AI 与智能

AI 智能体到底是什么？看清它能替你干哪些活、又会在哪翻车

这两年“智能体”这个词到处刷屏，听上去像是会自己干活的助手。它确实和普通聊天机器人不一样，但差在哪、靠不靠谱，很少有人讲清楚。差别其实很具体：模型外面裹了工具、记忆，和一个会自己往下走的循环。

2026 年 5 月 12 日 方屿

你大概已经习惯了对着聊天框提问、拿回一段文字。但最近你可能听说过另一种东西：你给它一个目标，它自己去查、自己点几下、自己把活儿干完，中间不用你一句句喂。这就是“智能体”。它不是更聪明的聊天机器人，而是给聊天机器人接上了手脚。接上手脚，麻烦也跟着来：它会在你看不见的地方点错、重复，或者把一个错误假设执行五遍。所以给它派活之前，先问一句：这件事万一做错了，撤销起来麻烦吗？

同一句话，聊天机器人和智能体的反应差在哪

普通聊天机器人只会“说”，智能体会“做”。你问聊天机器人“帮我查查下周去上海的高铁”，它最多给你一段文字，告诉你大概几点有车、让你自己去买。换成智能体，你给同样这句话，它会真的去打开订票页面、筛出符合时间的车次、把候选列出来，甚至在你点头后直接下单。中间这些步骤，是它自己决定、自己执行的，不用你一步步指挥。

理解智能体只要抓住一个词：自主。它在一个目标下，自己拆解任务、自己选择该用哪个工具、自己根据结果决定下一步。背后那颗“大脑”还是你熟悉的大语言模型，但它不再只是把话接完就停，而是被装进了一个能反复观察和行动的壳子里。它看起来神奇的地方和它翻车的地方，其实是同一个根：能自己动手，就意味着能自己动错。

智能体和聊天机器人，到底差在哪

很多人觉得智能体就是“更聪明一点的 ChatGPT”，这个理解会让你高估也低估它。差别不在于谁更聪明，而在于谁能动。聊天机器人是一问一答的循环：你说一句，它回一句，回完它就什么都不做了，等你下一句。它没有手，碰不到外面的世界。

智能体在同一颗大模型外面多包了三样东西：一是能调用工具的能力，让它能真的去搜索、读文件、点按钮、发请求；二是规划能力，让它能把一个大目标拆成一串小步骤；三是循环执行的机制，让它干完一步、看一眼结果、再决定下一步，而不是一锤子买卖。正是这三样，把“会聊天”变成了“会干活”。这也意味着，它能帮你的更多，能闯的祸也更大，这两件事是一体两面。

核心循环：观察、规划、行动、再看一眼

智能体内部其实没有什么玄学，就是一个不停转的圈。你可以记成四个动作：观察、规划、行动、再看一眼。它先看清当前的处境和目标，想一下这一步该干什么，动手去做，然后看做完之后世界变成了什么样，再回到第一步。这个圈一圈一圈转，直到目标达成或者它判断该停了。

举个具体的：让它“整理这个文件夹里所有发票，汇总成一张表”。它会先看文件夹里有什么（观察），决定先打开第一个 PDF（规划），读出里面的金额和日期（行动），发现这张是发票就记下来、不是就跳过（再看一眼），然后处理下一个文件。每一轮它都拿着上一轮的结果重新判断，所以遇到格式不一样的文件、缺页的文件，它有机会自己绕过去，而不是一头撞死。

这个循环也是它和老式自动化脚本最大的不同。脚本是写死的，第一步第二步永远不变，遇到没料到的情况就报错停下。智能体每一步都在临场判断，所以它能应付更乱、更没规律的活。代价是，它每一步都可能判断错，错了还会带着错往下走。这一点后面会专门讲。

让它能动手的两件事：工具调用和记忆

光会想没用，得能伸手够到外面的东西。智能体伸手的方式叫“工具调用”。开发者预先告诉模型：你手边有这么几样工具，一个能搜网页、一个能读文件、一个能发邮件、一个能查数据库，每样工具怎么用、要填什么参数，都写清楚。模型在需要的时候，就生成一段“我要用搜索工具，关键词是这个”的指令，外面的程序接住这段指令、真去执行、再把结果递回给模型。模型本身碰不到网络，是这套机制替它把手伸了出去。

第二样东西是记忆。一个任务往往要好几步，它得记住前面查到了什么、已经做了哪些、还差什么。短期记忆就是当前这段对话的上下文，装着这一轮任务的来龙去脉；有些智能体还配了长期记忆，把跨任务的偏好和事实存进一个外部库里，下次再用时翻出来。没有记忆，它每走一步都像失忆重来，根本串不成一件完整的事。

把智能体想成一个新来的能干实习生：脑子够用、肯动手，但对你的具体情况一无所知，给的工具用不好会闯祸。你越是把目标、边界和可用的工具交代清楚，他干得越漂亮。

一个真实例子：把“订下周去上海的差旅”自动跑完

把前面的零件拼起来，看一个完整的活怎么跑。你扔给智能体一句话：“帮我订下周三去上海、周五回来的高铁和酒店，预算控制在两千以内，酒店要离虹桥近。”一个聊天机器人到这儿只会给你一堆建议；智能体会真的开始干。

它先把这句话拆成几件事：查高铁车次、查酒店、对一遍预算、确认时间不冲突。然后调用订票工具，筛出周三去、周五回、时间合适的车次（观察加行动）。接着调用地图和酒店工具，找虹桥附近、价格能压进剩余预算的几家（再看一眼，发现某家超预算就换一家）。它一路把选好的车次和酒店记在短期记忆里，最后汇总成一个方案给你看：去程哪趟、回程哪趟、住哪家、总共多少钱。

注意最关键的一步：到这里它停下来，等你确认。一个设计得当的智能体，会把“查、比、凑方案”这些可逆的活自己干完，但把“真的刷钱下单”这种不可逆的动作留给你点头。这就是它好用又不至于失控的分界线，后面讲安全使用时，我们会回到这条线上。

多智能体协作，又是怎么回事

你可能还听过“多智能体”这个说法，听起来很高级，其实思路很朴素：一个人忙不过来，就分工。把一个复杂任务拆给几个各管一摊的智能体，一个专门搜资料、一个专门写、一个专门挑错，再有一个当“工头”负责调度和拼装。它们之间互相传结果，像一个小团队那样把活分着干完。

这么做的好处是，每个智能体可以专精一件事、用一套适合它的工具和提示，比让一个万能选手什么都干往往更稳。坏处也很明显：环节多了，出错和扯皮的机会也多了，一个环节传了错东西给下一个，整条链可能跟着歪。所以多智能体不是越多越好，对大多数日常任务来说，一个设计扎实的单智能体反而更省心。听到“多智能体”别先入为主觉得它一定更强。

现在它最不靠谱的几个地方

智能体现在还远不到能完全撒手的程度，翻车的方式有几种很典型，你用之前最好心里有数。

第一种是跑偏。它在中间某一步理解错了你的意图，然后信心十足地朝错误方向一路走到黑。因为它每一步都基于上一步的结果，第一步歪了，后面全歪，而且它自己往往察觉不到。第二种是卡死，遇到它不会处理的情况，比如一个它看不懂的弹窗、一个需要验证码的页面，它可能在那里反复试同一个无效动作，或者干脆绕圈出不来。

第三种最隐蔽，叫错误累积。单看每一步好像都还行，但小偏差一步步攒下来，到最后结果就离谱了。再加上前面讲过的大模型本来就会“编”，智能体把编出来的东西当真去执行，后果比聊天时编一句话严重得多，它可能真的去发了一封不该发的邮件。所以现阶段的共识是：让它干，但盯着它，尤其是会改东西、会花钱、会对外发消息的环节。

什么活能交给它，什么先别

判断一件活能不能交给智能体，别看它听上去酷不酷，就看两件事：这活出了错你能不能发现，以及错了好不好收场。下面这张表，是我每次决定要不要放手时，心里都会过一遍的判断。

规律其实很清楚：信息搜集、资料整理、写草稿、做对比这类“查和理”的活，可以放心交给它，因为错了你一眼能看出来、改回来也容易。而真要花钱、真要对外发东西、真要删改重要数据这类不可逆的活，现阶段一律留一道人来确认，别让它一条龙跑到底。

第一次用，怎么用才安全

第一次让智能体替你干活，动手前把下面几条对一遍。

• 先挑一个出了错你能一眼看出来、也能轻松改回来的任务练手，别上来就让它处理删不得、改不得的东西。
• 想清楚这活万一搞砸，代价大不大。代价大的，全程留人盯着，关键步骤要它停下来等你确认。
• 判断这活要不要人盯：会动钱、会发消息、会改重要文件的，都属于要盯的那一类。
• 把权限收到最小，只给它干这件事真正需要的访问范围，别图省事把全套钥匙都交出去。

安全地用智能体，靠的是把缰绳留在手里。第一次它表现好，不等于下一个更复杂的任务它也稳。让它从小活、可逆的活开始证明自己，你再一点点放开，这是目前最稳妥的上手姿势。

2026 年 9 月，普通人能用上哪些智能体

产品名字换得很快，下面只列 2026 年 9 月查得到官方或可靠报道的几款，不排名次。挑的时候重点看最后一列：它在哪些动作前会停下来问你。

一款产品说不清它在哪儿停、你能不能随时叫停、它做过什么有没有记录可查，就先别让它碰你的真实账号。

哪些权限别交给它

厂商自己写的安全说明，比任何评测都直白。Anthropic 在 Claude in Chrome 的使用说明里写明，浏览器类 AI 最大的风险是“提示注入”：网页里藏着恶意指令，诱导 AI 去做你没让它做的事。它还列出了不该交给它的活：管理金融账户和投资、处理法律文件和合同、处理医疗健康信息、输入敏感数据、做股票和投资交易。

落到你手上，就是这几条。网银、支付、券商、加密货币钱包这些账号不让它登录。密码和短信验证码自己输，不打进对话框，用 ChatGPT agent 时切到接管模式再输。邮箱只让它起草，发送留给你点。用 Claude in Chrome 这类工具，在设置里把批准方式改成手动。涉及账号的任务做完就退出登录。它在执行中突然聊起不相干的话题、打开你没提过的网站，或者开口要密码、验证码，立刻停掉任务，这很可能就是网页里藏的指令在起作用。

它已经做错了事，怎么收场

第一步是叫停。上面几款都能随时打断或接手，先停下来再查，别让它带着错接着跑。

第二步是把钥匙收回来。它通过授权连上的账号，要到账号那头去撤销。谷歌账号打开 myaccount.google.com/linkedapps，选 Access to your Google Account（有权访问你账号的应用），点进对应的应用，选 See details，再点 Remove access 并确认。GitHub 在头像、Settings、Applications、Authorized OAuth Apps 里找到它，点 Revoke。它要是见过你的密码，把密码改掉。

第三步是处理已经做出去的事。发错的邮件，马上给收件人补一封说明；下错的单，去商家那里取消，已经付了钱的，联系银行或支付平台问能不能撤回；删错的文件，先看回收站和云盘的历史版本。它的操作记录和对话截图都留着，向产品方反馈用得上，真有钱款损失，报案和申诉也要用。

还要提防借智能体行骗的人。有人会说“把账号密码或交易所 API 密钥交给我的 AI 智能体，它帮你自动交易、自动赚钱”。把钱和账号交给一个你看不到记录、也叫不停的程序，跟交给陌生人没有区别。

这几种说法，听着顺耳但站不住

更新记录：2026 年 5 月 12 日首发，后来补充了“核心循环”一节、智能体与聊天机器人的对比表和动手前自检清单。2026 年 9 月 29 日补充：2026 年 9 月能用上的几款智能体和它们在哪儿停下来问你，哪些账号权限别交出去，以及它做错事之后怎么叫停、撤销授权、补救。

方屿 · 未来观察主编

长期跟踪科技报道，习惯把被讲复杂、或被讲浮夸的技术，对照公开资料一条条还原成普通人能判断的样子；也被各种“颠覆性”宣传忽悠过，才学会先核证据再下结论。开「看懂未来」专栏。了解更多