技术

AI Agents

一种使用 LLM 决定下一步、调用工具执行决定、并循环直到完成目标的软件形态。

最近审阅: 2026-05-24 审阅人Kevin Riedl wiki ↗

AI Agent 是这套循环，不是模型本身。模型（Claude、GPT、Gemini、开源权重 LLM）负责决策。Agent 是运行时：给模型一个目标，允许它调用工具（数据库、API、代码解释器、另一个 Agent），观察结果，把结果喂回循环，直到完成。

这个区分重要，因为 Agent 式系统的失败方式与纯 LLM 应用不同。聊天机器人答错了，用户翻篇。Agent 答错了，可能就发了邮件、做了一笔交易、删了一份文件。生产级 Agent 需要授权 Gate、可观测性与熔断器，多数原型都跳过了这些。

Wavect 的立场：先问「AI 是不是这里合适的工具」，再问「Agent 是不是合适的 AI 形态」。多数被包装成「Agentic」的工作流，用「确定性流水线 + 中间一次 LLM 调用」其实更好。

// FAQ

常见问题

常见问题

Chatbot 答完就停。Agent 会调用工具、看结果、再决定下一步，直到目标达成或上限触发。后果也不同：Chatbot 答错用户翻篇，Agent 答错可能已经发了邮件、做了一笔交易、删了一份文件。
授权 Gate、可观测性、熔断器。原型阶段没人加，生产里出事就上新闻。每一个能写、能改、能花钱的工具都应该有上限与人审入口，至少在前 90 天内是这样。
工作流是确定性的、步骤数已知、错误成本低时。这类场景用「确定性流水线 + 中间一次 LLM 调用」更便宜、更可控、更容易调试。把它包装成 Agentic 听起来时髦，但维护成本会高一个数量级。