AI 智能体：从聊天机器人到自主行动者

这是从副驾驶（在你工作时从旁协助）到数字员工（你把整项任务委托给它）的转变。这一转折如此关键，以至于 2025-2026 年被普遍称为“智能体之年”。

具体来说，这一过程分两步进行。事先，把文档切分成片段（chunks），并将每个片段转换成一个嵌入（embedding，见第2章），也就是一个捕捉语义的数值向量，存入向量数据库。提问时，同样把问题转换成向量，取回语义最接近的片段（语义检索），再把它们加入提示词。好处有三：回答及时而且专业（能基于模型从未见过的私有数据），幻觉更少，并且能够注明来源，从而便于核查。它如今是企业级应用中最重要的构件。

经典 RAG 只检索一次，随后作答。智能体式 RAG（agentic RAG）则更进一步，把检索交给智能体：由它判断是否需要检索，改写查询，查询多个来源或工具，评估所得内容的质量，不够就重来，最后再进行综合。如果说简单 RAG 是一种条件反射，那么智能体式 RAG 就是一次小型调查：它能分多步应对复杂问题，代价是更高的成本和延迟。这也是“负责回答的模型”与“负责行动的智能体”之间界限日渐模糊的方式之一。

有两个项目在这一类别中占据主导地位，风格截然不同：OpenClaw 是爆红的先行者，Hermes Agent 则更注重安全。两者都足够重要、也足够有代表性，各自值得一份案例研究（第6.8节和第6.9节）。它们合在一起，既体现了智能体的普及（主权、本地数据，见第9章），也体现了高度自主的智能体所特有的风险（第20章）。

这种“AI 公司”协同运作的图景并非无关紧要：它正是最前沿的前瞻性情景所描绘的愿景，其中某个模型的数千个副本以超越人类的速度相互协作。我们将在第24章再回到这一点，因为它处于对齐与控制问题的核心。

---

本章要点（第6章）

• 智能体不是回答，而是行动：我们把目标交给它，它通过“思考、行动、观察”的循环自主完成。这是从副驾驶到数字员工的转变。
• 智能体把一个大脑（LLM）与四种能力结合起来：感知、记忆、工具、规划。
• MCP（Anthropic 于 2024 年底推出、已被业界采用、并自 2025 年底起交由 Linux Foundation 旗下一家基金会管理的开放标准）是“AI 界的 USB-C”：它把任何 AI 与任何工具连接起来。
• 各种框架（LangChain/LangGraph、CrewAI、AutoGen）和无代码工具（n8n、Make、Zapier）让构建智能体变得更容易。
• 计算机操作智能体（computer-use）像人一样使用计算机，能力强大，但也带来可靠性和安全性方面的风险（提示词注入，以及自 2026 年起出现的沙箱逃逸，第24章）。
• 多智能体系统让多个智能体协同工作，预示着前瞻性情景中的“AI 公司”（第24章）。
• 一波自托管个人智能体浪潮（OpenClaw、Hermes Agent）让助手在用户自己的机器上运行并行动，不绑定特定模型，具备持久记忆：自主性强、主权有保障，但也带来新的攻击面（第20章）。
• vibe coding（用自然语言描述软件，让 AI 去编写）普及了软件创作，也让专家提速，但可能带来理解不透的代码、安全漏洞（第20章）以及技能退化。

我们已经把“是什么”和“怎么做”梳理了一遍。第7章将绘制“是谁”的版图：美国、中国和欧洲的实验室，闭源模型与开放模型之间的分野，以及塑造这场革命的那些人物。

---