到底什么是 Agent？一篇讲清定义、组成、产品形态与开发方式

说实话，"Agent"可能是 2026 年 AI 圈被滥用最多的词。聊天机器人叫 Agent，工作流叫 Agent，全自动数字员工也叫 Agent。这篇文章尝试一次性把它讲清楚。

一、为什么这个词让人模糊

模糊的根源在于：Agent 不是 LLM 时代的新词，而是一个被重新启用的老概念。

早在 1995 年，Wooldridge 和 Jennings 就在经典论文中定义过智能体；AI 教科书《人工智能：一种现代方法》（Russell & Norvig）更是开宗明义：

"Agent 是任何能通过传感器感知环境、并通过执行器对环境采取行动的实体。"

按这个定义，温控器是 Agent，自动驾驶汽车是 Agent，围棋 AI 也是 Agent。而当 LLM 爆发后，这个词被套在了新的事物上——不同人站在光谱的不同位置使用同一个词，混乱由此产生：

有人说 Agent 是"能自主运行几小时的完全自治系统"
有人说 Agent 是"遵循预定义流程的规范实现"
卖课的把所有带工具调用的聊天机器人都叫 Agent

要理清它，最有用的切入点是狭义与广义之分。

二、狭义与广义：一张光谱

广义 Agent（Agentic System，智能体系统）

Anthropic 在《Building Effective Agents》中提出了一个包容性框架：把所有这类系统统称为 Agentic System（智能体系统），然后在内部划出关键一刀：

	Workflow（工作流）	Agent（狭义）
定义	LLM 和工具沿预定义代码路径编排	LLM 动态指导自己的流程和工具使用
路径	运行前已确定，人设计的	运行时动态生成，模型决定的
分支判断	规则、条件表达式	模型对上下文的理解和推理
可控性	高，完全可预测	低，存在不确定性
适用	标准化、合规性要求高的任务	开放性、探索性任务

狭义 Agent（严格定义）

狭义的 Agent 只有一个核心判据：控制权在谁手里。

流程是人写死的 → 不管用了多少 LLM，都是 Workflow
流程是模型自己决定的 → 这才是 Agent

OpenAI 在《A Practical Guide to Building Agents》中的定义与之呼应：

"Agent 是能够独立代表用户完成任务的系统。集成了 LLM 但不用它来控制工作流执行的系统——比如单轮问答机器人——不是 Agent。"

一句话记住

Workflow 是"人画地图，模型走路"；Agent 是"人给目的地，模型自己找路"。

实用主义视角

纠结定义时，记住两点就够了：

Agent 是一个光谱，不是一个开关——从纯 Workflow 到完全自治之间存在大量混合形态（比如"大部分流程写死，关键环节交给模型自主"）
工程上"够用"比"纯正"重要——Anthropic 和 OpenAI 都强烈建议：能用 Workflow 解决就不要上 Agent，因为自主性是用成本、延迟和不可预测性换来的

三、Agent 包含什么：解剖一只 Agent

核心公式

Agent = 模型（大脑）
      + 工具（手脚）
      + 指令（行为规范）
      + 循环（工作方式）
      + 护栏（安全边界）

这正是 OpenAI 指南中归纳的设计三要素（Model / Tools / Instructions）加上运行时（Loop）与安全保障（Guardrails）。

各组件详解

① 模型（Model）—— 大脑

负责理解、推理、决策。工程建议：先用最强模型建立性能基线，再逐步替换小模型优化成本和延迟——先保证准，再优化便宜。

② 工具（Tools）—— 手脚

分三类：

类型	作用	例子
Data	获取上下文	查数据库、读文档、搜索
Action	对世界执行操作	发邮件、改记录、执行代码
Orchestration	Agent 作为工具被调用	退款 Agent、研究 Agent

工具设计的黄金标准："设身处地为模型着想"——如果你自己看工具描述都分不清两个搜索接口的区别，模型也分不清。

③ 指令（Instructions）—— 行为规范

高质量指令 = 更少歧义 + 更少错误。把操作规程拆成明确步骤，覆盖边缘情况（"用户信息不全怎么办"）。

④ 循环（Loop）—— 工作方式

Agent 的运行骨架就是 Agent Loop：

感知环境 → 模型推理 → 选择并调用工具 → 观察结果 → 再推理 → …… → 完成任务

⑤ 护栏（Guardrails）—— 安全边界

权限检查、沙箱、人工接管机制。狭义 Agent 自主性越强，护栏越重要。

和上一篇的关系

如果你读过《Harness 是什么》，会发现：狭义 Agent 的"循环 + 工具 + 护栏"正是 Harness 提供的能力。模型是灵魂，Harness 是身体，两者合体才是 Agent——这正是 DeepSeek 的公式 Model + Harness = Agent。

经典四要素视角

学界和工业界还常用另一种拆解（吴恩达等人的总结）：

规划（Planning）：把复杂任务拆解成子任务
记忆（Memory）：短期上下文 + 长期经验
工具使用（Tool Use）：调用外部能力
反思（Reflection）：对输出自我评估、迭代优化

两种拆解本质相通：前者偏工程实现，后者偏能力维度。

四、Agent 与模型的区别

这是最容易混淆的一点，用一个例子说清——让 AI"写一份竞品分析报告"：

大模型的做法：

你提问 → 模型一次性生成全文 → 结束
（只有你和模型参与，模型不能查资料、不能验证、不能修改）

Agent 的做法：

接收目标 → 拆解任务（列大纲）
        → 调用搜索工具查资料
        → 阅读资料、提取要点
        → 撰写初稿
        → 自我评估/用另一个模型评审
        → 发现问题，修改优化
        → 达标后输出，搞不定则求助人类

对比表：

维度	大模型	Agent
本质	一个函数：输入文本 → 输出文本	一个系统：接收目标 → 交付结果
交互	单轮或多轮对话	多步行动，可无人值守
能力边界	训练数据 + 上下文窗口	可借助工具触达真实世界
类比	大脑 / 发动机 / 电池	完整的人 / 汽车 / 电动车
失败模式	答错、幻觉	链路中任一环节出错则前功尽弃

大模型是"脑"，Agent 是"人"，AI 应用是"带界面的产品"。

也要看到 Agent 的代价：链路过长导致错误累积、多次调用模型推高成本和延迟、换模型往往需要重写提示词。这也是为什么"能不用 Agent 就不用"是两大厂共同的忠告。

五、产品形态：Agent 都长什么样

2026 年的 Agent 产品已经形成清晰的格局：

① 编程 Agent（黄金赛道）

目前最成熟、商业化最成功的形态。AI 编程 Agent 市占率已达 54%，仅 Claude Code 年化收入就接近 63 亿美元。

Claude Code（Anthropic）：终端里的 Agent，支持 Skills、MCP、Hooks
Codex（OpenAI）：云端沙箱 + 本地 CLI
Cursor：AI 原生 IDE
开发者的工作正从"写代码"转向"审查代码"

② 通用 Agent

目标是"给我一个目标，我还你一个结果"：

Manus：2025 年引爆通用 Agent 赛道的产品
OpenClaw 等开源方案：本地运行、可自托管
形态特征：虚拟机/浏览器/文件系统全套工具 + 长任务执行

③ 桌面/办公 Agent

Claude Cowork：桌面端多 Agent 协作
Agent Skills：Anthropic 2025 年 10 月推出的开放标准——用自然语言文档+文件夹结构赋予 Agent 专业能力，零代码，已被 VS Code、GitHub、Cursor 采纳

④ 垂直场景 Agent

客服、数据分析、运维、内容生产……通常以"Workflow 为主 + 关键环节 Agent 化"的混合形态落地。麦肯锡 2026 年调查：23% 的组织已在核心业务规模化部署 Agentic 系统，另有 39% 在试点。

⑤ 底层基础设施

协议层：MCP（工具接入）、A2A（Agent 间通信）、AG-UI（前端交互）——Agent 生态从孤岛走向互联
Harness 层：DeepSeek Harness 等开源运行时（详见上一篇文章）

六、开发方式：怎么造一个 Agent

按抽象层次从低到高，有四条路：

路径一：手写代码（最灵活）

Agent 的内核简单到惊人——一个 while 循环：

python

while not done:
    response = llm.chat(messages, tools=tools)
    if response.has_tool_calls:
        results = execute_tools(response.tool_calls)
        messages.append(results)
    else:
        done = True

生产级的复杂性全在循环之外：状态持久化、错误恢复、权限、观测——也就是 Harness 要解决的那些事。

路径二：Agent 框架

LangGraph：图结构状态机，持久化和人工介入能力强
OpenAI Agents SDK：轻量循环 + 多 Agent 交接（handoff）
CrewAI / AutoGen：多智能体编排

路径三：低代码平台

Dify、Coze 等可视化编排，适合 Workflow 为主的业务系统。

路径四：Skills（零代码）

用自然语言文档定义专业能力，"一个 Skill 包解锁一个垂直场景"。门槛最低，2026 年增长最快的生态。

工程方法论（两大厂的共识）

从最简单的方案开始：优化单次 LLM 调用（加检索、加示例）能解决，就不要上 Agent
先 Workflow 后 Agent：五种 Workflow 模式（提示链、路由、并行化、编排-执行、评估-优化）覆盖了大部分需求
先单 Agent 后多 Agent：单 Agent 能力榨干之前，不要引入多 Agent 的复杂性
什么时候该用 Agent：决策复杂需要判断力、规则体系臃肿难维护、大量非结构化数据——三者居其一

七、总结：一张图收尾

                    自主性低 ◄──────────────────► 自主性高

  纯 LLM 调用      Workflow        混合形态         狭义 Agent
  （问答机器人）   （人画地图）    （关键环节自主）   （模型找路）

       │                │               │               │
    不是 Agent      广义 Agentic     广义 Agentic    广义+狭义
                    System           System         都是 Agent

判断一个系统是不是（狭义）Agent，只需问一个问题：

"下一步做什么"这个决定，是人写死的，还是模型自己做的？

而判断该不该用 Agent，也只需问一个问题：

"这个任务的路径能提前枚举出来吗？"——能，用 Workflow；不能，才轮到 Agent。

概念会过时，但这两个问题不会。

参考资料

Anthropic: Building Effective Agents
OpenAI: A Practical Guide to Building Agents
吴恩达：Agentic Reasoning 四种模式
Wooldridge & Jennings, Intelligent Agents: Theory and Practice, 1995
Harness 是什么？从概念演进到 DeepSeek Harness 深度解析（本博客上一篇）

到底什么是 Agent？一篇讲清定义、组成、产品形态与开发方式 ​

一、为什么这个词让人模糊 ​

二、狭义与广义：一张光谱 ​

广义 Agent（Agentic System，智能体系统） ​

狭义 Agent（严格定义） ​

实用主义视角 ​

三、Agent 包含什么：解剖一只 Agent ​

核心公式 ​

各组件详解 ​

经典四要素视角 ​

四、Agent 与模型的区别 ​

五、产品形态：Agent 都长什么样 ​

① 编程 Agent（黄金赛道） ​

② 通用 Agent ​

③ 桌面/办公 Agent ​

④ 垂直场景 Agent ​

⑤ 底层基础设施 ​

六、开发方式：怎么造一个 Agent ​

路径一：手写代码（最灵活） ​

路径二：Agent 框架 ​

路径三：低代码平台 ​

路径四：Skills（零代码） ​

工程方法论（两大厂的共识） ​

七、总结：一张图收尾 ​

参考资料 ​