第 1.1.2 节：区分 Agent、聊天机器人与工作流的职责边界
进入实现之前，先围绕“区分 Agent、聊天机器人与工作流的职责边界”划清适用场景、不做范围和判断条件。完成本节后，你应该能够用对比表判断 Agent、聊天机器人与工作流的适用条件、职责边界和取舍理由。
核心概念
AI Agent（人工智能体）
AI Agent（人工智能体） 是一个由模型驱动的任务执行单元。它接收目标，读取上下文，调用工具，观察结果，并决定下一步动作。
一个最小 Agent 至少包含：
- 目标：它要完成什么。
- 指令：它应该如何行动。
- 模型：它用什么语言模型推理和生成。
- 工具：它能调用哪些外部能力。
- 状态：它在任务过程中记录什么。
- 边界：它什么时候应该停止、拒绝或转人工。
Chatbot（聊天机器人）
Chatbot（聊天机器人） 以对话回复为中心。它可以有上下文，但通常不负责完成跨系统任务。
例如：
- 回答“你们公司几点上班？”
- 解释“RAG（检索增强生成）是什么？”
- 根据用户输入生成一段文案。
这些能力有价值，但不一定需要 Agent 架构。
Workflow（工作流）
Workflow（工作流） 是由开发者预先写好的流程。模型可以参与其中，但流程路径主要由代码控制。
例如审批流：
- 用户提交报销材料。
- 系统检查金额。
- 金额超过阈值进入主管审批。
- 审批通过后进入财务付款。
这个流程可以加入模型做材料摘要或异常识别，但主流程仍然是确定的。
Tool Calling（工具调用）
Tool Calling（工具调用） 是让模型调用外部函数或服务的机制。Agent 不只是“会说话”，它要能查数据库、读文件、调用 API（应用程序接口）、执行计算和触发业务动作。
工具调用让模型从“生成文本”扩展到“完成动作”。但工具越多，越需要权限、日志、失败处理和人工审批。
四层解释法：什么才算 Agent（智能体）
| 层级 | 解释 |
|---|---|
| 人话解释 | Agent 不是“更会聊天”，而是能根据目标决定下一步该问用户、查资料、调工具、转人工还是停止。 |
| 项目位置 | 在客服工作台里，Agent 位于用户入口、知识库、订单系统、工单系统和人工客服之间，负责调度这些能力。 |
| 工程动作 | 你要定义目标、可用资料、可用工具、状态字段、停止条件、权限、日志和失败兜底。 |
| 面试说法 | 我不会把所有 AI（人工智能）应用都叫 Agent。我会先判断任务是否需要多步骤决策、工具使用和状态管理，再决定是否采用 Agent 架构。 |
Agent（智能体）高层架构
这个图表达的是一个循环：模型不是一次性回答完就结束，而是在任务执行过程中不断读取状态、调用工具、观察结果和做下一步决策。
读图重点：沿双向连线阅读：模型给出判断，工具和状态把现实结果送回 Agent，边界与审批决定最终输出或动作。
Agent（智能体）与 Workflow（工作流）的区别
| 维度 | Workflow | AI Agent |
|---|---|---|
| 流程路径 | 开发者预先写死或配置 | 模型根据上下文动态选择 |
| 适合场景 | 稳定、规则清晰、风险可控 | 任务开放、多步骤、需要判断 |
| 可预测性 | 高 | 中等，需要护栏 |
| 工具调用 | 代码控制为主 | 模型可参与选择工具 |
| 失败处理 | 明确分支 | 需要设计停止条件和兜底 |
工程上不要迷信 Agent。能用确定流程解决的事情，优先用 Workflow。只有当需求需要动态判断、跨工具操作和多轮目标推进时，才应该引入 Agent。
本章在客服 Agent（智能体）工作台中的位置
客服工作台可以分成 6 个层级。本章负责定义最上层的架构判断。
| 层级 | 作用 | 本章要掌握的判断 |
|---|---|---|
| 用户入口 | 接收客户问题、身份和上下文 | 这是不是一次需要完成任务的请求？ |
| 知识库层 | 存放政策、产品、FAQ（常见问题）和流程资料 | 问题是否需要检索依据？ |
| 工具层 | 连接订单、物流、工单和通知系统 | 问题是否需要真实业务数据或动作？ |
| Agent 决策层 | 判断下一步动作 | 是否需要动态选择资料、工具或人工？ |
| 人工协作层 | 处理投诉、审批和复杂争议 | 哪些场景不能自动化？ |
| 审计与复盘层 | 记录过程和结果 | 之后能否解释系统为什么这样处理？ |
如果读者只记住一句话：Agent 不是替代所有层，而是把这些层按任务目标组织起来。