从「会聊天」到「会干活」：Agent 差的那一步

同样是提问，聊天机器人回你一段文字，智能体（Agent）能把活干完：查了系统、填了表、把结果发回给你。差别听起来只是多走一步，实现上差的是三样硬东西：能动手、有状态、知道什么时候停。这三样也正好划出了现在哪些活敢交给它、哪些还别交的边界。

从「会说」到「能动手」

聊天机器人只能输出文字；智能体能调用工具——打开网页、查数据库、填表、发消息。机制上是模型输出结构化的调用指令，外部程序去执行，把结果再喂回模型，由它决定下一步。所以准确地说，动手的是围绕模型搭建的程序框架，模型负责决策，执行靠外挂的工具。

这一环决定了智能体和聊天机器人的分野：没有工具调用，模型再聪明也只是在「说」。想知道这类工具怎么在网页上一步步点击操作，可以看浏览器 Agent 是怎么点页面的这一篇。

状态要能带着走

一件像样的活往往要十几步，中间结果必须能存、能查、能接着用。聊天机器人每轮对话相互独立；智能体需要两类记忆：工作记忆记录「现在做到哪一步」，外部存储保存「查到的单号、写了一半的表」。

状态管理做不好的典型表现是绕圈：反复查同一个信息、重复执行已经做过的步骤、越跑越偏。判断一个智能体框架靠不靠谱，先看它的状态是怎么落盘的，再谈模型能力。

知道什么时候停

任务完成没完成、失败要不要重试、重试几次放弃、出错怎么退回——这些判断最容易被低估，却决定它能不能独立干完一件活。停不下来的智能体会陷入死循环，烧掉调用费用；过早放弃的会把半成品交回给你。给停止条件写清楚判据，比给模型换一个更强的版本更有用。上线之后想盯住它的每一步，靠的是执行过程的可观测性建设，出了问题能回放，而不是事后猜。

现在的真实水平

能稳定做的：步骤固定、结果可验证的流程，比如按条件整理文件、批量填表、定时汇总数据。还在摸索的：需要多轮判断、环境经常变化的任务，成功率不稳定。暂时别指望的：涉及金钱、法律后果、不可逆操作的自动执行——人要保留确认这一步，这是当前的安全共识，划智能体的安全边界时要把这类任务排除在自动执行之外。

值不值得搭，看三条标准

这件事你每天做、步骤一样、做错了能马上发现。三条全满足，才值得花时间搭；否则用普通对话反而更快。还要算一笔成本账：搭一个流程的调试时间往往是用它省下的时间的好几倍，任务频率太低，投入收不回来。

路线完全固定的流程，用工作流比用智能体更稳；需要临场判断的才轮到智能体出场，两者的分界值得先想清楚。

对照方法：把你的任务按四行对号入座，落在哪行就按哪行的做法来，不要用同一种方案硬套。

三个新手该多问的问题

智能体的工具账号权限怎么给？按任务给到刚好够用：只读任务给只读权限，写操作单独走确认。工具账号和个人主账号分开，出问题时影响范围可控。

中途出错了，前面十几步怎么办？看框架的失败恢复能力：规范的实现会把每步结果落盘，出错后从上一步重跑，不用从头再来。选框架时优先验证这一点。

几个智能体分工干活，交接怎么做？交接什么、汇报什么，要在设计阶段约定好格式，可以参考Agent 间通信的交接与汇报机制，否则各说各话，拼不出完整结果。

Agent 速查

• 差的三样：调用工具、状态带着走、知道何时停
• 每天做、步骤一样、错了马上能发现，三条全中才值得搭
• 路线固定用工作流，需要临场判断才用智能体
• 金钱、法律后果、不可逆操作不自动执行

把智能体当成「会自己走流程的助手」，而不是「什么都能干的下属」，期待和方案都不会跑偏。