AI 智能体到底是什么? 一篇读懂,不被技术热潮带节奏

S同学在传统制造业工作，有一天在散步时聊到AI，他问我：AI智能体究竟是什么？我以为我对智能体有一定的理解，但我试图向他解释时，却发现在用概念来解释概念。

接下来他的几个问题更让我无法回答，也不知道如何去回答。

他又问有哪些智能体可以体验一下的？我卡住了，因为我知道我不能简单告诉他，Claude Code、Codex等等。因为想体验这有一定的使用门槛，说了等于没说。

他说他理解的智能体是像电影里一样，可以为人类服务那样的。

由这个小故事，产生了写这篇文章的想法。我想去试图用直白简单不炫酷的方式说清楚什么是AI智能体，让并不是每天都浸泡在AI里的人一看就懂。

AI 每一天都在进步，新产品新技术新概念每天都会出现，由此大量的解说视频、内容出现。

很多人会有”看人家玩的那么high，我却什么都不知道的焦虑。” 还有人会消极应对，反正这股风过几天会吹过去，我也不用去理睬。

不如中和一下，不要被短视频带节奏，真正理解智能体能干什么，在整个AI发展的轨道中处于什么位置。

这篇文章我将试图去潜到水下，带你看看智能体到底是什么，同时推荐一些工具去使用。

聊天AI(Chatbot) VS AI智能体(AI Agent)

先用一个例子来形象的感受下Chatbot与Agent的区别：这里不问知识类问题，这是大模型的长项，去试着下一个任务：

[去get笔记里把我昨天和前天的笔记取过来，存为当天的日记]

· getnote是得到的一个笔记软件get笔记

· 我想让AI把我在get笔记里零散的想法录音，一天可能有多条，全部整合到我的电脑文件夹，如果有多条就合并为一条，作为当天的日记，即以年-月-日为标题进行命名。

元宝的回复：

如果手工处理至少要三步：

现在，只需要通过语音的方式，直接给Agent布置任务，搞定！

大模型本质上是一个会预测文本的模型，通过你输入的文字(专业术语叫提示词)，来预测后面的内容可能是什么。

聊天AI什么都知道（即使不知道也会假装自己知道，这就是所谓的”幻觉”，因为总能通过概率预测出文字），只有大脑，没有手，只能告诉你应该怎么做，不能帮你做。

智能体更先进一步，它能够基于你的目标，拆解任务，然后行动。

在这个过程中，你只需要提目标，不用管如何做，AI智能体会自己拆解步骤，实现你的目标。

tips: 跟 AI 协作的关键是只说目标，不要对如何做指指点点，要相信 AI 比你聪明。

这跟管人是一个道理，你做为上级只需要告诉下属要做什么 what，至于如何做 how，这就要发挥下属的主观能动性。

智能体和大模型的关系

接下来我们了解一下智能体的四个关键要素：

1. 大脑：大语言模型是智能体的大脑，负责理解、分析、拆解、决策
2. 工具：智能体通过工具来完成任务，比如读PDF文档、运行程序、网络搜索、调起API
3. 循环：自己想办法多次尝试解决问题，比如程序运行总是报错，你让他找问题。他找到一个问题，修复后运行，发现问题还在。他不会停，自己接着去找另外的原因，直到把报错解决。
4. 记忆：他是谁、他会做什么、他做过什么、你的偏好等等他都会记住。

具体在做一个任务时，AI Agent把存储的记忆和人类的要求，传给大脑 (LLM) 去分析，大脑分解步骤，告诉Agent什么时候应该调用什么工具。Agent调用工具后，把获得的结果再传给大脑去分析，直到任务完成。

智能体本质上是一个调度器，按照大语言模型(LLM)的指示调用工具做事情。

前段时间大火的小龙虾(openclaw) 也是一个智能体，他与下面我推荐的Claude Code、Codex是一类产品。关于小龙虾可以参考这篇文章

智能体的使用场景

用5个小时整理10年的日记

我最近在研究用Obsidian(笔记管理软件)做个人知识管理。首先想把写过的日记集中起来，却发现分散在不同的笔记平台，印象笔记、Notion、flomo、Typora、wolai、苹果自带的备忘录。

第二个问题是日记的结构千奇百怪，有的是一个文档里记了一年的日记，用日期分隔。还有几年时间我把日记写在 Excel 表格里，用表格做了365个格子。

要想把一篇日记保存为一个文档，并用年月日为标题命名，这个事手工做的话基本做不下去。

把一年的日记拆成365份，新建粘贴复制365次，光是想想足可以把人吓退，何况是近10年日记。

用AI Agent 5个小时就可以搞定，这些完全是AI目前最擅长的事，你只需要告诉他三件事：

1. 原始文件在哪
2. 要怎么整理日记
3. 保存在哪

可能你觉得怎么这么麻烦，其实在给智能体下命令的时候，就用语音说话就好，磕磕巴巴的都没有关系。

他时不时需要你进行授权，一般情况下允许就好。要注意他也会做错事情，他需要你的监督。

你可以通过下面的截图来感觉一下，到底有多简单。

你可能会问，整理这些陈年日记有什么用？这是另一个了解自己的方式，你可以问问AI最近三年我都在关注什么？最近三年自己的变化？

网络上还有很多玩法，比如智能体定时抓取新闻→存到飞书文档→从中提取热门主题→写成文章→发布到公众号的草稿箱。

各个系统只要能提供接口，在得到你的授权后，AI智能体就能代替你去干活儿。

说直白点，目前的AI 智能体能替你去各个系统进行操作(查看、新建、复制、粘贴等等)，在几个系统间传递消息。

比如每天晚上我会让AI智能体 去get笔记APP里，把当天的录音笔记读过来，存为日记。我每天有任何想法(闪念)就拿起手机在get笔记里录音，一天会有好几条，晚上 AI 一起整理。

马上体验智能体

感谢你看到这，你应该跃跃欲试想亲手体验一下。我知道你希望打开一个网址，用手机号码注册后就可以用。

在国内你可以试试扣子、Trae，但我强烈建议去试一下通过终端安装Claude Code，这里会有一点小门槛。

Codex是另一个产品，但它需要翻墙访问外网，也需要注册并付费Chatgpt才可以使用。

终端(我用的是 Mac 电脑)打开大概会是这个样子，装好后输入 claude，就会看到这个可爱的像素小人，就可以给他下指令了。

推荐你用语音的方式交流，闪电说、秘塔回响都是免费且好用的语音转文本软件。

如果你想稍微折腾一下，相信我半个小时就能装好，就从Claude Code开始。推荐得到APP-如何快速上手Claude Skill辅助科研提效，里面有手把手安装的教程。

用Claude Code 终端还有一个好处，可以嵌入到其它工具，集成无缝使用。下图就是知识管理软件 obsidian + claude code 的强大组合。

我现在抛弃了其它所有笔记软件，只用obsidian管理文档、写作，这是知识管理的顶级工具，下回我专门写一篇。

这是进阶玩法，你不想折腾也不用焦虑。毕竟工具是为做事服务的，如果你想做事，比如说写公众号，写是关键，用什么工具是其次。

我们经常会陷入一种幻觉 — 有了什么厉害的工具我就能怎么怎么样了。有了AI帮助我就能把公众号写起来了，其实想写早就写了，有没有AI都能写。

如果你不想折腾，也没有关系，看到这里至少你了解了AI Agent到底是怎么回事。不会被技术热潮带节奏，不会莫名焦虑，不会问如果我的工作被AI代替了怎么办。

无论如何，请你读到最后，让我们从更高的视角，看看AI发展的脉络，以及AI的未来。

AI智能体、AGI与现实世界

AI Agent(中文翻译为智能体)中的agent原意指代理，也就是能自主完成特定工作的人或组织。

目前AI技术的发展，代理还只是在企业自动化、虚拟助手、自动驾驶等等数字化办公和信息处理领域。

在未来AI可能会像科幻电影里描述的那样与人类一起工作，为人类服务，照顾人类的生活，这就是AGI(通用人工智能)的时代。

想要AI在物理世界中与人类互动，需要大量的技术整合。不仅仅能理解文本、做推理，还要多种感知(看、听、摸)、空间理解、控制与行动。

物理世界极其复杂，是AI最难跨越的槛。机器人学家莫拉维克在 1980 年代提出：”对AI来说，人类觉得越容易的事（比如识别一张脸、走路、说话），它越觉得难。人类觉得越难的事（比如下棋、解数学题），它反而越擅长。

AI Agent只是演进过程中的一个小点，AGI是目标，还有很长一段路才能到达。然而因为我们的脑子里有完整拼图的样子，就不会被某块拼图的绚烂所迷惑。

你一定听过”多模态”，这是个不明觉厉的词，如果我们看到更大的图景，就会明白这是让AI能感知世界(文字、图像、视频、声音等)的一种必然的技术。

“智能体” 也必将是过渡词汇，相比以前AI只能回答问题(这也曾让人类感到惊奇与恐慌)，现在可以在数字世界主动作事。

李飞飞教授正在研究的”空间智能”，目标是让AI理解物理空间。

2025年，全球机器人领域投资约210亿美元，这代表资本在大规模的押注AI向物理世界的延伸。

多模态整合、空间智能、具身智能等等这一个个碎片拼起来，就是那个人机共生的超级智能时代。

让我们好好生活，活的足够长，让自己有能看到AGI的那一天。