什么是 Agentic AI？AI 如何从 Chatbot 演化成 Co-Worker？【译】

2026-08-06T00:00:00+00:00

原文：https://www.freecodecamp.org/news/what-is-agentic-ai-from-chatbot-to-co-worker</p> </blockquote>

你询问 ChatGPT 一个问题，它回答你。你询问另外一个，它再次回答你。这种问答方式一直是大多数人使用 AI 的标准方式：一个能跟你对话，快速且聪明的回答助手。</p>

然而一些重大变革正在发生，AI 不再仅仅是回答问题，而是能够独立计划、决策和行动。这类新型 AI 被称作 Agentic AI，在当今科技界正快速地成为最重要的变革之一。</p>

本文我们将详细介绍什么是 agentic AI，它的工作原理和应用场景，以及带来的风险。</p>

涵盖的内容</h1>

“Agentic”到底是什么意思？</li>
Chatbot 工作原理 vs Agent 工作原理</li>
一个真实案例：商务旅行</li>
AI Agent 的组成模块</li>
为什么变革现在发生？</li>
当前 Agentic AI 在哪里使用？</li>
有哪些风险？</li>

这对你来说意味什么？</li> </ul>

“Agentic”到底是什么意思？</h1>
这个单词源自“Agency”：独立行动以实现目标的能力。</p>
一个常规的 chatbot 等待你询问问题，而一个 agentic AI 系统是给定一个目标，然后自行找出实现目标的步骤。它能使用工具、浏览网页、编写并运行代码、发送邮件，然后循环往复修复自身的错误，无需你指导具体每一步。</p>
思考一下这两种方式的不同：chatbot 像一个知识丰富但只会回答问题的同事；AI agent 像给同事一个任务并告诉他：“帮我解决这个问题”，然后转身离开。</p>

Chatbot 工作原理 vs Agent 工作原理</h1>

要理解 agentic AI，看看其行为的区别很有帮助。</p>

chatbot 执行一个简单的循环：</p>

用户输入命令 -> AI 阅读 -> AI 生成恢复 -> 完成</span></span></code></pre>
而 AI agent 执行一个更复杂的循环：</p>
用户指定一个目标</span></span>
  —> agent 将其分成多个步骤</span></span>
  -> agent 选取一个工具（网页浏览器、代码运行器、邮箱等）</span></span>
  -> agent 执行一个动作</span></span>
  -> agent 检查结果</span></span>
  —> 如果结果错误或未完成，agent 调整并重试</span></span>
  -> agent 移动到下一步</span></span>
  -> 重复直到完成目标</span></span></code></pre>
计划、行动、检查和重试的能力使得 agentic AI 存在本质不同。它不仅仅是在语句中预测下一个单词，而是真正在运行一个小型项目。</p>
一个真实案例：商务旅行</h1>
这里有一个更具体的例子。</p>
你告诉 AI agent：“帮我预定下周一去孟买最便宜的航班，找到距离会议中心最近的酒店，并将二者添加到我的日程”。</p>
chatbot 会给你链接或建议然后将剩下的全部留给你自己处理。</p>
而 AI agent 会：</p>
Step 1：搜索周一去孟买的航班</span></span>
Step 2：比较价格选择最便宜的方案</span></span>
Step 3：填写乘客信息并完成预定</span></span>
Step 4：搜索会议中心附近的酒店信息</span></span>
Step 5：核对空房情况和价格</span></span>
Step 6：完成酒店预定</span></span>
Step 7：从两个预定中提取确认详情</span></span>
Step 8：添加航班和酒店到你的日程</span></span>
Step 9：给你发送摘要邮件</span></span></code></pre>
每一步都涉及使用不同的工具或服务，agent 会帮你处理，你只需要给它一个目标。</p>
AI Agent 的组成模块</h1>
每一个 AI agent，不管多复杂，都是由以下核心部份组成。</p>
A brain</strong>（大语言模型）：这是推理引擎，常用的大语言模型有 GTP-4 和 Claude。输入目标，思考计划，然后决定下一步做什么。</p>
Memory</strong>：agent 需要记住哪些已经完成了。短期记忆跟踪当前任务，长期记忆使 agent 能跨对话存储信息：所以它能够记住你上一次的偏好设置。</p>
Tools</strong>：没有工具的 agent 只是 chatbot。工具赋予 agent 真正能力。常用的工具包括网页搜索、代码执行、文件读取、API 调用，邮件和日历访问。agent 决定什么时候使用哪一个工具。</p>
A feedback loop</strong>：在执行一个动作之后，agent 会检查其是否工作正常。如果这一步失败或者返回一个错误结果，它将尝试不同的方法。这种自我修正的方式使得 agent 具有处理多步骤任务的能力。</p>
为什么变革现在发生？</h1>
agentic AI 并不是新概念。研究者对有自主能力的 agent 的研究已有数十年之久，为什么在 2026 年突然无处不在？</p>
有三个前提恰好在此时同时满足。</p>
首先，语言模型变得更擅长推理。早期模型擅长写作但不擅长逻辑规划。没有一个模型能够处理复杂的任务、找出输出存在的错误，以及更换任务的策略。</p>
其次，工具集成变得更加容易。像 LangChain、AutoGen 和 OpenAI 这些框架及其函数调用功能，使得开发者能够轻松将模型连接到实际工具中。之前花费几个月的工程现在只需要几天。</p>
再者，企业开始要求更为苛刻。拷贝复制 AI 的建议到论坛或者邮件一下子就过时了。公司希望 AI 能够完成工作流，而不仅仅是协助他们。</p>
当今 Agentic AI 在哪里被使用？</h1>
agentic AI 已经出现在许多行业中，不仅仅是科技公司。</p>
在软件开发中，AI agent 编写代码、运行测试、找到 bug 并发起 PR 请求：所有这些只需要单条命令如“修复结账页面的登陆错误”。</p>
在客户支持方面，agent 处理所有对话，查询订单历史，处理借款，将复杂案例上报给人工客服，并通过邮件进行后续跟踪：整个过程无需 agent 操作共担。</p>
在研究中，agent 搜索批量信息源，提取关键数据，交叉引用核对找到的结果，并生成总结报告。过去通常需要几小时的任务，现在几分钟就能完成。</p>
在市场营销方面，agent 负责起草活动内容、安排社交媒体文章、监控绩效指标，并根据有效措施提出调整建议。</p>
有哪些风险？</h1>
agentic AI 能力非常强，同时它带来的真实影响是值得深思。</p>
其中最大的问题是意外行为。agent 误解目标后会产生一连串的错误步骤，直到人们意识。不像 chatbot 给你一个错误回答可以简单忽略，agent 的错误预订或发送错误邮件已经导致了真实世界的问题。</p>
另一个问题时安全。能够读取邮件、访问文件和浏览网页的 agent 极易成为攻击目标。技术上称为：“prompt 注入”：欺骗 agent 在阅读隐藏在网页或文档时执行恶意指令。</p>
最后是问责制的问题，当 AI agent 通过十步工作流出错时，非常困难去追溯出错环节以及负责人或责任机制。</p>
这是为什么当今大多数设计精妙的 agentic 系统都包括“human in the loop”：在 agent 作出行动之前，一个让人们检阅和提供关键决定的检查点。</p>
这对你来说意味什么？</h1>
你无需成为开发人员也能感受到 agentic AI 的影响。这些系统已经集成到了人们日常使用的工具中：邮箱、项目管理应用、CRM 系统等等。</p>
值得理解的转变是：AI 正在从一个交互的工具变成了一个与你一起工作的系统。chatbot 回答你的问题，而 agent 则处理你的任务。</p>
这是有意义的改变：不仅体现在 AI 的工作原理上，更重要的是我们如何与其一起工作。你越清楚 agent 的能力范围，就越能更好利用它，合理分配任务，更快速找到错误并解决在雪球越滚越大之前。</p>
agentic AI 不再只是科幻小说，它已经出现在你的工作场所，并且在未来会变得更强大。</p>
理解技术原理是第一步，下一步是决定如何运用在工作中。</p>
希望你喜欢这篇文章。</p>

shaozk - ai

什么是 Agentic AI？AI 如何从 Chatbot 演化成 Co-Worker？【译】