上周有个朋友问我："你们天天说 AI Agent，跟我用的 ChatGPT 有啥不一样？不都是跟 AI 聊天吗？"
问得好。这个问题如果用一句话回答：ChatBot 只能说，Agent 能做。
但一句话太粗暴了，展开说说。
ChatBot 的本质：一个很会说话的回答机器
不管 ChatGPT 表现得多聪明，它的工作模式其实很简单：
你输入一段话 → 模型算一算 → 吐出一段话
你问它怎么做红烧肉，它给你一个菜谱。你让它帮你写封邮件，它写好了贴在聊天窗口里。你让它帮你查数据库里有多少用户，它会说"你可以用这个 SQL 查一下"。然后？没有然后了。
你复制 SQL，打开终端，连上数据库，粘贴执行，看结果。
这就是 ChatBot 的边界：它的输出永远是文字。它能写代码但不能跑代码，能给方案但不能执行方案，能建议你发邮件但不能替你发邮件。
它很像一个学识渊博但被关在玻璃房里的顾问。你问什么它都能答，但它伸不出手来帮你做任何事。
Agent 的核心：给 AI 装上手和脚
现在想象一下，你把这个顾问从玻璃房里放出来。给它一台电脑，告诉它数据库的地址和密码，给它钉钉的发消息权限，给它访问文件系统的能力。
然后你说："帮我查一下上周的注册数据，做个分析报告，发到团队群里。"
它坐下来，自己连数据库执行 SQL，自己算日活和留存率，自己用 Markdown 写报告，自己调钉钉 API 把报告发出去。五分钟后回复你："报告已发送，上周新增 1,234 人，环比增长 12%。"
这就是 Agent。
如果用一个公式表达：
Agent = 大模型 + 工具调用 + 自主规划
大模型负责理解和推理，这部分和 ChatBot 一样。区别在后面两项：工具调用让它能执行操作，自主规划让它能把复杂任务拆成步骤一步步完成。
一个对比就够了
同一个需求，ChatBot 和 Agent 的表现差异：
你说： "帮我把这个 CSV 里的销售数据整理一下，算出每个地区的总额，发到 #sales 频道"
ChatBot 的回答：
你可以用 pandas 读取 CSV 文件，然后用 groupby 按地区汇总。代码大概是这样的：
import pandas as pd df = pd.read_csv('sales.csv') result = df.groupby('region')['amount'].sum()整理好之后，你可以通过 Slack API 发送消息到频道...
然后你自己打开 Python，自己写代码，自己调 Slack API。
Agent 的做法：
直接动手。读文件、跑计算、格式化结果、调 API 发送。你什么都不用干，等着收结果就行。
这就是"能说"和"能做"的区别。不是 AI 变聪明了（其实用的可能是同一个模型），而是它获得了行动的能力。
Agent 是怎么工作的
拆开来看，Agent 完成一个任务的过程分四步：
第一步，理解任务。 你的描述可能是模糊的。"整理一下销售数据"具体是什么意思？Agent 要判断：是按地区汇总？按时间排序？还是做环比分析？如果不确定，好的 Agent 会问你。
第二步，拆解计划。 任务往往不是一步能完成的。Agent 会把它拆成：读取文件 → 清洗数据 → 计算汇总 → 格式化输出 → 发送消息。每一步的结果是下一步的输入。
第三步，逐步执行。 Agent 一步步调用工具。先调文件读取工具拿到 CSV，再调代码执行工具跑计算，再调消息发送工具推到频道。每一步都会检查结果。如果文件不存在、格式不对、API 报错，它需要处理这些异常。
第四步，反馈结果。 任务完成后，告诉你做了什么、结果是什么、有没有遇到问题。
这个"拆解 → 执行 → 检查 → 调整"的循环，就是 Agent 和 ChatBot 最根本的区别。ChatBot 做一次推理就结束了，Agent 会持续循环直到任务完成。
工具调用：Agent 能力的关键
让 Agent "能做事"的关键是工具调用（Tool Use）。技术上长这样：
{
"name": "query_database",
"description": "执行 SQL 查询",
"parameters": {
"sql": "SELECT COUNT(*) FROM users WHERE created_at > '2025-01-01'"
}
}
模型不直接操作数据库。它生成一个结构化的"调用请求"，系统接到请求后去执行，把结果返回给模型。模型看到结果后决定下一步做什么。
工具可以是任何东西：数据库查询、文件读写、HTTP 请求、发消息、执行代码。你给 Agent 接了什么工具，它就具备什么能力。
这种设计也意味着 Agent 的能力是可控的。你不给它数据库权限，它就查不了数据库。你不给它发消息的工具，它就只能把结果打印出来。权限边界是清晰的。
现在都有哪些 Agent
按使用场景分几类：
编程 Agent 是目前最成熟的方向。Claude Code、Cursor、GitHub Copilot Agent Mode 可以直接帮你写代码、改文件、跑测试。它们对代码库有全局理解，能跨文件修改，还能自动修复测试失败。
通用助手型 Agent 像 ChatGPT 加了插件、Claude 加了 MCP 工具集。能查天气、搜网页、生成图片、操作日历。能力取决于接了多少工具。
企业流程 Agent 是更垂直的应用。比如客服 Agent 接了工单系统和知识库，能直接处理用户问题而不只是回答；比如数据分析 Agent 接了数据仓库，能直接跑查询出报告。
自动化 Agent 是最前沿的方向。像 Devin 这种，号称能独立完成从需求分析到部署上线的全流程。目前还在早期，稳定性和适用范围都有限，但方向很明确。
那 Agent 是万能的吗？
当然不是。几个现实的限制：
工具决定天花板。 Agent 再聪明，没接相应的工具就做不了对应的事。没给它浏览器工具，它就不能上网搜信息。这既是限制也是安全保障。
规划能力有瓶颈。 任务拆解到五六步以上，Agent 犯错的概率会明显上升。计划越长，中间每一步出偏差的可能性越大，最后的结果可能和预期差很远。
它不会说"我不行"。 这是个容易被忽略的问题。Agent 通常会尽力尝试完成任务，即使它并不真正理解你要什么。相比之下，一个靠谱的人类同事会说"这个需求我不太明白，能再说说吗"。
所以 Agent 到底有什么用？
回到开头朋友的问题。ChatBot 和 Agent 的关系，有点像百科全书和一个助手的关系。
百科全书知识渊博，你翻到哪一页都能找到答案。但它不会帮你做任何事。看完之后，活还是你自己干。
助手可能没有百科全书那么全面，但你给它交代一件事，它会自己去查资料、联系人、写报告、订会议室，最后跟你说一句"搞定了"。
这就是 Agent 的价值。不在于它"知道"多少，而在于它"能做"多少。
而我们现在正处在这个从"知道"到"能做"的转变过程中。工具在变好，模型在变强，协议在标准化。五年后回头看，2025 年大概就是 Agent 从实验品变成日常工具的转折点。