之前我为什么不爱用“Agent”？#

说实话，这几年来我一直都挺抗拒“Agent”这个词的。每次听到别人兴致勃勃地讲着“Agent”时，我脑子里就会想：“又来了，又是一堆人拿着个流行词汇，讲得天花乱坠，但其实心里想的根本不是同一个东西。”

甚至为了搞清楚这个词到底是什么意思，我在 Twitter 上众包了整整 211 个定义，用 Gemini 大模型分成了 13 个不同的群组。

为什么大家这么难统一一个定义？其实早在 1994 年，Michael Wooldridge 在《智能体：理论与实践》里就说了：

“Agent 到底是什么？”——这个问题让做智能体的人觉得很尴尬，就像“智能到底是什么？”这个问题让 AI 社区尴尬一样。大家都在用这个词，却始终没办法统一出一个大家认可的定义。

如果一个词汇连定义都统一不了，那用它交流反而是帮倒忙，只会让人越听越糊涂。

不过，在最近 AI 开发圈里，我觉得情况终于有所好转了。至少，我们能用一个普遍接受的定义来有效沟通了。

什么是“工具循环实现目标”？#

大语言模型（LLM）智能体的定义很简单：

它会不断调用一组工具，循环执行，以实现特定目标（Tools in a loop to achieve a goal）。

我们一点一点拆开来看：

首先，“工具循环”（tools in a loop）这个概念已经流行了很长一段时间，尤其是 Anthropic 公司很喜欢用这个概念。这种模式甚至已经直接集成在了很多 LLM 的 API 里，比如工具调用（function calls）接口。大模型会要求外部执行一些动作，外部再把结果反馈回来，模型再继续推理，一步步实现最终目标。
其次，“实现特定目标”意味着这个循环并不是无限的，一定会有一个结束的条件。

我之前还纠结过，是不是应该再强调一下这个目标是“由用户设定”的呢？但后来想想，其实不需要这么具体。因为已经有很多情况下，目标不一定是用户直接设定的。比如 Claude Code 和 Claude Research 这类的子智能体（sub-agent）模式，目标就可能是另一个 LLM 智能体设定的。

当然了，现在还是有很多别的定义。比如你如果和非技术领域的人聊“Agent”，他们可能一下子就联想到旅行代理人（travel agent）、销售代理人，或者干脆觉得就是“自动化员工”了。在这种情况下，最好还是先弄清楚对方到底在说什么，否则你们聊着聊着发现根本不是同一个东西。

从此以后，我听到一个技术人员告诉我他在做一个“Agent”，我就默认认为他是在用 LLM 串联工具，以循环方式实现目标。

有人可能会坚持认为：“Agent”必须要有记忆功能（memory）才算。但其实，“工具循环”的模式本身就有一定的短期记忆：LLM 和工具调用之间有上下文的对话，这个对话本身就能形成短期记忆，帮助实现当前的目标。

如果你还想要长期记忆的话，最简单的方式其实就是再额外加一套工具来实现！

如果你去问商业圈的高管们：“你们公司的 Agent 战略是什么？”那他们很可能想到的是“AI 代替人工”。比如“客服 Agent”、“销售 Agent”、“财务 Agent”这些。

但问题是，这类幻想目前大多还只是科幻小说里的场景。如果你真把希望放在这种“一个智能体代替一个人类员工”上，那你大概率会非常失望。

原因很简单，人类员工有一个关键的特质，那就是 “责任承担能力”（accountability）。他们可以为自己的行动负责，也可以从错误中吸取教训。你总不能把一个 AI 智能体送去“绩效提升计划”（Performance Improvement Plan）吧？

有意思的是，人类还有另一个重要特质叫做 “自主能动性”（agency）。人类能主动设定目标，并为此承担责任。而 AI 智能体虽然名字叫“Agent”，却一点都没有真正的 agency！

有一张 1979 年 IBM 经典的培训幻灯片，清晰地讲明了这个道理：

一台计算机永远无法承担责任，因此计算机绝不能做管理决策

目前在“Agent”定义上搞得最混乱的，其实反而是 OpenAI 公司自己。

OpenAI 的 CEO Sam Altman 很喜欢把 Agent 定义为“可以独立替你工作的 AI 系统”。今年 7 月，OpenAI 发布了“ChatGPT Agent”，但其实是一个自动化浏览器功能；而今年 3 月他们发布的 Agent SDK，倒是更接近于我们刚刚讲的“工具循环”的定义。

不过现在 OpenAI 要统一他们的定义可能已经晚了，反正我决定忽略他们的混乱定义，直接用我的“工具循环”这个定义了。

Josh Bickett 在 2023 年发过这样一个梗：

什么是 AI 智能体？

看起来，我总算是从这个梗图的左边走到了右边。