AI Agent 是什么？用资料整理看懂它与聊天机器人的区别
用会议资料整理解释大语言模型 Agent 的工具调用和反馈循环，区分智能体与固定工作流，并说明判断任务完成时应该核对的实际结果。
先理解这个概念
本文讨论由大语言模型驱动的 AI Agent：它围绕一个目标选择下一步操作，通过工具获得外部结果，再据此继续执行或停止。例如整理会议资料时，它可以先搜索文件，读取内容后发现缺少日期，再补查另一份记录。普通问答只生成回复；Agent 增加了对执行过程的动态控制。能调用一次工具并不自动证明它有这种控制，仍应检查工具记录与完成结果。
模型决定下一步，软件负责执行工具
模型本身输出的搜索请求，并不会自动变成一次成功搜索。运行它的软件需要把请求交给工具，再把工具返回的内容提供给模型。工具可以是文件读取器，也可以是数据库查询。用户看到的聊天回复只是其中一部分，实际执行结果要由相应工具确认。
ReAct 论文展示过将语言模型的推理与外部动作交替进行的做法：动作带回新的信息，供后续步骤使用。这有助于理解 Agent 的反馈循环，但不表示每款产品都使用同一架构，也不意味着它会像人一样理解任务。判断时应关注可观察的工具调用和结果。
固定工作流与智能体控制的步骤不同
如果程序每周固定下载报表，再按写好的公式计算总和，步骤已经预先决定。即使其中加入 AI 摘要，它仍可以主要是一条固定工作流。Agent 则可能在发现报表缺项后选择查询另一份文件，并根据查询结果改变后续操作。这个差别在于任务进行时由谁决定接下来的步骤。
Agent 一词在不同产品中用法并不统一。本文采用 Anthropic 的结构划分：预定义的代码路径属于工作流；由模型动态安排过程与工具使用的系统属于 Agent。不能只凭产品名称给它分类，稳定的固定任务也未必需要更复杂的智能体。
一次会议资料整理可以这样观察
假设任务是根据两份会议记录整理待办，并给每项待办标出来源。Agent 先找到文件，读取后发现其中一份缺少负责人；它可以继续查相关记录，也可以把该项标为待确认。这里描述的是一个自拟例子，实际产品是否具备这些行为，需要通过执行记录验证。
验收时检查输出是否能与原记录逐项对应，还要打开实际生成的文件。工具报错后，若助手只在聊天里说已经保存，任务仍没有完成。下表列出的都是可以查看的证据，不需要把模型生成的长篇解释当成成功凭据。
| 任务环节 | 应能查看的证据 |
|---|---|
| 找到会议资料 | 工具返回的文件名称及可读内容 |
| 形成带来源的待办 | 待办与原文对应，缺失信息被标明 |
| 保存最终文件 | 文件实际存在且内容能打开 |
使用前先确定权限和停止条件
读取资料和修改外部系统需要的权限不同。资料整理任务可以先只给读取权限，确实需要写文件时再开放相应目录。发送消息等动作应遵守具体产品的授权安排，不能把 Agent 能调用工具误解为它已经获得了所有操作权限。
任务还需要明确的结束标准，例如待办文件已生成且缺失信息已经列出。连续搜索没有新资料时，应允许返回已完成部分或请求补充材料，而不是无限重复调用工具。本文提供概念解释与检查方法，未测试特定 Agent 的执行成功率；需要更多控制细节可继续阅读工具循环问题页。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。