市面上所谓的Agent（智能体）其实就是LLM增强的工作流
极客见识约 6 分钟这并非您的错觉，而是因为我们正处在一个技术演进的过渡阶段。今天我们来深入梳理一下，聊聊它们的定义、核心区别以及未来的发展方向。
1. Agent (智能体) 的核心定义是什么？
在人工智能领域，Agent 有一个比较经典的定义。我们可以把它拆解成几个关键要素：
一个智能体 (Agent) 是一个能感知 (Perceive) 其所处环境 (Environment)，并通过执行器 (Actuators) 来行动 (Act) 的实体，其行动的目的是为了理性地 (Rationally) 实现某个目标 (Goal)。
听起来有点学术？我们把它说得更通俗一点：
• 环境 (Environment)：就是 Agent 工作的地方。比如，对于一个帮你预订机票的 Agent，它的环境就是整个互联网，包括各大航司网站、比价网站、日历应用等等。 • 感知 (Perception)：Agent "看"和"听"世界的方式。它通过 API、读取网页、识别图片文字等方式来获取环境中的信息。比如，它能“看到”机票网站上今天的价格是 2000 元。 • 行动 (Action)：Agent 能做的事情。比如，点击按钮、填写表单、发送邮件、调用另一个程序等。 • 目标 (Goal) & 理性 (Rationality)：这是最核心的一点！Agent 不是漫无目的地行动，它有一个明确的目标（比如“帮我订一张下周二去北京最便宜的经济舱机票”）。“理性”意味着它会尽最大努力，采取最优的行动序列去达成这个目标。
所以，一个真正的 Agent = 感知 + 思考 + 行动。
2. Agent vs. 工作流 (Workflow)：核心区别在哪里？
这正是您问题的关键所在。一个工作流就像一张固定的食谱，而一个Agent更像一位经验丰富的厨师。
| 自动化工作流 (Workflow) | AI 智能体 (Agent) | |
| 核心逻辑 | 预设规则 (If-This-Then-That) | 目标驱动 (Goal-Driven) |
| 灵活性 | 僵化、线性：严格按照预设路径执行，遇到意外情况（如网页改版、API报错）就会中断或失败。 | 动态、自适应：当遇到意外，它会尝试寻找替代方案来达成最终目标。比如，A网站崩了，它会自己尝试去B网站。 |
| 决策能力 | 无，所有决策都是人预先设定好的。 | 有，它能基于当前环境信息，自主进行推理、规划、并作出“当下最优”的决策。 |
| "思考" | 执行指令：“第一步做A，第二步做B...” | 解决问题：“我的目标是Z，要达成Z，我分析出可以先做A，再做C，然后做B...” |
| 例子 | Zapier / IFTTT： “如果我收到一封带附件的Gmail，就自动把附件存到我的Dropbox里。” 这是一个固定的A->B流程。 | 一个理想的旅行Agent：“帮我规划一个5天的东京自由行，预算8000元，要包含动漫主题和美食探店。” 它需要自己上网查攻略、比价、规划路线、预订门票酒店。 |
用厨师的例子来说明：
• 工作流（食谱）：严格告诉你，先放 3 克盐，再加热 5 分钟。如果没盐了，或者火灭了，这份食谱就无法继续下去了。 • Agent（厨师）：目标是“做一道好吃的菜”。如果发现没盐了，他会思考：“我可以用酱油代替吗？或者去找隔壁老王借一点？” 如果火太大了，他会自己调小。他会根据现有的食材和工具，动态调整自己的行为，最终端出一盘菜。
你之所以感觉很多产品像工作流，是因为目前大多数商用 Agent 的“自主性”和“适应性”还比较有限，为了保证结果的可靠性，开发者会给它们设定很多边界和预设路径。这可以称之为 “半自主Agent” 或 “带护栏的Agent”。
3. 我们现在处于哪个阶段？
我们正从“增强型工作流”向“初级Agent”迈进。
• 阶段一：自动化工作流 (已成熟) • 代表：Zapier, Make.com, 企业内部的 RPA (机器人流程自动化)。 • 特点：连接不同的 App，完成固定任务，效率极高，但不够“智能”。 • 阶段二：LLM 增强的工作流 (当前主流) • 代表：很多 AI 应用内置的所谓“Agent”。 • 特点：在工作流的某个节点加入了大语言模型（LLM）的能力。例如，过去需要手动写邮件，现在可以调用 GPT-4 自动生成邮件内容，但整个“收邮件 -> 生成内容 -> 发送邮件”的流程还是固定的。这可能是您观察到的大部分产品所处的状态。 • 阶段三：初级自主 Agent (正在兴起) • 特点：它们拥有一个思考循环 (Reasoning Loop)。通常是 思考 -> 规划 -> 执行 -> 评估 -> 再次思考... 的模式。它们能够将一个大任务分解成多个子任务，并使用工具（如浏览器、代码执行器）去完成，然后根据结果进行下一步规划。它们已经具备了厨师的雏形。 • 佐证信息与案例剖析：
为了让“阶段三”的概念更具体，我们可以剖析两个极具代表性的前沿产品：Manus 和 Flowith。它们完美地诠释了“厨师的雏形”是如何工作的。这两个例子生动地说明了阶段三智能体的核心能力：它们不再是执行固定步骤的工具，而是真正能够理解目标、分解任务、并自主解决问题的“初级厨师”。
• 代表案例1：Manus (高效的任务执行者)
Manus 扮演着一个“数字雇员”的角色。用户只需下达一个最终目标（比如，“分析特斯拉最近的股价表现并生成报告”），它便会在后台自主地进行规划、调用工具（如浏览器、API）、执行任务并交付最终结果。它代表了以效率为导向的“黑盒”Agent，用户委托任务，它负责完成。• 代表案例2：Flowith (透明的自主规划引擎)
Flowith 则展示了一种创新的“白盒”Agent范式。当用户下达指令，它的核心组件 Agent Neo 会先在“画布”上生成一个可视化的任务流程图（DAG），将它的完整“思考计划”透明地展示给用户。这个流程是实时、可交互的，用户可以监控每一步的进展，甚至中途修改指令。Flowith 通过这种方式，将 Agent 的自主规划、决策和执行过程，从一个“黑盒”变成了一个用户可以理解并参与的“作战指挥室”。• 阶段四：高级/多 Agent 系统 (未来方向) • 特点：多个专长不同的 Agent 协同工作，像一个高效的团队。比如，一个“CEO Agent”设定目标，然后把它分解给“研究Agent”、“开发Agent”和“营销Agent”去协同完成。
4. Last but not least
我们现在可以用几个角度去看待和评估一个所谓的“Agent”产品：
• 看它的“恢复能力”：当任务执行中出现一个小的、意料之外的障碍时，它会直接失败报错，还是会尝试绕过障碍继续执行？这是区分工作流和 Agent 的试金石。 • 看它的“规划能力”：你给它的是一个具体指令，还是一个模糊目标？如果只能执行“打开A网站，点击B按钮”，那它就是工作流。如果你可以告诉它“帮我分析一下最近英伟达的股价走势并生成一份摘要”，它能自己规划去哪里找数据、如何分析、如何总结，那它就更接近 Agent。 • 看它的“工具使用能力”：一个强大的 Agent 应该能像人一样，熟练使用多种工具（浏览器、计算器、代码解释器、API等）来辅助自己达成目标。
总结一下：
我们正处在一个激动人心的变革前夜。现在市面上大量的“Agent”确实更像是“打了激素”的自动化工作流，它们在固定的流程中嵌入了强大的大模型能力。但这只是通往真正智能体时代的必经之路。
真正的 Agent，其核心魅力在于它的自主决策和对复杂、动态环境的适应能力。它不是一个被动执行命令的工具，而是一个能主动思考、解决问题、达成目标的自主伙伴。
未来几年，随着大模型推理能力、规划能力和工具使用能力的进一步增强，我们将看到越来越多“厨师”一样的 Agent 出现，而不仅仅是“食谱”。
关注公众号，用极客视角洞察未来！