看懂AI Agent的6个术语：从‘聊天机器人‘到‘能干活的助手

qq_41962550

218人浏览 · 2026-07-25 11:31:30

qq_41962550 · 2026-07-25 11:31:30 发布

看懂 AI Agent 的 6 个术语：从"聊天机器人"到"能干活的助手"

AI工具人 PM 的认知笔记：天天说"AI Agent"，但你知道它和 ChatGPT、自动化脚本、传统聊天机器人到底有什么区别吗？这篇文章从进化线切入，拆解一个能干活的 Agent 系统由哪 6 大模块组成。零基础友好，适合产品经理和技术同学一起读。

引子：ChatGPT 和 Agent，不是一回事

你可能每天都在用聊天机器人——ChatGPT、文心一言、Kimi……但最近"Agent"这个词冒出来的频率越来越高。很多人觉得："这不就是更聪明的聊天机器人吗？"

不是。

它们之间有一个本质的差距——就像"计算器"和"计算器+计算器+算盘+算盘+Excel"的区别。

下面我们从进化史的角度，一步步看过来。看完你会明白：为什么 Agent 不是一个新模型，而是一个系统。

一、AI 助手进化四代：从"死板执行"到"自主干活"

第一代：自动化脚本 —— 精确但死板

"我说东，它就往东；我说西，它就往西。"

自动化脚本（比如 Python 定时删文件、Excel VBA 批量处理）是最早的"智能"形式。

优点： 执行准确、不会跑偏
缺点： 你得多描述每一步——它听不懂"帮我整理一下"这种模糊指令，你得写清楚"打开 A.xlsx，把第一列转成日期格式，跳过空行，保存为 B.xlsx"

类比： 像一个只会照指令做事的人。你给步骤，他干活。但只要你没说清，他就卡住了。

第二代：传统 Chatbot —— 能听懂，但干不了活

"对话很流畅，一问一答很开心，但说完就没了。"

早期的 Chatbot（比如客服机器人的固定菜单）只能从预设选项里选回答，或者走固定的流程树。

优点： 交互方式友好
缺点： 范围有限——超出预设流程的事，它什么都做不了

类比： 像一个会接待的客服前台。你能问的问题都在它的知识库里，超范围的它只会说"这个我不太了解"。

第三代：大语言模型（LLM） —— 能聊能说，但永远在等你下一步指令

"啥都能聊，但你是它的主管，它永远在等你下一步。"

ChatGPT 的出现是一个巨大飞跃。它能理解自然语言、写代码、翻译、分析数据。但它本质上是"被动等待指令"。

你问："帮我查一下最近有哪些好的开源项目"——它会给你一份列表。

但你不能说："你去搜一下、筛选一下、整理成文档发给我，然后明天记得提醒我看。"——它做不到，因为你给了它一个多步骤任务链，而它每次只响应一次。

关键局限： 单次响应。你让它做一件事，它做完就停了。不会自己决定下一步该做什么。

第四代：AI Agent —— 给它目标，它能自己走流程

"你说目标，剩下的你自己搞定。"

这就是 Agent 和以上所有的本质区别。

Agent = 大语言模型的「大脑」+ AGENTS.md 的「规矩」+ Skills 的「手艺」+ Memory 的「记忆」+ MCP 的「工具箱」+ Subagents 的「分身能力」。

一句话概括：

LLM 是"你说什么我就做什么"；Agent 是"你给我目标，我自己想办法完成"。

举几个具体对比：

场景	ChatGPT（LLM）	AI Agent
"帮我写一篇关于 AI 发展趋势的文章"	写完就停了	先去搜索最新报告 → 整理观点 → 写好初稿 → 检查格式 → 自动发布
"帮我审查这个项目里的代码命名规范"	给你一段通用建议	打开项目文件夹 → 逐文件检查 → 把违规的列成表 → 告诉你改了哪些
"上周那个项目进度到哪了"	不知道你在说什么	翻之前的笔记/记录，给你答案

Agent 不是一个新模型，而是一种使用方式——把大模型放进一个有规则、有记忆、有工具、能协作的系统里。

二、一张图看懂进化关系

自动化脚本       -> 精确但死板，全靠人写步骤
    ↓
传统 Chatbot     -> 能对话但范围窄，预定义路径
    ↓
大语言模型(LLM)  -> 能聊能说，但只能被动回应
    ↓
AI Agent         -> 有目标就能自己拆解任务、调工具、记上下文、找人协作

三、六大模块：一个 Agent 是怎么"站起来"干活的

最近看到一张图（清华姜学长「深入浅出剖析 AI」系列第 57 集），把 Agent 系统拆成了 6 个模块。每个模块解决的是一个 LLM 本身不具备的能力。

我们一个一个看。

① AGENTS.md —— 规矩

"这个项目里，你怎么干，别人（和 AI）也要这么干。"

AGENTS.md 是一个项目的行为准则文件。它规定了三件事：

项目怎么运行——代码改了谁来审核？测试跑不跑？提交信息格式是什么？
哪些能改、哪些不能改——比如数据库结构不能直接改，必须走迁移脚本。
提交信息格式——commit message 怎么写，PR 模板是什么。

通俗理解： 一个新入职的员工收到一本《员工手册》。AGENTS.md 就是那本手册——告诉 AI："在这个项目里，规则是这样的。"

没有它，AI 就像一个有本事但没有纪律的人——能干很多事，但每次做事方式不一样，最后项目乱掉。

LLM 为什么不需要这个？ 因为 LLM 是被动的，每次对话都是独立的。但当你让它长期参与一个项目时，就需要这份"规矩"来约束它。

② Skill —— 手艺

"按需调用，不占脑子；是工具墙，不是杂物堆。"

Skill 是 AI 掌握的专项能力。不是"什么都会一点"的万能助手，而是：

知道什么时候该用什么技能
用完就放下，不留印象污染上下文
同类技能归类整齐（设计类放一起、开发类放一起）

通俗理解： 像一个装修师傅的工具箱。需要锤子的时候找锤子，需要电钻的时候找电钻。

关键区别：技能是要选的（按场景触发），不是什么都往上堆（全加载到上下文里吃 token）。

③ Memory —— 记忆

"记得准、连得上项目背景；规则经验，该忘就忘。"

Memory 解决的是"上一轮说过啥"的问题。一个 Agent 如果只有当下对话的上下文，它就不记得你三天前跟它说过什么、上次做到哪一步了。

好的记忆系统有两个原则：

记得准——只存重要的、不会过期的东西（项目结构、用户偏好、决策结论）
该忘就忘——临时调试的细节、一次性的中间步骤，说完就丢

通俗理解： 人的大脑就是这样——记得住密码和经验，但不记得昨天中午吃了啥。AI 的记忆也应该是这个逻辑。

和 LLM 的区别： ChatGPT 也能"记住"当前对话里的内容，但一旦刷新页面、开新对话就全忘了。Agent 的记忆可以跨会话保留——周一说的需求，周三继续用时它还��得。

④ MCP —— 工具连接

"统一插座，让 Agent 真正动手。"

MCP（Model Context Protocol）是 Anthropic 推出的工具连接协议。它定义了：

AI 怎么调用外部工具（搜索、浏览器、API、数据库……）
它是一个标准接口——不管什么工具，都通过同一个"插座"插进来
有了它，AI 不再只是"嘴上说说"，可以真正执行操作

通俗理解： 就像 USB 接口——以前不同设备要不同的线，现在一根线都能插。MCP 让 AI 调各种工具时有一个统一的方式。

这是 LLM 和 Agent 最本质的区别之一：大语言模型本身只会输出文字；只有通过 MCP 接入工具后，它才能打开浏览器、调用 API、操作文件——从"说"变成"做"。

⑤ A2A —— Agent 协作（Agent-to-Agent）

"Agent 互相递名片，然后交接任务。"

A2A 描述的是多个 Agent 之间怎么合作：

Agent A 发现自己搞不定，找到擅长这件事的 Agent B
双方交换基本信息（名片），确认能力和任务边界
Agent A 把手头的工作交给 Agent B 继续做，做完再传回来

通俗理解： 像公司里的跨部门协作。产品经理不懂技术细节，就把需求交给技术团队；技术团队搞完了再把成果交回给产品经理审核。

这不是"一个人做所有事"，而是"一群专家接力完成一件事"。

LLM 做不到的： 两个 ChatGPT 对话窗口不会互相知道对方在干什么。Agent 系统中不同 Agent 可以协作、交接。

⑥ Subagents —— 分身

"任务太大做不完？拆出去并行处理。"

Subagent 是把一个大任务拆开并行执行的子代理。比如：

主 Agent 接到"帮我审查这个项目的 50 个文件"
派出 3 个子 Agent，分别查文档规范、检查注释、核对命名
各自完成后汇总结果

通俗理解： 领导接了一个大项目，分成 3 个小组同时推进，最后各自交报告。

注意：Subagent 和 A2A 的区别——A2A 更像两个独立团队交接，Subagent 更像你同时派了三个分身去干活。

四、六块拼在一起，才是完整的 Agent 系统

只会聊天的不算 Agent。能真正干活的 Agent = 规矩 + 手艺 + 记忆 + 插座 + 协作 + 分身。

模块	解决的问题	类比	LLM 自带？
AGENTS.md	怎么干	员工手册	❌
Skill	会干什么	工具箱	❌（但会很多）
Memory	记得什么	大脑记忆	⚠️（仅限当前对话）
MCP	能调什么工具	通用插座	❌
A2A	怎么跟别人合作	跨部门协作	❌
Subagents	怎么处理大任务	分身并行	❌