参考：

总结

• 它会真正做事情，不只是说话。
  • 会看当前的环境、会想如何做，然后真的会执行（做），然后看做完以后的结果，然后再想，不行就继续循环。
  • 看看现在啥情况，想想下一步，动手做一下，再看结果，不行就重来，
  • 所以，你会发现我们现在常用的 Code Agent 底层实现时，都会有循环的逻辑
• 和 ChatBot 的差别，就一句：会不会真的动手办事。
  • ChatBot 停在文字里，可能猜，也可能提醒你自己去查。
  • Agent 会调工具、拿到真实观察，再把结果带进下一轮。
• 和 Workflow 的差别，也一句：步骤是不是写死。
  • Workflow 像按菜谱，稳，但说明书没写到的情况容易卡住。
  • Agent 像请人办事，奔着目标自己拆步骤；太远了、超预算了，能重新想、重新查、重新推荐。
• 今天常说的 LLM Agent，最关键的“循环”；多出来的是一个更通用的「大脑」，加上工具箱。
  • 规划：大目标拆小。
  • 用工具：缺信息就去查，不硬编。
  • 动态修正：你改口，它改计划。
    那你怎么判断一个系统算不算 Agent」，就落到四样：
• 有没有目标。
• 有没有对环境的观察。
• 有没有能改变环境的行动。
• 行动结果会不会回到下一轮决策。

四样齐了，才像 Agent；少一样，多半只是脚本、聊天，或固定流程。

一个疑问：行动怎么就改变环境了？

不是玄学，就是行动前后，环境状态真的不一样了：

流程：先有状态 A，行动发生，变成状态 B；A ≠ B，且这个变化是行动导致的，才叫「改变环境」。

几个例子：

• 空调：行动是「开制冷」。环境从「28°C」变成「26°C」。温度这个状态变了。
• 导航：行动是「改走另一条路」。面前的路线、预计到达时间变了。

流程：左边空调把温度改了；右边导航把路线改了。两边都是：做完之后，能指出环境里哪一点不一样了。

旅行助手调 get_weather("北京")：这一步容易混，其实分两截。

流程：先是对外部系统的真实交互（不是脑内空想）；返回后智能体多了一条观察，可观测任务状态变了。再往下若订酒店、改文件、跑代码，环境变化会更明显。

• 调用工具本身：程序真的发出了 HTTP 请求，天气服务被请求了一次。对外部系统来说，这是真实交互，不是脑内空想。
• 更关键的是返回之后：智能体手里多了一条观察——「晴，26度」。下一轮决策用的「当前世界图像」变了。对 Agent 来说，可观测到的任务状态变了。
• 再往下，如果真去订酒店、改行程文件、执行代码：酒店系统多了一笔订单、本地文件内容变了、终端里跑出了新进程。这些都是能核对的「环境变了」。

对比一下就不绕了：

流程：分叉点是会不会动手。只聊天多半只改了对话框；有执行器的行动才会让任务环境里出现可核对的变化。

一句话：不是「说了改变」就算改变，而是做完之后，环境里能指出哪一点不一样了。

用零件说：

• 传感器：往里看
• 执行器：往外做
• 「有没有能改变环境的行动」≈ 有没有执行器，以及它是不是真的在用

重点

• 用自己的话讲清：智能体到底在干什么。
• 贯穿案例：帮你安排「今天去哪儿玩」。
• 分清三件事：聊天机器人、固定流程、真正的智能体。

什么是智能体

开场：一个助手

流程：你提出目标 → 助手先查天气 → 再按天气找景点 → 给你推荐；如果你说太远了或太贵了，它回到「找景点」重来，满意才交最终建议。这张图先让人看见智能体最朴素的闭环：边做边改。

大白话

一句话：一个会自己看，自己做决定、自己动手做，并努力把目标办成的东西。

• 看 = 感知环境
• 想 = 自主决策
• 做 = 通过执行器行动
• 再看 = 观察结果，进入下一轮

流程：看 → 想 → 做 → 再看
智能体靠这个循环把事推进完。

四个生活零件：环境、传感器、执行器、自主性

场景 1：空调

• 环境：房间温度。
• 传感器：温度探头。
• 执行器：压缩机、风扇。
• 自主性：温度高了自己开制冷，不用你每次手动按。

这是最简单的智能体味道：它在持续看世界，并采取行动。

场景 2：导航 App

• 环境：城市道路、拥堵、红绿灯。
• 传感器：GPS、路况接口。
• 执行器：给你路线、语音提示、重新规划。
• 自主性：
  • 前方堵了，它会自己改道，不是只会念最初那条路。
  • 会改变现状

场景 3：今天的 AI 旅行助手

• 环境：天气网站、搜索引擎、票务和酒店信息、你的偏好。
• 传感器：天气 API、搜索 API、你的聊天输入。
• 执行器：调用工具、改行程、给你最终建议。
• 自主性：你说「酒店超预算」，它会当成新约束，自己重搜，不是只道歉。

流程：环境经传感器被「看见」→ 智能体自己判断 → 经执行器去「做」→ 行动改变现实，再回到环境。
看：传感器是眼睛耳朵
做：执行器是手脚
想：中间那一格才是自主决策，这其实就对应这 LLM

案例：帮你安排今天去哪儿玩

用户原话：

你好，请帮我查询一下今天北京的天气，然后根据天气推荐一个合适的旅游景点。

一个合格的智能体，不会一上来直接瞎推荐。它大致会跑成这样：

第一轮：先把天气看清楚

# 它心里在想
Thought: 先得知道北京今天天气，不然没法推荐。
# 它决定动手
Action: get_weather(city="北京")
# 世界返回结果
Observation: 北京当前天气:Sunny，气温26摄氏度

第二轮：再按天气找景点

Thought: 已经知道晴天且温度适中，可以据此推荐景点。
Action: get_attraction(city="北京", weather="Sunny")
Observation: 晴天可去颐和园或长城。

第三轮：把结果说给人听

Thought: 信息够了，可以收工。
Action: Finish[今天北京晴，26度，适合出门。推荐颐和园或长城。]

流程：你提需求 → 智能体先想再调天气工具 → 拿到观察后继续想 → 再调景点工具 → 最后把结果说给你。
横向看清楚：每一轮都是「想 → 行动 → 观察」，不是一口气瞎答。

他的四项本事：

• 任务分解：先天气，后景点。
• 工具调用：不会的去查，不硬编。
• 上下文理解：第二轮用到了第一轮的天气结果。
• 结果合成：最后用人话交卷。

两个关键边界

ChatBot 和 Agent 的区别

区别就是：「会不会真的动手办事」

Agent 和 Workflow 的区别

一个报销审核举例子。很多公司报销是 Workflow：

• 金额小于 100，自动过。
• 100 到 500，客服审。
• 大于 500，主管审。
• 定制品，直接拒绝。

如果天气推荐也写成 Workflow，大概会变成：

• 如果晴天，推荐颐和园。
• 如果雨天，推荐博物馆。

问题来了：

• 颐和园今天门票售罄怎么办？
• 用户说「带小孩，不要爬山」怎么办？
• 用户说「太远了」怎么办？

智能体则可以重新想、重新查、重新推荐。

两张子图对照的是「按菜谱」和「请人办事」两种自动化。

• Workflow：按说明书执行。
• Agent：奔着目标想办法。

从空调到今天的 LLM Agent

智能体很早就有：从空调到 Code Agent

• 其实空调的自动模式 就是最简单的智能体，它只会 条件反射
• Code Agent： Codex、Claude Code
• 空调：
  • 感受（看）到什么就立刻做什么
• Code Agent：
  • 会记状态、定目标、做权衡、甚至自我改进

帮我规划厦门之旅

• 传统智能体：
  • 他的很多能力，靠工程师提前写规则、写模型、写效用函数。
• 今天：你丢一句「帮我规划厦门之旅」，助手自己拆任务、自己找工具、自己根据你的反馈改方案。
  • 规划：把大目标拆小。
  • 用工具：缺信息就去查，不硬编。
  • 动态修正：你改口，它改计划。

流程：模糊大目标先拆成小任务；查信息时发现缺口就调工具；用户改口后把新约束加回去再重搜。这张图讲的是 LLM 智能体的三板斧：拆目标、用工具、动态修正。

落地时还要看见的几件事

快反应和慢规划，现实里通常要一起用

用两个极端场景：

• 车子即将碰撞：必须毫秒级刹车。这时不能慢慢开会讨论。
• 规划五天旅行：应该先想清楚再行动。这时不能只凭第一眼冲动。

流程：左边是毫秒级快反应，右边是深思熟虑的慢规划，中间是常见现实：边想边做边看。不是二选一，而是按场景落在这个光谱上的不同位置。

它工作的世界，往往又吵又不全

订票场景

• 部分可观察：一次查询看不到所有航司全部座位。
• 随机性：你刚查完，票价下一秒就变了。
• 还有别人：别人可能抢走最后一张特价票。
• 动态变化：你还在思考，环境自己已经变了。

所以智能体必须会：

• 记住自己查过什么。
• 不够就再探一步。
• 结果变了就重做决定。

• 流程：世界永远只看见一部分 → 先查一查 → 得到观察 → 继续决策；
• 决策时环境又变了，于是重新回到「只看见一部分」。这是订票、抢票一类场景里智能体必须循环探索的原因。
  • 编程智能体，同理，也需要持续循环探索

两种合作方式：工具 vs 同事

1. 智能体当工具

• 你还是主驾。
• 它帮你补全代码、改 bug、搜资料。
• 像副驾驶，不替你把方向盘彻底拿走。

例子：Copilot、Cursor、Claude Code。

2. 智能体当同事

• 你给一个高层目标。
• 它自己拆活、自己推进、中间可能找你确认。
• 像把事情委托给一个项目成员。

例子：让一个 Agent 自己做研究报告，或让多个 Agent 扮演产品经理、工程师一起协作。

流程：人可以走两条合作关系。当工具：人主导，AI 辅助补代码、查资料、改文档。当同事：人定目标，AI 自己规划推进到交付。差别在谁握方向盘。

最后

1. 智能体是会办事的助手，不是只会聊天的窗口。
2. 它的基本动作是：看、想、做、再看。
3. 它靠工具接触真实世界，不靠凭空编。
4. 固定流程稳但死；智能体活但更难控。
5. 它会幻觉，也会空转，所以要有边界和停止条件。

流程：先立住「什么是智能体」→ 落到看想做再看 → 强调用工具接触真实世界 → 和 Workflow 划清「奔着目标想办法」→ 最后收在能力与风险并存。

考一考

• 超级计算机，算不算智能体？
  • 不感知环境通常不算
  • 强算力不等于会自主办事。
• 高速公路上检测到障碍物、毫秒级决定刹车或变道的自动驾驶，算不算？
  • 算。而且偏快反应。
• AlphaGo 评估当前局面并规划很多步，算不算？
  • 算。而且偏规划、也带学习。
• 只会在对话框里安慰你、却从不查订单的“客服话术模型”，算不算完整智能体？
  • 更像聊天；一旦它能查订单、改状态、跟进行动，才更像智能体。