智能体怎么运转，以及 Workflow 与 Agent 的分野

一句话概要：智能体靠「感知—思考—行动—观察」的持续循环推进任务，而它到底该给多少自由度，取决于任务环境有多复杂、规则有多稳定。

本章要点

一、先把任务环境写清楚

人工智能领域常用一套取四个词首字母的模型来描述任务环境：性能度量、环境、执行器、传感器。以智能旅行助手为例，性能度量是用户满意度与预算是否超支，环境是各类旅行服务接口与实时数据，执行器是各类预订与查询服务，传感器是接口返回的数据流。动手前把这四项填完，才能确定智能体为谁负责、边界在哪。

二、数字环境的四个复杂特性

• 部分可观察：无法一次拿到全部信息，因此智能体必须具备记忆（记住查过什么）与探索（尝试新查询）能力；
• 结果不确定：同样的动作前后两次结果可能不同，因此必须能处理不确定性、监控变化、及时决策；
• 存在其他行动者：其他用户、自动化脚本、动态调价系统都是环境里的其他智能体，会直接改变环境状态；
• 序贯且动态：当前动作影响未来，且环境自身在决策期间就可能变化，因此循环必须够快够灵活。

三、智能体循环

智能体不是一次性完成任务，而是通过持续循环与环境交互：

• 感知：通过传感器接收观察，可以是用户初始指令，也可以是上一步行动引发的状态反馈；
• 思考：内部推理，再拆为规划（更新理解、拆解子任务）与工具选择（挑工具、定参数）；
• 行动：通过执行器调用选定的工具，对环境施加影响；
• 观察：环境状态变化后产生新观察，被下一轮感知捕获，形成闭环。

判断设计好坏的关键，不是某一轮跑得多漂亮，而是循环能否收敛——每一轮的观察是否真的能推动下一步决策。

四、让循环转起来的交互协议

智能体的输出不再是单句自然语言，而是结构化文本，包含两个核心部分：思考（内部决策快照，说明如何分析情境、回顾上一步、自我反思与分解、规划下一步）与行动（通常以函数调用形式表示）。外部解析器捕捉行动指令并调用对应函数，环境返回的机器可读原始数据再由感知系统封装成简洁的自然语言观察，反馈进下一轮。

五、两种协作模式

• 作为开发者工具：深度集成进工作流，增强而非取代开发者，处理繁琐重复任务；
• 作为自主协作者：把高层级目标委托给它，它像项目成员一样独立规划、推理、执行、反思直到交付，人与智能体的关系从「命令—执行」转为「目标—委托」。

自主协作的架构范式大致有三类：单智能体自主循环、多智能体协作（角色扮演式对话、组织化工作流、自定义交互网络）、以及把执行过程建模为状态图的高级控制流架构。

六、Workflow 与 Agent 的分野

工作流是预先定义的静态流程图，规定了在什么条件下、以什么顺序执行哪些操作，如费用报销审批：小于五百元由部门经理审批，大于五百元再流转财务总监。智能体则是以目标为导向的自主系统，能理解环境、推理、制定计划并动态行动。关键在于没有任何写死的规则——同样是查天气推荐景点，晴天推荐户外、雨天会自主改推室内场馆。

七、代价与边界

自由度是有成本的：工作流每步确定、好排查，智能体路径动态生成、同样输入两次结果可能不同；规则清晰稳定的场景用工作流更划算；自主协作者模式需要更多轮循环和工具调用，时间与费用都会上升；涉及资金、权限、不可逆操作时，务必保留人工介入节点。

音频章节时间戳

时间	章节
00:00	开场
00:50	先看清楚任务环境
03:21	智能体循环 感知 思考 行动 观察
05:29	让循环转起来的交互协议
07:35	协作模式之一 作为开发者工具
09:51	协作模式之二 作为自主协作者
12:05	Workflow 与 Agent 的分野 以及代价与边界
14:59	收尾 · 判断清单

总时长 16 分 39 秒。

原书对应小节

Datawhale《Hello-Agents：从零开始构建智能体》第一章「初识智能体」，第 1.2 节「智能体的构成与运行原理」（1.2.1 任务环境定义、1.2.2 智能体的运行机制、1.2.3 智能体的感知与行动），以及第 1.4 节「智能体应用的协作模式」（1.4.1 作为开发者工具的智能体、1.4.2 作为自主协作者的智能体、1.4.3 Workflow 和 Agent 的差异）。

更完整的图文内容请直接阅读原书，本页仅为音频配套要点。

授权

本内容改编自 Datawhale《Hello-Agents：从零开始构建智能体》，采用 CC BY-NC-SA 4.0 授权，为二次演绎配音版。