AI Agent 和聊天机器人究竟差在哪里？

开场：同一个窗口，两种东西

你在客服页面里打字问「我要退货」，对面回了一段退货政策——这是聊天机器人。

还是同一个窗口，你说「我要退货」，对面查了你的订单、确认符合条件、直接发起了退款，还把工单状态改成了「已处理」——这是 Agent 在干活。

界面可以一模一样，底子里是两种东西。这一期把分界线划清楚。

一、先看一个官方案例：退货

Anthropic 在《Building Effective Agents》里把客服列为 Agent 最有价值的落地场景之一，并点明它「结合了大家熟悉的聊天机器人界面，再通过工具集成增强能力」：

• 聊天机器人版：按知识库告诉你退货政策和流程，剩下的步骤你自己去操作。它全程只「说」。
• Agent 版：同样从对话开始，但它能调用工具拉取你的订单记录和购买历史、检索知识库，并实际执行动作——发起退款、更新工单。而且办没办成，有明确标准可以衡量。（来源 1）

打个比方（编辑类比，非来源原话）：聊天机器人像咨询台，只动嘴指路；Agent 像拿了工牌和系统权限的办事员，能查系统、能办手续——但柜台边上站着主管，大额退款得主管签字。这个「主管」下文还会出现。

二、分界线只有一条：谁决定下一步

这是 Anthropic 和 OpenAI 两家官方指南共识最强的一条：

• 工作流（workflow）：LLM 和工具按人预先定义好的代码路径被编排——步骤是人提前排好的。
• Agent：LLM 动态地指挥自己的流程和工具使用，掌控自己如何完成任务——步骤由模型边做边定。（来源 1）

OpenAI 的判据相同：由 LLM 管理工作流执行、并在过程中做决策的，才是 Agent；简单的聊天机器人、单轮问答，因为不控制工作流的执行，明确被排除在外。（来源 2）

所以记住一句话：能调工具的不一定是 Agent，关键看下一步是谁定的。

三、Agent 是怎么干活的：一个循环

Anthropic 的原话：Agent「通常就是 LLM 在一个循环中、根据环境反馈来使用工具」。Google 的表述是「思考 → 行动 → 观察」的递归循环，每转一圈，根据结果修正做法。（来源 1、5）

这个模式在学术上有出处：2022 年的 ReAct 论文让模型交错地「想一步、做一步、看一眼结果再想下一步」，推理用来制定和修正计划，动作用来对接外部信息源。（来源 4）

对照之下，聊天机器人是直线：一问，一答，结束。Agent 是圆环：给它一个目标，它自己转着圈往前推进，直到完成、出错或到达停止条件。

四、五个维度，快速对照

1. 工作方式：聊天机器人以对话为单位产出文字；Agent 在循环里根据反馈反复行动，产出的是「事情的进展」。
2. 工具：OpenAI 把 Agent 的工具分三类——数据工具（查数据库、读文件、搜网页）、行动工具（发邮件、改记录、转工单）、编排工具（把另一个 Agent 当工具调用）。工具补的是模型权重里没有的能力：实时信息、执行代码、私有数据。（来源 2、3）
3. 自主程度：人给目标和边界，模型在边界内自己驱动多轮——注意是「有边界」，见下一节。
4. 记忆与规划：经典框架里，Agent = LLM 大脑 + 规划（拆任务、自我反思）+ 记忆（短期 = 上下文窗口；长期 = 外部向量库按需检索）+ 工具。（来源 3）普通聊天机器人的「记忆」通常只有当前对话，关掉窗口就没了。
5. 失败模式：聊天机器人是说错话，后果停在一句话；Agent 还会做错事，而且多步循环里一步错、步步错——Anthropic 明确警告过「错误复合」的风险。（来源 1）

五、「自主」是有边界的自主

宣传里最爱省略的，恰恰是官方指南写进定义的部分：

• Anthropic：Agent 要在每一步从环境获取真实反馈来评估进度；一般要设置停止条件（如最大迭代次数）；遇到卡点可暂停、等人类反馈。（来源 1）
• OpenAI：Agent 始终在护栏内运行；高风险、不可逆的动作（取消订单、大额退款、付款）应触发人工监督；失败次数超过阈值应转人工。（来源 2）

这就是开场那个「站在柜台边的主管」。任何宣称「完全自主、无人值守」的产品，省略的正是两家官方指南认为必备的部分。

六、三句宣传话术，逐句对表

「能联网、能调工具，就是 Agent。」——不准。判据是控制权不是工具：步骤按人写好的路径走完的，是工作流。（来源 1、2）

「上了 Agent 一定更强。」——不准。Anthropic 的首要建议是找尽可能简单的方案：Agent 通常是拿延迟和成本换任务表现，很多场景一条写好的工作流反而更便宜、更稳。（来源 1）

「它有长期记忆，越用越懂你。」——夸大。所谓长期记忆的工程实质是外部向量库加检索：存的是文本向量，查的是相似条目。它更像「一个记得去翻的笔记本」，不是人式的理解。（来源 3）

结尾

下次再看到「AI Agent」四个字，先别问它用的什么模型，问三个问题：下一步是谁决定的？它能不能真的动手？出了错，谁兜底、怎么停？答得上来的，才配叫 Agent。

来源

1. Anthropic《Building Effective Agents》（Erik Schluntz、Barry Zhang），2024-12 — https://www.anthropic.com/engineering/building-effective-agents
2. OpenAI《A Practical Guide to Building AI Agents》（网页版未标注发布日期，2026-11-03 访问）— https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/
3. Lilian Weng《LLM Powered Autonomous Agents》，2023-06-23 — https://lilianweng.github.io/posts/2023-06-23-agent/
4. Yao et al.《ReAct: Synergizing Reasoning and Acting in Language Models》，ICLR 2023 — https://arxiv.org/abs/2210.03629
5. Google Cloud Blog《A dev's guide to production-ready AI agents》，2026-02-26 — https://cloud.google.com/blog/products/ai-machine-learning/a-devs-guide-to-production-ready-ai-agents

*标注：「咨询台 vs 办事员」为编辑类比；「失败后果超出对话」为基于来源 2 工具分类与护栏设计的编辑推导，已在研究笔记中注明区分。研究笔记：../research-ep1-agent.md。*