AI 智能体（AI agent）是一种你可以把任务交给它的软件。它自己决定步骤，用你的工具去完成，在任务完成或卡住时停下。Agentic AI（也常译作"代理式 AI"）是一个更宽泛的词，指以这种方式工作的 AI。所以这两个词并不是对立的。"AI 智能体"指的是一个东西；"agentic"描述的是 AI 自己规划和完成了多少工作。
为什么这很重要？因为厂商用这两个词都很随意，而标签很少能告诉你一个产品实际会怎样处理你的收件箱、你的 CRM 或你的客户。本指南会讲清这两个词从哪里来、如今人们怎么用，以及如何用几个朴素的问题来判断任何一款工具。
AI 智能体与 Agentic AI：简要版
| AI 智能体 | Agentic AI | |
|---|---|---|
| 它是什么 | 一个可以指得出来的东西 | 一种描述，或一整个类别 |
| 人们怎么说 | "我们用一个 AI 智能体来调研新线索。" | "这个工作流是 agentic 的。" |
| 范围多大 | 一个系统做一类任务 | 从简单的 AI 辅助流程，到多个智能体协同工作，都算 |
| 该问什么 | 它负责哪项工作？能接触到哪些东西？ | 在有人检查之前，它会自己做多少个决定？ |
这些术语不归任何人所有。如果一篇文章在两者之间给你划了一条"官方"界线，那它给你的只是某一方的观点。
这两个词从哪里来
"Agent"这个词很老。 在 1995 年的教科书《Artificial Intelligence: A Modern Approach》（《人工智能：一种现代方法》）中，Stuart Russell 和 Peter Norvig 把智能体（agent）定义为任何能感知周围环境并对其采取行动的事物。按这个定义，恒温器也算。新的地方在于，如今的 AI 模型能读懂杂乱的工作材料，比如一封愤怒的客户邮件，并决定该怎么处理。
"Agentic"要新一些。 2024 年 6 月，DeepLearning.AI 创始人吴恩达（Andrew Ng）提出了一个停止争论的办法，不再纠结什么才"算"智能体。他写道，把它当作程度问题来看。"Unlike the noun 'agent,' the adjective 'agentic'"（译文："与名词 'agent' 不同，形容词 'agentic'"）让你可以描述有一点像智能体、或非常像智能体的系统。
几个月前，他用过一个很好的比喻。让 AI 一次性给出答案，就像让一个人写文章却永远不许按退格键。而 agentic 的方式让 AI 像人一样，先列提纲、查资料、写初稿、检查，再修改。
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund（AI agentic 工作流的下一步，嘉宾：AI Fund 的吴恩达）· 2024年3月26日
"不按退格键写文章"这个比喻，是我们找到的对"agentic"最清晰的简短解释。这是 2024 年的演讲，所以请把它当作对这个理念的讲解，而不是对当下工具的报告。
如今人们使用这些术语的三种方式
1. 把"agentic"当作总称。 Anthropic 的指南 Building effective agents（《构建有效的智能体》，2024 年 12 月）把这些统称为"agentic 系统"（agentic systems），再一分为二。在工作流中，步骤是事先定好的。在智能体中，AI 自己选择步骤。一份每次都跑同样五个步骤的周报是 agentic 的，但它属于工作流。
2. 把"agentic AI"当作智能体团队。 一篇研究综述 AI Agents vs. Agentic AI（《AI 智能体与 Agentic AI》，2025 年 5 月首次发布，2025 年 9 月修订）用"AI 智能体"指做一项工作的单个系统，比如回答客服问题。而"agentic AI"专指多个智能体拆分一个更大的目标并相互协作。
3. 把"agentic AI"当作市场标签。 分析师和厂商常把它当作品类名称。2025 年 6 月，Gartner 预测，到 2027 年底，超过 40% 的 agentic AI 项目会因成本、价值不明或风险控制薄弱而被取消。这是预测，不是统计。Gartner 还提出了"智能体洗白"（agent washing）的说法：把旧的聊天机器人或自动化工具称为智能体，却没有增加真正的新能力。2026 年 5 月，Gartner 又针对供应链软件中的同类现象发出了警告。
图 1. "agentic 系统"的一种常见用法：作为工作流和智能体的总称。多智能体描述的是智能体如何组合；它们并不是互相排斥的产品类别。
真正的问题：谁来决定步骤？
三种用法有一个共同点：AI 自己决定得越多，就越 agentic。大多数业务工作属于以下三个层级之一：
- 助手。 你提问，它回答或起草。其余都由你来做。
- 工作流。 步骤事先商定好。AI 在每一步里负责阅读和写作。
- 智能体。 你给它一个目标。它自己决定查什么、用哪个工具、什么时候信息已经足够。
IBM 的 Maya Murad 把这称作自主程度的"滑动刻度"（sliding scale）。你为每项任务选择合适的层级。这不是买一次就完事的功能。
YouTube · IBM Technology
What are AI Agents?（什么是 AI 智能体？）· 2024年7月15日
Maya Murad 讲解了 AI 自主程度的"滑动刻度"，并解释了为什么一项范围窄、结果可预测的任务，用固定路径往往比用智能体效果更好。
智能体还是自动化？一场值得了解的争论
以搭建这类系统为业的人，眼下正为此争论不休。Alex Vacca 自称是 Frontal AI 的创始人兼 CEO，这家公司帮助 B2B 企业提升收入。他在最近的一篇帖子里直截了当地为自动化辩护。
X · Alex Vacca (@itsalexvacca) · 2026年10月7日
"If you can write every step down first, build an automation." … "An agent fails quietly."（译文："如果你能先把每一步都写下来，就去做自动化。"……"智能体出错时悄无声息。"）
他的观点很务实。如果一项工作的步骤是固定的（我们举的例子：把新的表单条目复制到 CRM 里），花钱让 AI 来决定这些步骤就是浪费。他还指出，自动化坏了通常会报错，而智能体可能一边答案越来越差，一边持续报告成功。所以他会在任何内容发出之前，先让人审批。
我们认同这个判断标准，但有一点提醒：这是一位从业者的个人观点，基于他自己的搭建方式，而且他本人就在出售这类服务。不过，这与 Anthropic 和 IBM 的说法一致：先从最简单可行的方案做起。只有当步骤确实取决于它查到的内容时，才用智能体。
常见误区
"Agentic AI 是 AI 智能体更新、更好的版本。" 不是。智能体本身就是最 agentic 的东西之一。这些术语描述的是程度，不是产品的代际。
"自主程度越高越好。" 不是。自主程度越高，成本越高，也越难检查。对于每次结构都一样的周报，固定工作流更便宜，也更可预测。
"智能体了解你业务的一切。" 它只知道它能看到的东西：你连接的工具，以及它所在的对话。比如在 Okou 中，每个对话都有自己的上下文。新对话会从零开始，除非你特意把之前的对话带进来。
"智能体越多，能力越强。" 不一定。智能体之间的每一次交接，都是错误累积或权限扩散的又一个环节。要问清楚谁对最终结果负责。
"看标签就知道它做什么。" 不能。Gartner 正是为此创造了"智能体洗白"这个词，而且到 2026 年还在为此发出警告。别管它叫什么，去问这个产品自己能做什么。
一项任务，三种做法：一个有风险的续约
来看看这在真实工作中是什么样子。下面的例子是为了说明理念而虚构的，不是客户案例。
Dana 在一家软件公司负责客户成功。有个客户六周后续约，她感觉有点不对劲。线索很分散。客服收件箱里有一封不满的邮件。CRM 里依然显示"健康"。一份共享文档记着，客户内部重组之后，登录量下降了。上个月的一条 Slack 讨论串里写着管理层的决定：本季度不提供续约折扣。
1. 向智能体问一次
Dana 问 Okou："这个客户为什么有风险？这周我该发什么？" Okou 自己决定要读什么：那封邮件、CRM 记录、使用情况记录，以及那条 Slack 讨论串。对话里会显示 Okou 已经工作了多久、走了多少步，以及此刻正在做什么。
Okou 正在处理另一项任务。你可以看到用时、步骤数和当前操作。
改变答案的是那条 Slack 讨论串。如果只看邮件，你可能会给折扣。但 Slack 里的决定排除了这个选项，所以 Okou 转而建议为客户的新团队重新安排一次上手培训。Okou 还会指出 CRM 和邮件的说法不一致，而不是悄悄挑一个了事。事实都附有出处链接。推测会明确标为推测。
Okou 还会针对每位读者调整结果的形式，Okou 产品概览把这称为用合适的媒介沟通。Dana 拿到一份简短的简报，用来做决定。客户会收到一封回复，存为 Gmail 草稿，等 Dana 批准。负责该客户的团队可以在自己的频道里收到一条两行的更新。在 Dana 亲自发送之前，什么都不会发给客户。Okou 只能做 Dana 允许的事。如果某个工具把起草和发送分开，Dana 可以只允许其中一项。
在 Okou 中，邮件会以草稿形式等待，直到有人把它发出。这里的 Sent（已发送）计数为零。演示数据来自另一项任务。
Dana 纠正了一个错误的假设（运营负责人是新来的，不是要离职），并要求把回复写短一些。因为还是同一个对话，Okou 会记住这个纠正。
2. 把方法保存为工作流
这个做法奏效了，于是 Dana 请 Okou 把它保存为一个工作流：一组有名称的步骤，加上要查看的来源和规则。她做过的修正变成了书面规则，比如"不附上现行政策的链接，就绝不提供折扣"。只有像这样保存下来，反馈才会成为团队规则。
Dana 把这个工作流分享给团队。同事运行它时，用的是同事自己的账号和权限，而不是 Dana 的。分享工作流分享的是方法，而不是她的收件箱或私人对话。现在 AI 要做的决定更少了，因为步骤已经定好，结果也变得更一致。
3. 设定定时运行
工作流不会自己运行。要让它每周一运行，团队需要添加一个自动化，并指定负责人和触发条件。每周一，它会检查未来 60 天内到期的续约，并为每个看起来有风险的客户发布一份简报。邮件仍然以草稿形式等待。
注意定时运行改变了什么、没改变什么。它决定工作何时开始。它不会让 AI 在如何完成工作上获得更多自由。
下面把同一项工作并排对比：
| 1. 向智能体提问 | 2. 已保存的工作流 | 3. 自动化 | |
|---|---|---|---|
| 谁决定步骤 | 智能体，根据它查到的内容 | 已保存的步骤。AI 在每一步内部工作 | 与工作流相同。定时运行不会增加自由度 |
| 由什么触发 | Dana 提问 | 团队里任何人按名称调用 | 定时计划，并有指定的负责人 |
| 谁来把关 | Dana 审阅简报和草稿 | 每个运行它的人 | 负责人阅读简报。邮件保持为草稿 |
这三种做法在某种程度上都是 agentic 的。只有第一种才是大多数人口中的"AI 智能体"。
哪些事要留给人
让 AI 决定步骤，不应该意味着没人对结果负责。在智能体接触真实工作之前，先定好四件事：
- 它能读什么。 哪些收件箱、CRM 和文档，通过谁的账号。
- 它能改什么。 起草不等于发送。建议更新 CRM 不等于真的去改。
- 它在哪里停下。 哪些操作必须一律等人来处理。
- 它交回什么。 一份简报、一封草稿，或一条别人可以对照来源核查的记录。
在工作中使用 AI 的人已经在这样思考了。微软的 2026 年工作趋势指数（Work Trend Index）于 2026 年初调查了 10 个国家的 20,000 名 AI 用户，其中 86% 表示会把 AI 的输出当作起点，而不是最终答案。这些是受访者自己的回答，并不是对实际效果的衡量。
想进一步了解 AI 开始接手工作后团队该如何调整，请看当 AI 自主运行时会发生什么变化。
向任何"agentic"工具提出的问题
- 谁来决定步骤？ 是事先设定，由 AI 每次自行选择，还是两者结合？
- 它能看到什么？ 哪些工具，通过谁的登录，它会记住过去的对话吗？
- 哪些事需要你批准？ 这是由权限强制执行的，还是只写在提示词里？
- 它拿不准时会怎么做？ 是把问题标出来，还是去猜？
- 你能看到它做了什么吗？ 每一步和每个结果都有记录吗？
- 你的团队能复用有效的做法吗？ 这套方法能否保存、分享，并在指定负责人的前提下定时运行？
能把这些问题回答清楚的工具，不管它怎么称呼自己，都值得一看。想找找从哪里入手，可以看看这些真实工作中的 AI 智能体示例，以及我们关于管理上下文和权限的指南。
常见问题
Agentic AI 和 AI 智能体是一回事吗？
不完全是。AI 智能体是一个具体的系统：接下任务，选择步骤，并用工具把它完成。Agentic AI 是更宽泛的说法，指以这种方式工作的 AI，不论程度高低。每个 AI 智能体都是 agentic 的，但"agentic AI"也可以指带有 AI 步骤的固定工作流，或多个智能体协同工作。
Agentic AI 和生成式 AI 有什么区别？
生成式 AI 在你提出要求时写出或创造一些东西，然后就停下来等着。Agentic AI 利用这种能力朝一个目标推进：它会规划、用工具采取行动、检查结果，然后继续往下做。大多数 AI 智能体都基于生成式模型运行，但写一条回复只是它们工作的一部分。
Agentic AI 有哪些风险？
风险来自行动，而不是回答。一个能访问邮箱、CRM 或广告账户的 AI，可能做出错误的修改，或发出没人检查过的内容。Gartner 在 2025 年预测，许多 agentic AI 项目会在 2027 年前被取消，原因指向成本、价值不明和风险控制薄弱。只给它完成任务所需的权限，记录每一步，任何要发到公司外部的东西都必须经过审批。
Agentic AI 和 RPA 有什么区别？
RPA（机器人流程自动化）严格按照录制好的步骤执行，比如把字段从一个系统复制到另一个系统。Agentic AI 能处理下一步取决于读到什么内容的工作，比如一封需要读懂的邮件。有些 RPA 工具只是换上了"agentic"的标签，并没有真正改变，所以要请对方演示工具如何处理意料之外的情况。
Agentic AI 能完全自主地工作吗？
有些系统可以在没有人参与的情况下运行很多步。但在商业场景中，这很少是目标。大多数团队让 AI 去调研、起草和提建议，而任何对外的、或难以撤销的操作，比如发送邮件或修改记录，都由人来批准。分析师也依然谨慎：2026 年 5 月，Gartner 表示大多数供应链计划工具尚未实现完全自主。
我需要 AI 智能体，还是更简单的自动化？
从简单的开始。如果一项任务每次的步骤都一样，那么按计划定时运行的已保存工作流更便宜，也更可预测。当步骤取决于它查到的内容时，比如弄清一个客户为什么有风险，再用智能体。很多团队两者并用：先用智能体摸索出方法，再把它保存为工作流来重复执行。
