AI Agent通常译作AI智能体或智能代理。它接收目标后，能够判断下一步行动、选择工具、读取执行结果，再据此继续任务。普通聊天机器人主要返回一段内容，智能体则可能查询数据库、操作文件、调用业务系统或提交审批。
Anthropic在《Building effective agents》中区分了工作流与智能体：工作流按照预先定义的路径编排模型和工具，智能体会动态决定过程和工具使用。两者没有高低之分。发票审核、内容发布审批等规则稳定的任务，固定工作流往往更便于控制。
AI智能体由哪些部分组成
模型与指令
模型负责理解目标、选择行动和生成结果。系统指令要写明角色、允许使用的工具、完成条件和禁止行为。含糊的“尽量做好”无法替代明确验收标准。
工具与数据
工具可以是搜索、数据库查询、代码执行、邮件、日历或内部API。每个工具应只获得完成任务所需的权限。读取客户资料与删除记录不是同一级别的操作，不应放在同一个宽权限凭据中。
状态、记忆与执行记录
长任务需要保存已完成步骤、输入来源、工具返回值和失败原因。记录既能帮助智能体恢复任务，也方便人员追查结果从哪里来。个人偏好可以进入长期记忆，账号密码、密钥和无关个人信息不应被当作普通记忆保存。
评估与人工审批
智能体可能在多轮操作中逐步偏离目标。关键节点需要自动检查或人工批准，例如对外发送、付款、删除、修改生产数据和发布公开内容。
五种常见的智能体工作模式
- 提示链：前一步输出成为下一步输入，适合结构固定的长任务。
- 路由：先识别问题类型，再交给对应模型、知识库或流程。
- 并行处理：多个独立子任务同时执行，最后合并结果。
- 生成与检查：一个环节产出，另一个环节按照清单检查并要求修订。
- 自主规划：智能体根据中间结果决定下一步，适合路径无法事先写死的任务。
自主程度越高，测试和防护成本通常越高。能用固定流程解决的问题，没有必要强行改成开放式智能体。
从一个可验证的小任务开始
- 选择有明确输入和完成标准的任务，例如把支持工单分类并生成回复草稿。
- 限制第一版工具权限，只允许读取测试数据并保存草稿。
- 准备正常、异常、恶意和信息缺失案例。
- 记录每一步工具调用、耗时、费用和人工干预。
- 达到预设成功率后，再逐步增加真实数据和可执行动作。
上线前的安全检查
- 工具参数进行类型和范围校验，不能把模型输出直接当作可信命令。
- 外部网页、邮件和文件都视为不可信输入，防止其中的指令改变系统规则。
- 写操作使用最小权限账号，重要操作采用二次确认或双人审批。
- 为循环次数、调用费用和运行时长设置上限，异常时自动停止。
- 保留可检索日志，并准备人工接管、撤销和事故响应流程。
FAQ
AI Agent和RPA有什么区别？
RPA擅长在固定界面和规则下重复操作。AI智能体能够理解非结构化信息并动态选择步骤，但结果更不确定。实际项目常把两者组合使用。
多智能体一定比单智能体好吗？
不一定。多智能体会增加通信、成本和调试难度。只有任务可以清楚分工，而且各部分结果能够独立验证时，多智能体才更容易带来收益。
智能体可以直接连接生产系统吗？
应先在隔离环境和只读权限下测试。连接生产系统时要限制账号权限，对高风险写操作设置审批，并保留完整日志。
如何判断智能体任务已经完成？
完成条件应写成可检查的状态，例如指定字段已填写、所有引用均可访问、审批人已确认。仅让模型自行判断“已经完成”不够可靠。
参考资料
- Anthropic：Building effective agents
- Anthropic：Trustworthy agents in practice
- NIST：AI Risk Management Framework
编辑说明：本文讨论通用技术架构。具体权限、日志保存和审批要求应根据业务风险及所在地区的法律规则确定。
