个人知识库

AI Agent 智能体

34分钟阅读

AI Agent 智能体

能够感知环境、推理、制定计划、决策并自主行动的 AI 系统

简介

AI Agent（智能体）是 AI 技术的高级形态。与传统的大模型对话不同，智能体具备自主感知、推理规划、工具调用和决策执行的能力，能够完成复杂的多步骤任务。

核心能力

1. 环境感知

  • 理解用户输入
  • 观察执行结果
  • 感知外部信息
  • 状态跟踪

2. 推理规划

  • 任务分解
  • 步骤规划
  • 逻辑推理
  • 问题诊断

3. 决策执行

  • 选择工具
  • 调用工具
  • 评估结果
  • 迭代优化

4. 自主行动

  • 无需人工干预
  • 自动重试
  • 错误恢复
  • 目标导向

关键技术范式

ReAct 模式

Reason + Act，推理 + 行动循环范式

思考 → 行动 → 观察结果 → 重新思考 → 调整行动

先思考下一步做什么，然后采取行动，基于行动结果再进行推理，形成闭环。

工具调用方式

  1. Function Call：大模型原生的函数调用能力
  2. MCP：Model Context Protocol，标准化工具调用协议

不同素材中的观点

来自 2026-04-29-yupi-ai-guide-core-concepts：

  • 能感知环境、推理、制定计划、决策、自主行动的 AI 系统
  • 完成复杂任务，可调用工具
  • 16 个核心概念之一

来自 2026-04-29-yupi-ai-guide-programming-tech：

  • 是 AI 编程开发的四大核心业务领域之一
  • 构建智能体的开发范式
  • 打造能够依据推理自主采取行动的 AI 系统
  • 开发涉及知识：任务规划、工具调用、交互 I/O、异常处理

来自 2026-05-11-skill-sop-for-ai：

  • Agent 在编排视角象限图中占据右上角——AI 自己决定目标和步骤，全权决定，判断空间最大
  • Skill 和 Agent 的关键区别：Skill 是”人定约束，AI 在约束内灵活执行”（中间位置），Agent 是”AI 全权决定”（完全自主）
  • 从演进线看，Agent 是 Skill 的下一步——Prompt→知识库→Skill→Agent，每步传递的东西都在变深
  • Agent 对应”给你一个员工”的分享形态，未来可能进一步演进为带 Principle（决策框架）的角色

来自 2026-05-13-ai-agent-productivity-20x：

  • Agent 的关键跃迁不是”回答更聪明”，而是从问答模式切换到目标-结果模式：用户给出目标和完成标准后，Agent 会自主规划步骤、调用工具并交付结果
  • 文章用作品集网站案例把 Agent 的运行机制拆成 observe→think→act 循环：先检查工作空间，再研究背景、制定计划、写代码、启动和截图验证，未达标则继续下一轮
  • 这种循环说明 Agent 的价值不只在内容生成，而在多步骤任务闭环执行；但前提是人要给出清晰完成标准，否则 Agent 可能无限循环或偏航
  • Claude Code、Codex、Manus 等被视为不同的 agent harnesses，长期可迁移的资产不只是框架本身，而是伴随 Agent 使用沉淀下来的上下文、记忆和技能文件

来自 2026-05-23-woshipm-enterprise-ai-implementation-methodology：

  • 企业智能体不是第一步，是第三、第四甚至第五步——AI 在企业发挥作用的前提是先完成数据治理和流程改造。轧机轴承智能维护项目就是先把数据采集、标准化、历史运维情况、设备健康状态做好，再接入点检维修流程，最后才是智能体辅助判断，最终 ROI 10 倍以上。
  • 三阶段成熟度模型：问答型（解决信息传递）→ 流程型（解决流程繁琐、人工失焦、数据孤岛）→ 运营型（跨工单/历史/反馈做模式识别，反哺规则与流程）。三阶段一旦想明白，结合企业现状排好节奏，很多项目就不会乱。
  • 企业智能体不是聊天机器人，而是业务系统能力——如果理解成聊天机器人，关注重点就是模型能力、上下文窗口、提示词强度、人设和回答风格；如果理解成业务系统能力，就会开始关注数据源、接口、权限、口径、日志、流程节点、人工复核和指标验收。后者才是企业落地所需的基本要求。
  • 企业智能体背后是一堆看不见的东西：经营查询 Agent 背后要有 SAP 接口+指标口径+权限控制+报表生成；财务审批智能体背后要有费用类型+审核规则+异常分流+人工复核；工单智能体背后要有统一入口+分类模型+分派规则+知识库+自愈流程+进度追踪。聊天框只是入口，后面这些才是项目能否活下来的关键。
  • 典型反例：上来就问”能不能帮我做一个智能体”——但没说清楚要给它什么数据、遵守什么规则、嵌入哪个流程、出错谁来复核、效果怎么验收，最后做出来大概率只是个”胡乱聊天的对话框”。
  • 这篇文章把 Agent 的视角从”个人生产力工具”扩展到”企业组织能力”，与 2026-05-13-ai-agent-productivity-20x 形成”个人 vs 组织”的双视角。

来自 2026-05-23-woshipm-sop-as-cot-agent-clone-expert：

  • Agent 的定位升级：从”辅助工具”升级为系统的”流程守门员”——不做简单的问答机器人，而是构建具备工具调用能力的 Agent，并在系统层做”逻辑锁死”（只有 Agent 跑完 ReAct 循环且明确给出”建议上门”结论时下单按钮才会亮起）+ “自动拦截”（远程可修复时直接拦截下单请求）。这一招直接斩断了人为绕过规则的可能性。
  • SOP 即思维链（SOP as CoT）方法论：CoT 的核心机制是任务分解和推理过程生成，而 SOP 天然就是一种结构化的思维链；把老专家 12 步排查逻辑映射到 ReAct 框架（[观察]→[思考]→[行动]→[观察]）就完成了”老专家经验→AI 可执行思维链”的编译。
  • 隐性知识挖掘方法：搬把椅子坐在老专家身边，每查一步就问”这步是在看什么？逻辑是什么？如果不看会怎么样？“——客服文档里只有 4 步显性 SOP，老专家脑里其实跑了 12 步，其中 8 步是从未被完整写进文档的”隐性 8 步”（培训成本太高）。核心观点：在企业 AI 场景里，不懂业务，绝对做不出好的 AI 产品。
  • ROI 验证：单”离线”场景工单拦截率维持在高位，预计每年节省数十万运维成本。诊断准确率高，一线客服对诊断结果的认可度达到预期。这是 Agent 在企业级 ROI 计算下的具体验证案例。
  • 三档提效衡量标准：硬性提效（财务台账上显性变化，如砍掉无效上门费）/ 软性提效（业务量激增但人员零增长）/ 虚假提效（仅省时间但没转化成产出，像跑步机狂奔大汗淋漓但原地踏步）。组织推进 Agent 必须按这三档衡量，拒绝”为了做 AI 而做 AI”。
  • 横向 + 纵向扩展路径：横向扩展是把同一套 Agent 复制到摄像头、温度探头、主机等更多设备类型；纵向扩展是”主动全车体检”——接单瞬间让 Agent 对该车辆所有设备发起一次诊断，把”被动维修”转变为”主动预防”。这条扩展路径展示了 Agent 在企业场景下的复利积累。
  • 业务架构师角色：本文把”做 Agent 的人”上升为新的角色定位——具备深度业务洞察的”驻场局外人”，三层能力（业务抽象 + 数据 AI 素养 + 系统工程思维），详见 业务架构师。

来自 2026-05-27-woshipm-ai-ecommerce-kol-agent：

  • 多租户隔离式 Agent 架构是规模化部署的工程基础：Elaine.H 给出的电商 KOL 蒸馏 AI 导购案例展示了 Agent 在”海量分身并行部署”场景下的核心架构——通过达人 ID 路由到专属 Skills 配置实例（加载偏好规则、风格 Prompt、专属测评库），实现”一个 Agent 框架支撑海量 KOL AI 分身独立运维、数据隔离”。这把 Agent 从”单用户单流程”扩展到”多租户多分身”的工业级形态
  • Agent 层 vs Skills 层的严格职责分层：Agent 层是全局唯一调度中枢（意图判断、流程决策、多轮对话、任务编排、异常管控），具备自主决策与流程跳转能力（“大脑”）；Skills 层是原子化执行单元（无自主决策能力，仅接收 Agent 下发的固定指令，完成单一闭环任务），输出标准化结果（“手脚”）。关键规则：技能之间无直接调用、所有工具统一标准化入参出参、调用结果必须可溯源/可审计/全程留痕。这种”大脑+手脚”严格分层与 2026-05-23-woshipm-sop-as-cot-agent-clone-expert 的”系统级强绑定”思路同源——通过架构层面切断”AI 自主性导致的不可控风险”
  • Agent 9 步处理流程模板：用户选择 Agent → Agent 路由 → 意图提取（六大意图分类）→ 槽位补全（最多 3 轮）→ 上下文融合（5 轮滑动窗口 + 长期偏好标签）→ 任务拆解与编排（单达人串行 / 多达人并行）→ 技能执行（超时熔断+异常兜底）→ 回复生成（注入达人口吻 + AI 生成声明 + 评测溯源）→ 记录与反思（点赞/点踩归因 + BadCase 沉淀 + 长期记忆权重更新）。这是企业级对话 Agent 的通用 9 步模板，可复用到任何”主调度+多工具”的 AI 产品
  • 业务系统能力视角的具体落地：本文是 2026-05-23-woshipm-enterprise-ai-implementation-methodology 中”企业智能体不是聊天机器人，而是业务系统能力”的具体范例——背后是 KOL ID 路由 + 测评 RAG 库 + CPS 商业分成 + 品类券信任机制 + 多模态结构化解析的完整业务体系，而不是聊天框

来自 2026-05-27-通过codex解析Agent工作流程：

  • Agent 与 Skill 的本质区别被给出最通俗的比喻：Skill 是工具，Agent 是知道何时以及如何组合使用这些工具的”大脑”——直接调用 Skill 只能完成你知道且确定的事（固定流程，没有意外），Agent 能在不确定中自主规划，把多个 Skill 组合成解决方案。文中”管家”的比喻极为精准：你说”我下午见法国客户，帮我准备”，管家自主决定查日程、翻译材料、查茶文化，你给目标，管家自主拆解
  • Agent 上岗前的”规矩”定义：系统提示词是骨子里的准则，角色设定是对外的人设，输出格式约束是回话模板，用版本管理记着改坏了能回滚——这套”规矩”对应的是 Prompt Engineering 在 Agent 产品中的工程化实践
  • 单 Agent vs 多 Agent 的选型原则：简单一个人能做的任务用单 Agent，需要团队协作且特别复杂的任务用多 Agent——这是目前最实用的 Agent 架构决策框架

来自 2026-05-27-woshipm-enterprise-ai-agent-ontology：

  • Agent 分为”本体论”和”灵活派”两条技术哲学路线，根本区别在于”谁来当规则的最终裁判”——与是否使用大模型无关。本体论路线（老会计）给 AI 发写死规则的《操作手册》，关键决策由手册把关；灵活派路线（管培生）给 AI 做”入职培训”告诉价值观和行为准则，让它自己判断执行。老会计 = 给 AI 穿防弹衣上战场（规矩在外面是硬杠杠），管培生 = 给 AI 讲安全须知就派出去（规矩在心里是软尺子）。
  • 场景选型只需两个问题：规矩能说清楚吗？错了能承受吗？——规矩说得清且容错率为零 → 必须上本体论；规矩说不清且需要灵活应变 → 用灵活派。关键结论：不是”精确性行业”都得用本体论，而是”容错率为零的场景”没本体论就是在裸奔。
  • “上松下紧”混合模式是大部分企业的终局——上面的”地面部分”（选品、营销、沟通）用管培生灵活应对，下面的”管道部分”（资金、结算、合规）用老会计死死守住。企业落地真正的手艺活在于能拆清楚哪部分该让老会计守、哪部分该让管培生冲。
  • AI 放大了定义混乱的危险——没有”本体论意识”的大模型会以十倍信心给出错误结论（默认用”计算错误”解释所有对账差异，而实际差异是实体定义不一致）。规则引擎负责确定性校验，AI Agent 负责模糊推理——两者是协作关系不是替代关系。

来自 2026-05-18-ai-agent-week-into-day：

  • 个人生产力革命：通过AI Agent系统可以实现10-20倍生产力提升，将一周工作压缩进一天，核心是从”问答模式”升级到”目标-结果模式”：用户给出目标，Agent自主规划、执行、交付结果，无需用户在中间环节介入
  • 五大核心组件构成完整系统：
    1. agents.md：Agent的”大脑”，包含角色定义、业务背景、个人偏好、工具使用规范等上下文信息，在每个任务开始前加载
    2. memory.md：持久化记忆系统，Agent会自动记录用户的偏好、修正意见和学习到的新知识，每次任务前读取
    3. MCP协议：通用工具连接层，作为翻译器打通Agent与各类外部工具（邮件、日历、CRM、协作工具等）的连接
    4. 技能系统：将重复性流程标准化为可复用的技能（SOP），一次定义即可永久重复执行，避免每次都重新沟通
    5. 技能链接：多技能级联调用，配合定时任务调度，实现完全自主的工作流
  • 渐进式构建方法论：从执行助理场景切入，先配置基础上下文和记忆，再连接核心工具，然后在实际使用中逐步将重复流程转化为技能，保持每周自动化3-5个小流程的节奏，长期积累产生复利效应
  • 角色转变：用户从工具使用者转变为”数字团队管理者”，核心能力从操作执行转向目标定义、流程设计、结果校验，这套管理数字员工的方法论完全映射了人类组织的管理逻辑
  • 资产可迁移性：所有上下文、记忆、技能都是纯markdown文件格式，不绑定特定框架，可以在不同Agent平台间迁移，避免了工具锁定风险

来自 2026-06-09-woshipm-to-a-era：

  • Agent 从”工具”升级为”客户”——这是 Agent 商业定位的范式级跃迁：美团 CEO 王兴在 2026 年 Q1 财报电话会上提出 To A（To Agent）概念，将 Agent 不再定义为辅助用户的工具，而是互联网服务的新客户。如果 Agent 是客户，服务方要思考的是”怎么让 Agent 更愿意推我”，而不是”让用户更愿意打开我”。这意味着 Agent 不仅改变了技术栈，更在重构整个互联网的流量分发逻辑
  • Agent 正在触发互联网十年商战壁垒的瓦解：同一周内，美团小美接入腾讯元宝、京东与腾讯合作对接华为/OPPO/荣耀、OpenAI 将 Booking/Spotify/Expedia 接进 ChatGPT。此前抖音被微信封锁、阿里腾讯互屏近十年——Agent 对流量分发的威胁是生死级的，连死对头都在结盟
  • Agent 时代的用户路径根本性改变：当前是”想订外卖→打开美团”，Agent 时代是”帮我定明晚的日料”→Agent 意图理解→调用服务→完成下单，全程不打开任何 App。如果用户以后只跟 Agent 说话，传统 App 可能被彻底绕过
  • 三大 Agent 战略路线正在形成：超级入口+服务方（腾讯元宝/ChatGPT 争用户需求第一站）、App 封装为可被 Agent 调用的服务（美团/京东/Uber 宁可退到后台能力层也不能被绕过）、系统级 Agent 入口（华为/OPPO 控制手机系统入口做分发）

来自 2026-05-31-ai-agent-attention-filtering：

  • Agent 的新定位：“信息入口整理员”——不是替你做决策，而是先进入信箱、社群、RSS 这些”容易分心的入口”做第一轮过滤，把可能重要的东西挑出来附上理由，人再决定哪些真正要处理。核心原则是 AI 做筛选，人做判断，职责严格分离
  • “外部劫持型分心”是 Agent 的真实应用场景——信息工作者的痛点不是缺工具，而是每次进入信箱/社群/RSS 都会被次要信息（促销邮件、推荐帖文、无关文章）消耗注意力；Agent 的价值在于让人”不进入”这些入口也能获取关键信息
  • Agent 效果好坏取决于人给的上下文——不是叫 Agent 从整个信箱里判断轻重缓急，而是先告诉它当前工作重点（正在推进的课程、文章、合作、哪些对象优先），再让它筛；ChatGPT 的对话记忆足以承载这些上下文
  • Codex for Chrome 被用于浏览器自动化做社群扫描——进入已登入的 X/Facebook，根据近期笔记主题扫描值得看的贴文，输出候选清单（主题+理由+原始链接），安全规则（不按讚、不留言、只列候选）必须事先写清
  • 长期复利来自”写回规则”——每次筛选准不准都做修正：挑太多次要讯息就补排除规则，漏掉重要信件就补优先规则，让过滤机制随使用越来越精准

来自 2026-06-02-woshipm-agent-architecture-landing：

  • Demo 展示的是智能，生产要求的是闭环——很多团队做过 Agent Demo，但一进入真实业务就暴露问题：同样”无法登录”背后可能是账号冻结、手机变更、设备风控、权限异常、灰度升级等十几种可能。Agent 不能只会回答问题，还要判断类型、读取上下文、调用系统、识别风险、必要时转人工、记录完整处理过程。这是 Agent 从 Demo 到生产的第一道分水岭。
  • Agent 落地应该先问”它到底要完成什么业务任务”而不是先讨论模型/RAG/Function Calling——以客服工单为例，任务可分四类：知识查询类（适合 RAG）、状态判断类（需结合业务系统）、流程执行类（需配权限和确认机制）、多步协调类（需全部能力+人工分派）。任务定义不清则 Agent 变成”高级聊天入口”。
  • 一个生产可用的 Agent 是五大能力的组合而非一个模型——知识检索（知识必须可信/最新/可追溯）、业务系统调用（查询 vs 执行风险等级不同）、任务规划（把目标拆成步骤）、上下文与记忆（需有边界）、人工确认（好架构不是去掉人而是让人只介入需要判断的环节）。
  • 面向业务场景的 Agent 落地架构分为六层：场景定义→入口设计→编排→能力→治理→运营。详见 Agent 六层架构。六层需要业务、产品、技术、运营、安全和一线使用者共同参与。
  • 运行治理是 Agent 长期运行的基石：权限控制（最小权限原则）、风险分级（查询自动/执行确认/敏感审批）、日志追踪（完整链路记录，没有日志就无法复盘）、效果评估（多维度指标区分真实价值和虚假繁荣）。详见 Agent 运行治理。
  • 三段式实施路径：辅助→低风险工具→流程执行——第一阶段（MVP）做知识检索/工单总结/回复建议，不直接操作系统；第二阶段（稳定后）接入账号/订单/物流查询等低风险工具；第三阶段（成熟后）创建工单/分派/触发流程，但退款/封禁/合同变更必须人工确认。关键不是让 Agent 做更多事，而是让它在正确的边界内做事。

来自 2026-06-03-woshipm-office-agent-commercialization：

  • 自主执行能力的信任悖论是 Agent 商业化的核心瓶颈：46% 用户反馈”需求理解偏差”、42% 反馈”产出质量不及预期”——这不是技术问题，而是信任问题。当智能体需要独立执行多步骤复杂任务时，用户需要”过程可控性”：实时感知任务推进状态、定位中间环节异常、必要时介入调整。执行过程透明度越高，用户越愿意让渡控制权。这意味着 Agent 产品设计的重心应从”让 Agent 做更多事”转向”让用户信任 Agent 做事”——与 2026-06-02-woshipm-agent-architecture-landing 的运行治理（日志追踪/风险分级/效果评估）形成”产品设计↔商业化”的呼应
  • 从商业化角度看 Agent 演进路径：已付费用户（36%）的核心驱动力是”可量化的效率提升”（效率刚需驱动）和”更高级的模型推理/更丰富的插件”（能力拓展驱动）。这意味着 Agent 从”辅助工具”到”付费产品”的跨越不靠功能堆叠，而靠在具体场景中建立”不可替代性”——用户只为效果买单，不为可能用到的功能预付

来自 2026-06-03-youtube-multi-agent-accounting-pipeline：

  • Sequential Pipeline（顺序管道）是规则驱动业务的最优 Agent 架构：会计/记账工作每一步都是”规则、结构、顺序”——先标准化、再分类、再核对、再汇总、最后解读。5 个 Agent 组成单一顺序管道（数据准备→分类→核对→报告→洞察），每个 Agent 恰好一个职责，输出直接成为下一个 Agent 的输入。这种架构的核心不是”AI 多聪明”，而是”每一步的边界足够清晰”——分类 Agent 不碰原始数据格式，核对 Agent 不改任何数据，报告 Agent 不做解读。职责隔离让系统可靠且可扩展
  • 逐个构建、逐个测试的 Agent 工程纪律：不是做完 5 个 Agent 再跑端到端看效果，而是构建 Agent 1 → 测试 → 构建 Agent 2 → 测试 → 以此类推。这是增量式 Agent 系统建设的正确方式——每一步都是验证过的，管道串起来才能”just work”。与 2026-05-31-blocktempo-7-agents-software-factory 的 7 Agent 软件工厂（同样强调逐个测试）形成跨场景验证
  • 会计自动化管道的 5 层输出：Agent 1 输出标准化 CSV（date/description/amount/type）→ Agent 2 输出 +category/subcategory → Agent 3 输出 Markdown 核对报告（匹配/差异/缺失/重复四节）→ Agent 4 输出按月财务摘要（收入/成本/净利润 + 分类明细）→ Agent 5 输出 3-5 条数据驱动洞察（月环比 + 风险信号 + 行动建议）。每层输出严格单向流入下一层，数据文件夹是唯一的共享状态

来自 2026-06-06-woshipm-agent-task-decomposition：

  • 多 Agent 协作的工程原则被系统化——把企业微信客户咨询拆成 6 个 Agent（意图识别→用户资料查询→知识库匹配→回复生成→风险检查→跟进分配），每个 Agent 只做一件明确的事。与 YouTube 会计管道（5 Agent Sequential Pipeline）形成跨场景一致验证：Agent 落地的关键不是单个 Agent 多强，而是每个节点的边界是否足够清晰
  • 真正能上线的 Agentic Workflow 三大工程属性：稳定性（输出可预期）、可观测性（中间过程可追踪）、可修复性（出错时能定位到具体节点）——“意图识别错了就改分类规则，回复不好就改话术规范，风险检查漏了就补质检规则”。这比”换一个更强的模型”有用得多
  • Agent 不稳定的根因不是模型不够聪明，而是任务太大、太散、太依赖人类脑补——把模糊的大任务整包丢给 Agent（“帮我处理客户咨询”、“帮我优化整个销售流程”）必然得到看起来很完整、实际很难落地的结果。解决办法是任务拆解：把大流程拆成独立可执行节点，每个节点有明确输入/输出/成功标准

开发流程示例：视频网站开发

  1. 深入理解任务内容
  2. 推理梳理执行步骤
  3. 明确需求、设计方案
  4. 搭建框架、生成代码
  5. 部署上线
  6. 遇到问题 → 询问意见 → 重新推理 → 调整行动方案

能力范围

常见工具调用能力

  • 天气查询
  • 文件读写
  • 网页运行
  • 信息检索
  • 终端命令执行
  • 数据库操作
  • API 调用

典型应用场景

  • 自动代码生成
  • 自动化测试
  • 数据自动分析
  • 多步骤任务自动化
  • 智能客服系统

开发框架

企业级选择

  • LangChain4j：完整的 Agent 工具链
  • LangGraph：图结构工作流编排
  • Spring AI：基础 Agent 支持

低代码平台

  • Dify：拖拉拽方式构建 AI 智能体
  • Cursor：内置 Agent 模式的 AI IDE

实用信息

Agent vs 传统对话

维度传统对话AI Agent
自主性完全依赖用户引导自主规划行动
工具调用需用户触发自动选择调用
状态管理简单上下文完整状态跟踪
任务复杂度单步简单任务多步复杂任务
错误处理用户纠正自动重试恢复

相关页面

关系图谱

快速导航

反向链接