第九章 从聊天机器人到智能体：AI 为什么必须学会完成任务?
目录
零基础认识大语言模型（LLM）工作原理目录 - GuZhenYin - 博客园
本章导读
在过去的几年里(2023 2024 2025)，大语言模型（LLM）取得了令人惊讶的发展。
它可以帮助我们：
- 写代码；
- 翻译语言；
- 总结文档；
- 回答各种问题。
很多人第一次使用 ChatGPT 时都会有一种感觉,它几乎什么都会。
于是，一个很自然的问题出现了：既然大模型已经这么聪明，为什么还需要 Agent（智能体）？
答案其实很简单。
因为：现实世界需要的是"完成任务（Task）"，而不是"回答问题（Question）"。
理解这一点，就理解了为什么 AI 的发展方向会从聊天机器人（ChatBot） 逐渐演变为智能体（Agent）。
9.1 从"回答问题"到"完成任务"
还是先从两个简单的例子来入手。
第一个例子
用户输入：请帮我写一封请假邮件。
几秒钟后，模型回复：
尊敬的领导：
由于XXXXX......整个过程到这里就结束了。
模型完成了一次推理（Inference），生成了一段文本。
这是一个典型的**问答（Question Answering）**场景。
再来看第二个例子。
用户输入：
请帮我分析本月进销存数据，
找出销量下降最大的产品，
生成统计图，
制作一份 PPT，
最后发送给销售经理。这还是一个"问题"吗？
显然不是。
它是一个完整的工作任务。
完成这个任务至少需要：
- 读取 Excel 文件；
- 分析销售数据；
- 绘制统计图；
- 制作 PPT；
- 发送邮件。
所以到了这里,我们的诉求已经不仅仅是"生成一段文字"了，而是需要完成一系列连续动作。
这就是任务（Task）与问题（Question）最大的区别。
9.2 问题只有一个答案，而任务则包含很多步骤
可以把两者放在一起比较。
| 问题（Question） | 任务（Task） |
|---|---|
| 一次提问 | 一个目标 |
| 一次回答 | 多个步骤 |
| 推理结束 | 持续执行 |
| 输出文本 | 输出结果 |
例如我们问模型,北京是中国的首都吗？
模型回答：是。
整个过程就结束了,但这个过程只有一次推理。
但是如果我们跟模型说,帮我开发一个库存管理系统。
我们肯定不希望模型直接用一句话回答,或者输出一堆内容在对话框中让你手动复制.(早期ChatBot期间确实很多人靠复制粘贴.. 哈哈哈)
我们实际上需要它：
需求分析
↓
数据库设计
↓
接口设计
↓
编写代码
↓
运行测试
↓
修复 Bug
↓
再次测试
↓
完成开发到此,其实这已经变成了一个需要持续执行的过程。
9.3 LLM 为什么完成不了任务？
很多人会说：
"ChatGPT 不是也能写代码吗？"
这没问题。
但是请注意,单纯的写代码 和开发软件系统并不是同一件事情。
例如,让 ChatGPT 写一个登录接口，它很快就能完成。
但是如果告诉它："帮我修改整个项目，把所有 JWT 登录改成 OAuth2。"
事情就完全不同了。
因为它需要：
- 阅读整个项目；
- 找到所有相关代码；
- 修改代码；
- 编译项目；
- 运行测试；
- 根据测试结果继续修改。
这些步骤之间存在着明确的依赖关系。
完成前一步之后，才能继续下一步。
而 LLM 最大的问题就在这里：
它的每一次推理都是独立完成的。
而且它不会主动开始第二步。
也不会等待执行结果。
更不会根据执行结果调整自己的计划。
9.4 LLM 更像一位顾问，而不是一位员工
这里我们继续举一个生活中的例子。
假设公司里有两个人。
第一位是一位经验丰富的顾问。
你问他：
"这个功能应该怎么设计？"
他会告诉你：
- 数据库应该这样设计；
- 接口应该这样定义；
- 页面应该这样实现。
他说得非常专业。
但是，说完之后，他就停下来了。
因为他的工作已经结束了。
第二位则是一位开发工程师。
你告诉他：
"把这个功能开发出来。"
他会开始工作：
- 阅读需求；
- 修改代码；
- 编译项目；
- 修复错误；
- 提交代码。
直到整个任务完成。
这两个人都很重要。
但是他们承担的角色完全不同。
然而 LLM 则更像前者。
而现实世界往往更大量需要的是后者。
9.5 完成任务，需要哪些能力？
我们把整个任务过程拆开，我们会发现，一个真正能够完成工作的 AI，至少需要具备下面几种能力。
第一步,它必须能够理解用户目标。
例如：
帮我统计最近一个月的销售数据。它需要知道最终目标不是回答一句话，而是生成统计结果。
第二步，它必须能够制定计划。
例如：
读取数据
↓
统计分析
↓
绘制图表
↓
生成报告没有整个计划，就很难完成复杂任务。
第三步，它必须能够执行操作。
例如：
- 打开 Excel；
- 查询数据库；
- 调用浏览器；
- 执行 Python；
- 发送邮件。
这些都不是语言生成能够直接完成的。
执行完成之后，它还需要观察结果。
例如：
Python 是否运行成功？
数据库是否返回数据？
网页是否打开成功？
如果失败了怎么办？
它必须重新调整下一步行动。
最后一步，它还需要记住当前任务进行到了哪里。
否则，每执行一步，都必须重新开始。
于是，一个完整的任务流程就变成了：
理解目标
↓
制定计划
↓
执行操作
↓
获取结果
↓
继续执行
↓
......
↓
任务完成所以到了这里,我们就会发现,这已经不再是一次推理，而是一个持续运行的过程。
9.6 Agent 的真正含义
现在，我们终于可以回答最开始的问题了。
什么是 Agent(智能体)？
很多文章会说,智能体等于LLM加工具的结合体.
虽然这句话不能算错。
但它并没有说明 Agent(智能体) 最重要的特点。
更准确地说：Agent 是一个基于LLM能够围绕某一个目标持续工作的 AI 系统。
这里有两个关键词。
第一个是：目标（Goal）
用户告诉它想要完成什么。
第二个是：持续（Continuous）
它不会回答一句话就结束。
而是不断的：思考->行动->观察->调整->直到目标完成。
因此，Agent 与聊天机器人的最大区别，并不是它拥有更多工具，而是：它拥有完成任务的能力。
9.7 Agent 只是开始，而不是终点
到这里，你可能会觉得：
既然 Agent 能够完成任务，是不是已经解决所有问题了？
答案仍然是否定的。
因为 Agent 本身仍然只是一个概念。
真正要让 Agent 工作起来，它还需要很多能力，例如：
- 如何调用工具？
- 如何连接企业系统？
- 如何保存长期记忆？
- 如何规划复杂流程？
- 如何管理整个执行过程？
这些问题，我们将在后面的章节中逐步介绍。
本章总结
这一章，我们完成了从 LLM 到 Agent 的认知转变。
需要记住四句话：
① LLM 擅长回答问题，但现实世界其实我们需要它完成任务。
② 一个任务通常包含规划、执行、观察和调整等多个步骤，而不仅仅是生成一段文字。
③ Agent 的本质，不是"更聪明的大模型"，而是一个能够围绕目标持续工作的 AI 系统。
④ 从下一章开始，我们将逐步拆解 Agent 的各个组成部分，看看它是如何真正完成工作的。