ARTICLE · 1318625
AI应用拆解09|从助手到智能体:AI为什么开始主动执行任务?
AI应用拆解09|从助手到智能体:AI为什么开始主动执行任务?你对AI说：“帮我安排下周的出差。”普通助手可能生成一份行程建议，然后等待你的下一条指令。智能体则可能继续读取日历、查询交通信息、比较方案、整理行程，并在得到确认后写入日程。两者都使用大语言模型，但真正的区别不是谁更会聊天，而是谁在控制任务的下一步。一句话先说清智能体的基本循环是：接收目标 → 观察状态 → 选择行动 → 调用工具 → 检查结果 → 继续或停止。 
只要任务没有完成，这个循环就可能继续运行。人不再需要为每一步重新发送指令。01｜助手回答问题，智能体维持任务普通AI助手通常以一次对话为单位工作。用户提出问题，模型根据当前上下文生成回答。这次生成结束后，下一步做什么，通常仍由用户决定。智能体需要维护更完整的任务状态，包括：目标：最终要完成什么。约束：时间、预算、权限和禁止事项。进度：哪些步骤已经完成。结果：工具返回了什么信息。异常：哪里失败，是否需要重试或改道。有了这些状态，模型才能判断下一步应该搜索资料、读取文件、调用系统，还是结束任务。02｜智能体为什么能“主动”行动这里的“主动”并不意味着AI拥有自己的意愿，而是系统允许模型在目标范围内选择下一步操作。Anthropic把预设流程与智能体作了区分：工作流按照提前编排的路径运行；智能体则由模型根据当前状态，动态决定过程和工具。例如处理客户退款时，固定工作流可能依次检查订单、金额和退款规则。智能体面对材料缺失或特殊情况时，可能先查询历史沟通，再判断是否需要补充信息或转交人工。不同产品对“智能体”的定义并不完全一致，但通常都会包含三个部分：模型：判断当前情况和下一步行动。工具：搜索、读取数据或改变外部系统。指令与边界：规定可以做什么、不能做什么。03｜工具把语言判断变成真实行动如果模型只能生成文本，它最多告诉你“应该发送邮件”。连接邮件工具后，它才可能创建草稿；获得发送权限后，它才可能真正发出邮件。同样的变化也会发生在文件、数据库、支付、代码和企业系统中。工具让智能体从“提出建议”转向“产生外部影响”。权限越大，系统能完成的事情越多，误操作的后果也越真实。因此，判断一个AI应用是否属于智能体，不能只看它是否使用了“Agent”名称，而要看三个问题：它是否保存并更新任务状态？它是否能够自己选择下一步？它是否可以调用工具影响外部系统？04｜不是所有任务都需要智能体路径明确、规则稳定的任务，更适合固定工作流。例如把表单字段写入数据库，使用确定性程序通常更便宜、更快，也更容易检查。强行加入智能体，可能只会增加延迟、成本和不确定性。智能体更适合步骤无法完全预先写死的任务，例如综合多份资料开展研究、处理存在例外的服务请求，或在复杂软件环境中完成操作。这也是为什么一些官方开发指南建议从最简单的方案开始：单次模型调用能够解决时，不必增加执行循环；固定工作流能够覆盖时，也不必扩大自主决策范围。05｜真正重要的是停止条件智能体不仅要知道如何继续，还要知道什么时候不能继续。常见风险包括：误解目标后连续执行、使用过期状态、重复调用工具、在失败循环中消耗资源，以及获得超过任务所需的权限。较稳妥的设计通常包含四类边界：最小权限：只开放当前任务真正需要的工具和数据。关键审批：发送、付款、删除和公开发布前由人确认。执行上限：限制时间、成本、工具调用次数和重试次数。全程留痕：记录调用了什么工具、使用了哪些参数、得到什么结果。NIST提出的智能体身份管理原则还强调，应区分智能体与人的身份，限制被转交的权限，并在高风险操作达到阈值时触发人工审核。使用智能体时，可以这样要求请先复述任务目标、约束和完成标准，再列出准备执行的步骤。每一步都说明需要调用什么工具、会读取或修改什么内容，以及如何验证结果。遇到信息不足、工具报错或结果冲突时，不要自行猜测。涉及发送、付款、删除、公开发布或不可逆修改时，必须暂停并等待确认。任务结束后，请给出执行记录、证据来源、未完成事项和仍需人工检查的内容。最后一句AI助手主要生成下一条回答；AI智能体则在边界内持续决定下一步，并对工具产生的外部影响负责。参考资料Anthropic：Building effective agentshttps://www.anthropic.com/research/building-effective-agentsOpenAI：A practical guide to building agentshttps://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/NIST：Design Tenets for Agent Identity Management Systemshttps://www.nist.gov/blogs/cybersecurity-insights/design-tenets-agent-identity-management-systemsNIST：Building Evaluation Probes into Agentic AIhttps://www.nist.gov/programs-projects/building-evaluation-probes-agentic-ai
