我们把整个任务过程拆开，我们会发现，一个真正能够完成工作的 AI，至少需要具备下面几种能力。

第一步,它必须能够理解用户目标。

例如：

帮我统计最近一个月的销售数据。
它需要知道最终目标不是回答一句话，而是生成统计结果。

第二步，它必须能够制定计划。

例如：

读取数据
↓
统计分析
↓
绘制图表
↓
生成报告
没有整个计划，就很难完成复杂任务。
第三步，它必须能够执行操作。

例如：

打开 Excel；
查询数据库；
调用浏览器；
执行 Python；
发送邮件。
这些都不是语言生成能够直接完成的。

执行完成之后，它还需要观察结果。

例如：

Python 是否运行成功？

数据库是否返回数据？

网页是否打开成功？

如果失败了怎么办？

它必须重新调整下一步行动。

最后一步，它还需要记住当前任务进行到了哪里。

否则，每执行一步，都必须重新开始。

于是，一个完整的任务流程就变成了：

理解目标
↓
制定计划
↓
执行操作
↓
获取结果
↓
继续执行
↓
……
↓
任务完成
所以到了这里,我们就会发现,这已经不再是一次推理，而是一个持续运行的过程。
9.6 Agent 的真正含义
现在，我们终于可以回答最开始的问题了。

什么是 Agent(智能体)？

很多文章会说,智能体等于LLM加工具的结合体.

虽然这句话不能算错。

但它并没有说明 Agent(智能体) 最重要的特点。

更准确地说：Agent 是一个基于LLM能够围绕某一个目标持续工作的 AI 系统。

这里有两个关键词。

第一个是：目标（Goal）

用户告诉它想要完成什么。

第二个是：持续（Continuous）

它不会回答一句话就结束。

而是不断的：思考->行动->观察->调整->直到目标完成。

因此，Agent 与聊天机器人的最大区别，并不是它拥有更多工具，而是：它拥有完成任务的能力。

9.7 Agent 只是开始，而不是终点
到这里，你可能会觉得：

既然 Agent 能够完成任务，是不是已经解决所有问题了？

答案仍然是否定的。

因为 Agent 本身仍然只是一个概念。

真正要让 Agent 工作起来，它还需要很多能力，例如：

如何调用工具？
如何连接企业系统？
如何保存长期记忆？
如何规划复杂流程？
如何管理整个执行过程？
这些问题，我们将在后面的章节中逐步介绍。

本章总结
这一章，我们完成了从 LLM 到 Agent 的认知转变。

需要记住四句话：