从Chatbot到Agent
图解导读：AI产品形态变了，人的控制点也要变
Chatbot回答问题，Copilot陪你做事，Agent则可以把目标拆成步骤、调用工具并连续执行。能力越强，越不能只看"它会什么"，还要看"它什么时候需要停下来问人"。
Agent的典型循环是目标、计划、执行、观察和调整。这个循环很有用，也更需要人类检查点：高风险操作要批准，方向跑偏要停止，最终责任不能交给自动化流程。
Chatbot：一问一答
Chatbot是绝大多数人接触AI的第一站。你输入问题，AI回答。这个模式的核心特征是反应式交互：你不问，它不说。
从2022年底ChatGPT发布开始，Chatbot模式在全球范围内引发了AI应用的第一波浪潮。国内的文心一言、通义千问、Kimi、DeepSeek等产品也迅速跟进。
三个能力上限：
- 只能说，不能做 -- 纯Chatbot不能替你查实时数据、操作文件、执行代码
- 断裂的工作流 -- AI的工作空间和你的工作空间是隔离的。你需要手动复制粘贴它的输出
- 缺少环境感知 -- 它不知道你在用什么软件、光标在哪里、你已经做了什么
这三个上限不是缺陷，而是设计边界。正因为Chatbot"只会说不会做"，它也是最安全的AI形态 -- 它最多给你一个错误的建议，但不会自动执行错误的操作。
Copilot：嵌入式辅助
Copilot的本质突破是把AI从聊天窗口"请"到了你的工作环境中。它能看到你正在做什么，并在合适的时机提出建议。
| 对比 | Chatbot | Copilot |
|---|---|---|
| AI在哪里 | 独立的聊天窗口 | 你的工作软件内部 |
| 上下文 | 你手动描述 | AI自动感知 |
| 交互方式 | 你问它答 | 它主动建议 |
| 控制权 | 你自己执行 | 你接受/拒绝建议 |
典型产品
- GitHub Copilot / Cursor -- 代码编辑器中的AI辅助
- Microsoft Copilot for 365 -- Office套件中的AI助手
- Notion AI / 飞书智能伙伴 -- 笔记和项目管理中的AI辅助
- WPS AI -- 国产办公套件中的AI写作助手
Copilot的价值在于减少上下文切换成本。你不需要在工作和AI聊天窗口之间来回切换，也不需要花时间描述你的工作环境 -- AI已经"看到"了。
Agent：自主多步执行
Agent是"你说目标，它去完成"。核心机制是Agent Loop：
感知 -> 推理 -> 行动 -> 反馈 -> 循环直到任务完成
Agent Loop实例
你对Claude Code说："帮我把这个项目的所有测试跑一遍，修复失败的测试。"
- Agent读取项目结构，发现使用pytest
- 运行
pytest，发现3个测试失败 - 读取失败测试的错误信息，分析原因
- 修改源代码修复问题
- 重新运行测试验证修复
- 重复直到全部通过
注意这个过程中人类只做了一件事：定义目标。Agent自主完成了"感知-推理-行动"的完整循环。
Agent的信任边界问题：Agent自主执行十几步操作，其中的错误可能被后续步骤放大。2025年以来的Agent产品普遍采用分级信任机制：低风险操作自动执行，高风险操作需人工确认。中国信通院关于智能体的文章也指出，智能体具备自主感知、理解、规划、记忆、行动和使用工具的能力，能够自动化执行复杂任务[1]。能力越强，越需要清晰的边界和确认机制。
Workflow与Automation
Workflow：步骤预先定义好，AI只在每一步内部负责内容处理。比Agent更可预测、更可调试。你可以把Workflow想象成一条"有轨电车"，路线是你定的，AI只负责在每一站做好自己的工作。
Automation：在满足特定条件时自动启动Workflow，无需人工触发。
Automation的铁律
自动化的操作影响范围越大，人工审核的节点就应该越多。自动分类邮件可以完全自动化；自动代你发送回复至少应该让你预览确认；自动发布到公网的内容更应该经过严格审核。这不是效率问题，而是责任问题。
Computer Use
AI通过"看屏幕、操作鼠标键盘"来使用计算机。不需要API接口 -- 它直接像人一样操作图形界面。2024年Anthropic首先发布了这一功能。
这是一个重要里程碑，因为它打破了"必须有API才能操作"的限制 -- 任何人类能通过图形界面完成的操作，AI理论上都能做。但安全风险也是最高的，因为AI可以操作你屏幕上的任何东西 -- 包括浏览器、邮件客户端、文件管理器。
当前的安全防线：
- 沙箱执行 -- 在隔离环境中运行，限制影响范围
- 敏感操作暂停 -- 涉及支付、删除、发送等操作时自动停下等待确认
- 操作日志 -- 记录AI的每一步操作，供事后审查
- 权限约束 -- 只开放完成任务所需的最小权限
能力-风险光谱
| 产品形态 | AI能做什么 | 最坏后果 | 人类控制度 |
|---|---|---|---|
| Chatbot | 生成文字 | 采纳错误建议 | 完全控制 |
| Copilot | 嵌入式建议 | 接受不合适修改 | 逐步审批 |
| Agent | 多步工具操作 | 文件被错误修改 | 关键节点审批 |
| Workflow | 预定义流程 | AI处理不准确 | 流程设计时控制 |
| Automation | 自动触发执行 | 错误操作反复执行 | 规则设计时控制 |
| Computer Use | 操作图形界面 | 影响任何GUI系统 | 沙箱+暂停 |
不是越强大的AI产品形态就越好。正确的逻辑是"用最合适的"，而不是"用最强的"。一个简单的问答用Chatbot就够了，没必要动用Agent。
选择AI工具的六个维度
- 任务类型与产品形态匹配 -- 简单问答用Chatbot，多步执行用Agent
- 模型能力匹配 -- 强推理选大模型，简单任务选轻量模型
- 成本考量 -- 分层使用不同模型，避免"杀鸡用牛刀"
- 速度需求 -- 交互式任务选快模型，后台任务可选慢但强的模型
- 隐私与数据安全 -- 敏感数据考虑本地模型或国内模型
- 中文能力 -- 特定中文场景（古诗文赏析、法律法规分析等）可能国产模型更优
国内AI产品生态
截至2025年，中国AI产品生态已经相当成熟。DeepSeek在推理能力上表现突出且完全开源，Kimi擅长长文本处理，通义千问在工具调用方面持续改进，文心一言在中文理解上有独特优势。CNNIC《生成式人工智能应用发展报告（2024）》显示，我国生成式人工智能产品和应用正在快速扩展，用户规模已达2.3亿人[2]。选择工具时不必盲目追求国外产品 -- 在很多中文场景下，国产模型的表现甚至更好。
本章核心回顾
- 六种AI产品形态：Chatbot、Copilot、Agent、Workflow、Automation、Computer Use
- 能力与风险同步增长，选择原则是"用最合适的"
- Agent的核心是Agent Loop（感知-推理-行动循环）
- Workflow比Agent更可预测，适合重复性任务
- 选择工具从六个维度评估：任务类型、模型能力、成本、速度、隐私、中文能力
我要查一个历史事件的日期，用Agent吧，它最强大！
Chatbot、Copilot、Agent三者的核心区别是什么？
'分级信任机制'在Agent产品中意味着什么？
想一个你日常学习中重复做的任务。它更适合用Chatbot、Copilot还是Agent来完成？为什么？
参考文献
中国信通院董晓飞等. (2024). 智能体推动大模型应用普惠向实. https://finance.sina.com.cn/roll/2024-11-29/doc-incxsxxw8904248.shtml ↩︎
中国互联网络信息中心. (2024).《生成式人工智能应用发展报告（2024）》. https://www.cnnic.cn/n4/2024/1216/c88-11196.html ↩︎