Agent：AI 如何从目标走向行动
一个能够规划、使用工具并完成多步骤任务的 AI 系统，到底是如何工作的？ 一个任务，不只是执行一次动作。
CHATBOT
Question Answer
≠
AGENT
Goal Plan Act Observe Decide Re-plan Result
一个任务，不只是执行一次动作。
SEE THE PROBLEM
答案有用，但任务没有完成。
02:00 AM
Supplier X · Delivery Delay
+5 days
用户交给 AI 的目标
- 评估生产风险
- 准备最优处理方案
这次不是问一个问题，而是交给你一项任务。
02:00 · Supplier
供应商发送延迟通知
Waiting for employee
09:00 · Human
员工打开邮件
Work starts
09:10 · ERP
查询库存覆盖
Manual query
09:20 · ERP
查询受影响订单
Manual query
09:35 · SRM
查询备选供应商
Manual query
09:50 · Human
比较成本与交期
Manual comparison
10:10 · Human
整理处理建议
Preparing
10:30 · Human
提交变更请求
Waiting for approval
CHATBOT
供应商 X 延迟了，会影响生产吗？
可能会有影响。建议检查库存和排产。
它给出了有用的答案，但任务没有完成。
企业已经有
数据
工具
业务规则
人员
系统
完成任务还需要
目标
决定做什么
用对工具
解读结果
决定下一步
困难的不只是执行动作，而是决定下一个动作应该是什么。
INTERACTIVE WORKBENCH
看看 Agent 如何完成一个任务
下面的演示不会调用真实 ERP、SRM 或供应商系统。所有操作都是确定性教学模拟。
GOAL
降低供应商 X 延迟带来的生产风险
Assess the production risk and prepare the best response.
Agent 页刻意停在机制层：目标、规划、工具、观察、决策与重规划。它不讲哪家的 Agent 框架更好，不做多 Agent 编排，也不做工具市场——这些属于未来的话题。这一页只回答一个问题：一个 AI 系统如何不靠人逐步指挥，就把一件事从头做到尾。
MENTAL MODEL
Agent 的核心循环
Goal
Plan
Act / Tool
Observe
Decide
Re-plan
Act / Tool
Result
Agent 不只是执行一个序列——它用前面行动的结果来决定下一步做什么。
UNDERSTAND IT DEEPER
Agent 到底是什么？
Agent 是一种围绕目标选择并执行行动、观察行动结果，并根据当前上下文调整后续步骤的 AI 系统。
不同的 Agent 系统可能以不同方式实现这些能力。这个循环是一种常见的概念模式，而不是普适架构——也不要把它简化为"LLM + Tools + Memory + Planning"的固定配方。
Goal
要达成什么？
一切行动的锚点。没有目标，工具调用只是零散动作。
Planning
接下来该发生什么？
把目标变成候选行动序列，并允许随新信息调整。
Tools
系统能与什么交互？
查询 ERP、检索库存、调用外部 API——Agent 的能力边界由工具定义。
Observation
行动之后发生了什么？
工具返回的结果被读取和解读，成为下一步决策的输入。
Decision
现在该做什么？
基于目标与观察选择下一步——这是 Agent 与固定 Workflow 的分水岭。
Re-planning
下一步需要改变吗？
新信息可能让原计划失效。重规划不是失败，而是 Agent 工作的常态。
Execution
实际执行哪个动作？
在边界内执行选定动作，并继续观察结果，直到目标达成或需要人介入。
Agent vs Workflow
WORKFLOW
AGENT
预先定义好的步骤序列
围绕目标的执行
A → B → C
决定下一步做什么
逻辑大部分预先写死
下一个动作可以调整
路径可预测
路径动态变化
适合稳定流程
适合不确定的多步任务
Agent 与 Workflow 也可以结合：企业系统完全可以在受治理的 Workflow 内部使用 Agent。
Agent vs Chatbot
CHATBOT
AGENT
以对话为中心
以目标为中心
通常等待用户输入
可以由事件或任务驱动
主要给出回应
可以执行多步工作
答案是终点
行动 + 结果才是终点
对话上下文
任务上下文 + 工具
回应后通常停下
可以在任务循环中持续推进
Chatbot 也可以使用工具——区别在于系统的主要工作模式，而不在于是否存在工具调用。
Agent vs Digital Employee
DIGITAL EMPLOYEE · WHO
AGENT · HOW
Role
Goal
Access
Planning
Authority
Tools
Responsibility
Observation
Governance
Decision + Re-planning
Human Oversight
Execution
Digital Employee 定义谁可以做这项工作；Agent 描述这项工作如何被完成。
ENTERPRISE SCENARIO
一个由 Agent 驱动的数字采购员
当三个概念在同一条流程里各司其职，企业 AI 开始形成系统。
- Event
业务事件：供应商延迟被检测到
Supplier X 延迟 +5 天，异常进入处理流程。
- WHO
数字员工：采购职责
负责供应商风险与异常处理——角色、访问与治理边界已定义。
- HOW
Agent：目标 → 计划 → 工具 → 观察 → 重规划
围绕"降低生产风险"自主推进多步任务，遇到关键动作交人批准。
- Systems
企业系统：ERP / SRM / PLM
Agent 通过受控工具访问，不绕过任何系统权限。
- Human
人工批准
变更请求经采购经理批准后生效。
- Action
业务动作完成
备选供应商就位，生产连续性保住。
三个概念形成一条认知链
Ontology 让 AI 理解关系，Digital Employee 定义谁在工作，Agent 让这份工作被真正完成。
CONCEPT CONNECTION
DIGITAL EMPLOYEE · Concept 02
- 谁负责？它能访问什么？它能做什么？
AGENT · Concept 03
- 工作如何被完成？下一步如何决定？
Ontology 给 AI 一个企业世界的模型；Digital Employee 给 AI 在这个世界中的角色；Agent 让 AI 在这个角色内完成多步工作。
CRITICAL THINKING
常见误解
关于 Agent 最容易混淆的六件事。
"Agent = 更聪明的 Chatbot"
Chatbot 主要处理对话；Agent 围绕目标，通过行动与反馈来达成结果。
对话 ≠ 任务闭环。
"真正的 Agent 从不问人"
企业 Agent 可以在人工批准边界内运行——自主程度是设计选择，不是定义。
自主有边界，确认是设计。
"有 LLM 就是 Agent"
LLM 可以是 Agent 系统的一部分，但 Agent 的核心是目标导向的行动与环境交互。
模型 ≠ 系统。
"会调 API 就是 Agent"
一次工具调用只是一个动作；Agent 把多个行动协调到一个目标上。
动作 ≠ 协调。
"Agent 规划 = 固定 Workflow"
Agent 会根据观察与变化的上下文调整下一步——这正是它与固定流程的区别。
计划会随信息更新。
"Agent 可以无限自主地做任何事情"
真实的企业 Agent 在定义好的工具、权限、业务规则与审批边界内运行。
无边界 ≠ Agent。
供应商 X 延迟 +5 天。Agent 自主查询了库存、确认了生产风险、改变了原计划、比较了两个备选供应商，并把变更请求交给人批准。
什么让一个 AI 系统更像 Agent？
ENTERPRISE
ONTOLOGY · 理解
DIGITAL EMPLOYEE · WHO
AGENT · HOW
Goal → Plan → Tool → Observe → Decide → Re-plan → Action
理解企业 → 承担工作 → 完成任务。
继续学习
Ontology × Digital Employee
数字员工（Digital Employee）
Digital Employee 定义谁可以做这项工作——Agent 描述这项工作如何被完成。
8 min
MCP · 工具连接
Agent 如何连接外部工具与系统——Coming Later，尚未锁定为概念 04。
8 min