Appearance
13. 什么是 AI Agent？它和传统 AI 应用的区别是什么？
难度 P0 必背 · 岗位 应用 · 频率 ★★★ · 预计阅读 6 min
本题阅读地图
- 💡 简要回答
- 📝 详细解析
- 🎯 面试总结
👔面试官：现在各种 AI 应用都号称自己是 Agent，你觉得什么是真正的 AI Agent？它和传统 AI 应用到底有什么区别？
🙋♂️我：Agent 就是能对话、能回答问题的 AI 系统，像 ChatGPT 那样的。
👔面试官：ChatGPT 那种是聊天机器人，不是 Agent。Agent 的核心是能调用工具、能根据中间结果继续决策，而不是一问一答就结束了。你连这个都没区分开，怎么判断什么时候该做 Agent？
🙋♂️我：那就是能调用 API 的吧，能查天气、查数据。
👔面试官：能调用 API 只是工具使用能力，Agent 更关键的是要有运行循环——能想一步、做一步、看结果、再决定下一步。而且你要想清楚，不是所有 AI 应用都该叫 Agent，很多场景 Workflow 就够了。
好吧，这个问题确实是概念重灾区。下面我把 Agent 的本质讲清楚。
TL;DR 速记
- 是什么：Agent 是围绕目标持续决策的系统，不是单轮问答，也不只是“会调 API”。
- 最小骨架：模型 + 工具集 + 运行循环 + 当前状态。
- 怎么答：传统 AI 是输入一次、输出一次；Agent 会根据工具结果更新状态，再决定下一步，直到完成、失败或转人工。
图解
💡 简要回答
Agent 可以概括为：Agent = 模型 + 工具集 + 运行循环 + 当前状态。
- 模型负责理解目标和决定下一步
- 工具集负责提供外部能力
- 运行循环负责让系统不是只回答一次，而是能持续决策
- 当前状态负责保存消息、工具结果和中间结论
传统 AI 应用更接近"输入一个请求，返回一个结果"的单轮系统；Agent 更接近"围绕目标持续做决策"的运行方式。
📝 详细解析
Agent 的最小骨架
很多人会把"长期记忆"、"复杂规划"、"多智能体协作"都当成 Agent 的必备条件，其实不是。对很多入门场景来说，能做到"理解目标、决定是否调工具、拿到结果再继续判断"，就已经是 Agent 了。
这四个组件缺一不可：
模型：核心大脑，负责理解用户意图、分析当前局面、决定下一步动作。
工具集：外部能力的延伸。没有工具，模型只能凭空生成文本；有了工具，才能查数据库、调 API、读文件、搜网页。
运行循环：Agent 的灵魂。传统应用是"输入->处理->输出"，Agent 是"输入->决策->执行->观察->再决策"的循环。只有当任务完成、或遇到终止条件、或转人工时，循环才结束。
当前状态：保存整个任务过程中的上下文——历史消息、工具返回的中间结果、已确认的字段、待办事项。没有状态，Agent 就不知道"进行到哪一步了"。
什么场景适合 Agent？
不是所有 AI 应用都该叫 Agent。
不适合 Agent 的场景：
- 固定表单生成：每次输入输出格式固定，Workflow 就够了
- 固定知识问答：纯 RAG 问答，不需要多步决策
- 固定流程审批：流程节点明确，用 Workflow 或规则引擎更合适
适合 Agent 的场景：
- 路径不固定，需要根据中间结果继续选择工具
- 任务需要多步完成，每一步都依赖上一步的结果
- 需要动态决策，无法提前写死流程
举个例子：查天气只是一个工具调用，不是 Agent；但"查天气→根据天气推荐穿搭→根据穿搭推荐购买链接→处理下单"这种多步链路，才是 Agent 的用武之地。
Agent 不是万能的
Agent 带来灵活性的同时，也带来复杂性。
- 链路更长，成本更高
- 调试更复杂，需要追踪中间状态
- 失控风险更高，可能循环、跑偏或陷入死胡同
- 延迟更高，多轮模型调用和工具执行累加
所以工程上的判断原则通常是：先用简单方案（Prompt + RAG + Workflow），只有当任务开放度高、工具选择依赖中间结果、流程没法提前写死时，才升级到 Agent。
常见踩坑与反例
踩坑 1：把聊天机器人叫 Agent
错误描述：「能多轮对话、能回答问题，就是 Agent。」
正确做法：多轮对话只是交互形式。Agent 要能围绕目标持续决策，至少包含工具、状态和运行循环。
踩坑 2：把单次工具调用叫 Agent
错误描述：「会调用天气 API，就是 Agent。」
正确做法：单次调用只是工具使用。Agent 的关键是拿到工具结果后还能继续判断下一步，而不是调完一次就结束。
踩坑 3：所有场景都升级成 Agent
错误描述：「Agent 更高级，所以 RAG、Workflow 都应该改成 Agent。」
正确做法：固定流程、低延迟、高一致性场景优先用 Prompt、RAG 或 Workflow。只有路径不固定、需要动态选择工具时，再上 Agent。
踩坑 4：只讲模型能力，不讲状态
错误描述：「Agent 的核心就是模型更聪明。」
正确做法：模型只是决策器。没有状态记录消息、工具结果和中间结论，系统就不知道任务推进到哪一步。
面试官可能继续追问
追问 1：Agent 和 Workflow 怎么选？ 答题要点：Workflow 流程固定、可控性强；Agent 路径动态、灵活性强。生产里常混用：主流程用 Workflow，开放决策点交给 Agent。
追问 2：Agent 的运行循环如何终止？ 答题要点：不能只靠模型说“完成了”，要结合任务产物、工具结果、状态机终态、最大步数和超时保护。
追问 3：Agent 最小可用版本怎么做？ 答题要点：先做单 Agent + 少量工具 + 明确状态 + 最大步数；把日志、工具校验、失败兜底做起来，再扩展长期记忆或多 Agent。
追问 4：Agent 的主要工程风险是什么？ 答题要点：成本、延迟、不可控、循环失控、工具误调用。治理手段是权限控制、预算限制、trace 观测和人工介入。
🎯 面试总结
回到开头那段面试，面试官问"什么是 Agent"，你要能说出四个核心组件：模型、工具集、运行循环、当前状态。
然后说清本质区别：传统应用是单轮，Agent 是多轮循环；传统应用流程固定，Agent 根据中间结果动态决策。
最后还要能判断边界：不是所有场景都适合 Agent，固定流程用 Workflow 更可控，只有路径不固定、需要动态决策时才值得上 Agent。
来源：基于 AI 智能体与大模型应用开发面试题库整理