查结果的入口。

判断的重点，是入口背后的意图识别、执行机制与实际结果。[S01]

5. 对“自主智能体”的常见误解

“自主”不等于每一步都不能有人参与。一个能够自行整理材料、但在发布前请人确认的应用，仍可以采用智能体执行机制。

相反，连续生成很多段文字，也不能直接证明它已执行了文字中描述的动作。

另外，不应把 AI 产品宣称的能力直接当作可用能力，或者当做适合的能力。

练习时应核对已经连接的工具、已经提供的材料和实际返回的结果。

信息来源

正文采用中文转述；编号对应解释所在段落。以下网址以明文列出。查阅日期：2026-09-18。

[S01] Anthropic｜Building effective agents

来源类型：工程方法说明。参考内容：Agent 与预设工作流的定义差异，工具调用与反馈循环。

https://www.anthropic.com/engineering/building-effective-agents

[S02] IBM｜What are AI agents

来源类型：官方技术解释。参考内容：智能体的目标、规划、工具使用与任务执行。

https://www.ibm.com/think/topics/ai-agents