大模型和智能体的关系

序 · 一个老师的真问题

先说清楚这篇文章是写给谁的。

写给这样一个人：他会用手机，会用电脑，最近半年也开始用 AI 了——写通知、改教案、翻译一段材料，用得还挺顺手。然后有一天，他在会议上、在朋友圈里、在某个培训的宣传单上，反复看到一个词：智能体。

他心里有一个很朴素的疑问，而且这个疑问因为太朴素，反而不好意思在会上问出口：智能体和我天天用的那个聊天框，到底是不是一回事？如果不是，差在哪？如果只是换了个更时髦的说法，那我是不是被人卖了个新名词？

这个疑问非常好。它好在哪？好在它是一个真问题——不是被术语吓出来的焦虑，而是一个使用者站在自己的经验上，对一个新说法提出的合理怀疑。这篇文章要做的，就是把这个疑问彻底回答清楚：两者到底是什么关系，差别在哪里，为什么这个差别重要，以及——最实际的——你能拿它做什么。

先把结论摆在最前面，免得你读到一半还在猜。

大模型和智能体不是竞争关系，也不是新旧关系，更不是同一个东西的两个名字。它们是「器官」和「工程」的关系。大模型是一个极其强大的语言器官——它会理解、会生成、会推理，但它自己不会启动、不会记事、不会交付。智能体是一套围绕这个器官搭起来的工程——它给器官装上流程、记忆、停顿和验收，让器官的能力能变成一件真正做完了的事。

打个可能不太雅但极其准确的比方：大模型是一颗大脑，智能体是一个带着这颗大脑去上班的人。大脑再聪明，不去上班，什么活也干不成；而那个人的所有聪明，又全部来自这颗大脑。所以你既不能说“有了智能体就不需要大模型了”（那等于说有了员工就不需要脑子了），也不能说“智能体不就是大模型套个壳吗”（那等于说一个人不就是一颗脑子加一层皮吗）。

这个比方后面还会反复用到，也会被修正——因为它有一处重要的不准确，我会在第十二节专门拆开讲。现在，我们从最基础的地方开始：大模型到底是什么。

一 · 大模型是什么：一台被训练出来的接话机器

不用怕，这一节不会有公式。但有一个机制必须讲明白，因为后面所有的判断都建立在它上面。

大模型——你听到的 GPT、DeepSeek、Kimi、智谱 GLM、通义千问，都属于这一类——在最底层做的事情，说出来朴素得让人失望：它在预测下一个词。

你给它一段话，它计算“接下来最可能出现的是哪个字/词”，吐出来；然后把这个新吐出来的词接到原来那段话后面，再算下一个；如此往复，直到它算出“该停了”。你看到的那一整段流畅的回答，是这样一个字一个字滚出来的。

听到这里，很多人第一反应是：就这？这不就是个高级的输入法联想吗？

这个反应可以理解，但它低估了一件事。当“预测下一个词”这件事被做到极致，它会逼出一些原本不属于它的能力。为什么？因为要在海量的人类文字里把下一个词猜准，模型被迫学会了很多东西：它得知道语法，否则猜出的词不通顺；它得知道事实，否则“中国的首都是”后面它可能填错；它得知道逻辑，否则一段推理写到后面会自相矛盾；它甚至得学会一点风格和语气，否则一封正式公函写着写着会跑出网络用语。

换句话说，这些能力不是被单独教进去的，是在“把下一个词猜准”这个压力下被逼出来的副产品。这是理解大模型最关键的一点，也是它一切强大与一切古怪的共同来源。

由此可以直接推出它的两个性格，你在使用中一定都撞见过：

第一，它极其博学，博学到不真实。它读过的东西比任何一个人一辈子能读的都多得多。你问它宋代科举、问它光合作用、问它爪哇岛的气候、问它 Python 怎么读取一个表格，它都能答，而且答得像模像样。这种“什么都懂一点”的广度，是人类个体做不到的。

第二，它会一本正经地编。这就是常说的“幻觉”。注意它编造的机制：它并不是“知道自己不知道，但决定撒谎”——它没有那个自我意识；它是在按“最可能接下来出现什么”往下算，而一个看起来很像真的书名、很像真的数据、很像真的引文，在统计上恰恰就是“最可能出现”的东西。所以幻觉不是它的故障，是它工作方式的影子——同一台机器，用同一套原理，既生成了那些让你惊艳的回答，也生成了那些让你上当的假文献。

这一点老师们要格外记住：凡是它给你的具体信源——书名、页码、期刊、年份、法条编号、数据点——都必须自己核一遍。不是因为它不老实，是因为它的机制决定了它在这类地方最容易滑出去。这一条后面还会以另一种形式回来：智能体之所以要设“评分”和“停顿”，一半的理由就在这里。

最后强调一句，免得走向另一个极端：说它在“预测下一个词”，不等于说它只是鹦鹉学舌。它能处理没见过的组合、能跟着新给的规则走、能在一段长对话里保持前后一致——这些都不是简单检索能解释的。它到底“理解”到什么程度，学界还在激烈争论，这篇入门文章不打算替谁下定论。我们只需要记住工程上确凿的那部分：它极强，且它的强和它的错，来自同一个机制。

二 · 为什么它问完就忘：无状态，与那个会满的窗口

现在讲第二件事，这件事直接决定了“为什么光有大模型不够”。

你一定经历过这个场景：你和 AI 聊得好好的，它记得你前面说的一切，配合默契；然后你关掉窗口，第二天打开，重新开始——它完全不认识你了。你上次教给它的偏好、你纠正过的错误、你交代过的背景，一样不剩。

很多人的解释是“它记性不好”。这个解释是错的，而且错得会误导你后面所有的判断。真相是：它根本没有记忆这个东西。

大模型在技术上是无状态的。什么叫无状态？就是它每一次被调用，都是一次全新的、彼此之间毫无关联的计算。它不保存任何东西。那你说，为什么在同一个对话里它明明记得？

因为那不是“记得”，那是每次都被重新告知了一遍。

这是整篇文章里最值得你花三十秒想明白的一个机制。你在对话框里发第五条消息时，实际发送出去的，不只是你刚打的那句话，而是前面四轮的全部内容 + 你这句新的，打成一个包，一起送过去。模型看着这一整包内容，算出下一个词。它看起来“记得”第一轮说过什么，是因为第一轮说的话，此刻正原封不动地摆在它眼前。

所以那个博学的陌生人比喻应该修正一下：不是“你在路上拦住一个博学的陌生人问路，他答完转身就走”；而是每问一句，你都拦住了一个全新的陌生人，并且必须把前面所有的对话内容重新复述给他听一遍，他才知道你在说什么。

理解了这一点，两个困扰所有使用者的现象立刻就有了解释：

其一，长对话会越来越贵、越来越慢。因为每一轮都要把前面全部内容重新送一遍，包越滚越大。

其二，长对话到后面会开始“失忆”和“跑偏”。因为这个包有上限——业内叫上下文窗口。窗口能装多少内容，各家模型不同，且一直在扩大，但无论多大，它总有一个头。装满之后怎么办？前面的内容就得被挤出去或者被压缩。于是你会发现，聊到很后面，它忘了你最开始定的规矩——不是它不听话，是那条规矩已经被挤出窗外了。

这里要诚实说明一句：现在很多产品加了“记忆”功能，看起来它记住你了。那是产品层做的事——把一些要点单独存起来，下次对话时自动塞进那个包里。这恰恰说明了本文的核心判断：记忆不是模型自带的能力，是外面有人给它搭的工程。而“在模型外面搭工程”这件事，正是智能体的全部要义。

现在，把大模型的画像收拢成一句话：它是一台没有记忆、不会主动、只能说话、每次都从零开始、但极其博学也极其自信的接话机器。你问它才动，你不问它就静静待着；它答完就散，不会去核实，不会去交付，也不会回头看看自己答得怎么样。

它是大脑，不是工人。这句话现在有了完整的技术含义。

三 · 它强在哪、弱在哪：一份使用者需要的实况清单

在讲智能体之前，还得补一节，因为很多人对智能体的失望，其实源于对大模型的误判。

先说它真正强的地方，这些是可以放心依靠的：

语言的转换与整理。把一段口语化的东西改成书面语，把一份材料压成摘要，把中文翻成英文，把散乱的笔记整理成有条理的提纲——这类活它做得又快又稳，出错率低。原因很简单：这是纯粹的语言操作，正是它被训练出来的本行。

给出多种可能。你让它“再给我五个思路”，它能一口气给出五个不同角度。这个能力被大大低估了。人在想问题时天然容易被第一个想法锁住，而它没有这个负担——它不在乎面子，也不心疼自己刚才的构思。当“打开可能性”而不是“给出正确答案”是你的真实需要时，它是极好的搭档。

解释与陪练。你有一个概念没搞懂，可以让它换五种方式讲给你听，可以打断，可以追问一个在人前不好意思问的基础问题。它不会不耐烦，也不会觉得你笨。对学习者来说这是真实的价值。

再说它弱的地方，这些必须由人来兜底：

具体事实的可靠性。前面说过了，凡涉信源必须自己核。特别提醒老师：让它“找几篇相关论文”是高危操作——它给出的文献可能格式完美、作者真实、期刊存在，但那篇文章根本不存在。

它不知道自己不知道。人在没把握时会犹豫、会说“我不太确定”。它的语气跟把握程度基本不挂钩——它在瞎编时的自信，和它在讲一件板上钉钉的事时的自信，听起来一模一样。不要用语气判断可信度，这是使用 AI 最重要的一条纪律。

它没有立场，也没有承担。它可以为一个观点写出漂亮的论证，你说“反过来再写一遍”，它同样漂亮地反着写。这不是虚伪，是它压根没有“我认为”这回事。所以它写出来的东西，署谁的名，谁就得承担全部责任——这一条在教育场景里尤其要说清楚。

它不会自己动。这一条最关键，也是通向下一节的门。你不给它下一句，它就永远停在那里。它不会想到“这个数据我该去查一下”，不会想到“这段写得不好我重写一遍”，不会想到“这活干完了我该交付了”。所有的推进力，必须来自外面。

看清了这份清单，你就会明白一件事：把大模型直接当成“帮你干活的人”来用，一定会失望——不是因为它不够聪明，而是因为你要求的是一整套工作行为，而它只提供其中一个环节。你要的是一件完成的活，它给的是一次高质量的应答。

这中间缺掉的东西，就叫智能体。

四 · 智能体是什么：把“会说”接上“会做”

现在正面回答。

智能体，是一套围绕大模型搭建起来的工作系统：它有一个要完成的任务目标，有一条把任务拆开的内部流程，有跨步骤的记忆，在关键处会停下来等人，干完之后还会检查自己干得怎么样。

先用一个具体的例子把它落地，这比任何定义都管用。这个例子来自一台真实运行的入门级智能体，它做的事是：你给它一个研究问题，它还你一份两万字左右的论文文档。

你打开它，在框里输入一个问题，比如“AI 时代教师的角色该如何重新定位”。然后你按下开始。接下来发生的事情，和你在聊天框里的经验完全不同：

它没有立刻开始写。它先研究这个问题——理清它到底在问什么，涉及哪些方面，有哪些已有的说法。这一步它自己跑，不问你。

然后它想点子。它不是随便选一个角度就开写，而是一口气给出四个不同的切入方向。

然后它停下来。屏幕上弹出一个框，把这四个方向摆在你面前，让你选一个。你要是四个都不满意，可以让它重来一轮，最多四轮。在你点下选择之前，它一个字都不往下写。

你选定之后，它拟大纲——按你选的那个方向，把整篇文章的骨架搭出来。然后按这个骨架写正文，分块推进，一直写到两万字左右。

最后，它做一件很多人没想到的事：它把写完的稿子送去打分。送给谁？送给另一个大模型——让另一家的模型当评审员，从五个维度给这篇论文评分，分数和评语一起写进文档末尾。

然后它把整份东西存成一个 Word 文件，交给你。

请把这个过程和你在聊天框里的经验对照一下。差别不在“它更聪明”——中间干活的还是同样那些大模型，甚至可能就是你天天用的那几个。差别全在于：有人在模型外面，把一件事的完整做法给它编排好了。

拆开看，这套编排里有五样东西是聊天框里没有的：一个明确的完成标准（交出一份论文文档，而不是答一句话）；一条有序的流程（先研究、再构思、再拟纲、再写作、最后评审，顺序不能乱）；一份跨步骤的记忆（写第五步时，它手里握着第一步研究出来的材料和你在第三步做的选择）；一个停下来等人的机制（不是自作主张，是把关键决定交回给你）；一道自我检验（干完之后有人打分，好坏能被看见）。

这五样，就是下一节要正式立成判据的东西。而现在你已经可以感觉到那个核心差别了：大模型回答问题，智能体完成事情。

五 · 核心差别：五个维度，一张表看明白

把前面散着讲的东西收成一张表。这张表建议你看完之后自己默写一遍，它是判断一切“AI 产品”的通用尺子。

这五行不是并列的五个特点，它们之间有依赖顺序，值得逐条说透。

工作方式，是一切的起点。被动和主动的分水岭，不在于机器有没有“意愿”——它当然没有——而在于推进力从哪里来。在聊天框里，推进力全在你手上：你不打字，世界就停住。在智能体里，推进力被预先写进了流程：第一步做完自动进第二步，不需要你催。这一条变了，后面四条才有可能。

记忆，是流程能成立的前提。如果第四步不知道第二步的产出，那所谓“流程”就只是把五次互不相干的提问排了个队，仍然是聊天框。真正的跨步记忆意味着：你在第三步做的那个选择，会真实地约束第五步写出来的每一段话。

互动方式的改变，最容易被忽略，却最要紧。请注意它的方向变了：聊天框里是你去推它，智能体里是它回来问你。这个方向的翻转意味着一件事——机器承认有些判断它不该替你做。后面第九、第十节会专门讲这一点，因为这里藏着整个话题里最重要的东西。

输出形式的改变，不只是格式问题。从“一段文字”到“一份文件”，中间隔着一整套没人愿意干的杂活：分段、编号、排版、存盘、命名。这些活不聪明，但它们是“完成”和“说过”之间的实际距离。大量所谓的效率提升，提升的其实就是这段距离。

自我评估，是最年轻也最脆弱的一条。它的做法通常是：让一个模型去评判另一个模型的产出。这确实有用——第十一节会讲清它为什么有用；但它也有明确的限度，那一节同样会讲清它不能替代什么。凡是把这一条吹成“AI 已经能自我改进了”的说法，都请你保持警惕。

这张表还有一个用法，可能比理解概念更实际：拿它去验货。下次有人向你推销一个“智能体”，你不必听他讲技术，只需要对着这五行问五个问题：它有没有一个明确要交付的东西？它内部是不是有多步？第五步知不知道第一步？它会不会在关键处停下来问我？它干完之后有没有任何形式的检验？

五个问题，答不上来三个以上的，那多半是个聊天框，换了张皮。

六 · 五个标志：怎么识别一个真的智能体

把上一节的表反过来用，就是一套判据。满足这五条，才配叫智能体；只满足头两条的，是套了壳的聊天机器人。

标志一：有任务目标。它要完成的不是“回答一个问题”，而是“做成一件事”。判断方法很简单：问它的完成标准是什么。一个真智能体，能说清“干到什么程度算干完”——交出一份文档、生成一张表格、把三十份材料归好类。而聊天框的完成标准永远是“我答完了这一句”。

标志二：有内部流程。它把大任务拆成有序的小步骤，而且这个顺序是有道理、不能随便调的。你不能先写正文再拟大纲，不能没研究就构思。流程的价值不在“多”，在“序”——把一件事拆成十个乱序的小任务，不叫流程，叫添乱。

标志三：有跨步记忆。第五步知道第一步发生了什么。这是最能筛掉伪货的一条。很多所谓“智能体”，实际上是把一个长提示词切成几段依次发给模型，每一段之间毫无传递——表面看有步骤，实际上每一步都在从头开始。检验方法：在中途给它一个特别的指令，看它在最后的产出里认不认。

标志四：可以等用户。在关键节点暂停，把决定权交回给人，等你拍板再往下走。请注意这一条的反直觉之处：它是以“能力受限”的形式出现的一项能力。一个什么都不问、一路跑到底的系统，看起来更强、更自动、更像科幻电影，但在真实工作里它常常更糟——因为它会带着一个错误的前提，一口气跑完全程，把错误放大成两万字。会停，是成熟；不会停，是莽撞。

标志五：有自评机制。干完之后，它知道自己干得好不好——哪怕这个“知道”是借来的（请另一个模型来评）。有自评的系统和没有的系统，差别不在这一次的质量，在下一次能不能改进：没有度量，就没有改进的着力点。

这五条里，头两条是“形似”，后三条是“神似”。市面上绝大多数打着智能体旗号的东西，卡在第三条上——看起来有流程，实际上没有跨步的记忆传递，每一步都在重新开始。这类产品也不是全无价值，它至少替你省了反复复制粘贴的力气，但你要清楚地知道自己买的是什么：一个自动化的复制粘贴器，不是一个工作者。

还有一类更值得警惕：把“不会停”当卖点的。宣传语通常是“全自动、无需人工干预、一键出稿”。听起来很美，但把标志四对照一下你就明白问题在哪：它省掉的那个停顿，恰恰是唯一能让你在半路上纠正方向的机会。一个不肯停的系统，等于把所有风险都压到最后一刻才让你看见。

七 · 三层结构：谁在指挥谁

把一个智能体剖开，从上到下是三层。这张图不复杂，但把它记住，你以后看任何一个 AI 产品都能迅速看清它的骨架。

最底下一层是大模型。请注意它在图里的位置——它在底层，是被调用的那一方。这一层是可替换的：今天用这家，明天那家更便宜或更好用，换掉就是。也可以同时用好几家，各干各擅长的活。大模型在这个结构里的身份，是“能力供应商”，不是“老板”。

中间一层是智能体核心，这是真正的新东西。它自己不产生任何智能——它一个字也写不出来。它做的是三件事：把任务拆成步骤并按序调度（流程）；决定每一步该怎么问、按什么标准做（方法论）；把每一步的产出存下来，供后面的步骤取用（记忆）。

这三样里，方法论是含金量最高、也最容易被外行忽略的一样。同样是“让模型写一篇论文”，问法不同，结果天差地别。一个粗糙的智能体，第五步的指令可能就是“请根据以上大纲写正文”；一个考究的智能体，会在这一步告诉模型：这一节要承接上一节的哪个判断，要避免哪几种常见的空话，要给出可核查的例子，写完先自查三条再交。这些不是代码，是方法——是把一个内行做事的规矩，写成机器能执行的指令。这也解释了为什么同样调用一模一样的大模型，不同智能体的产出质量能差出几个档次。

最上面一层是你。你的位置很关键：你不在流程之外，你在流程之内。你提出任务，在关键节点做判断，最后为整个产出负责。这一点后面还要专门讲——因为很多人对智能体的想象是“我把活扔进去，然后走开”，而真正好用的智能体恰恰相反：它把你放在最该由你出面的那两三个位置上，其余的力气它自己出。

这个三层结构还能解释一个常见的困惑：为什么智能体会“变笨”或者“报错”？现在你有了定位工具——是底层模型的问题（换个模型试试、或者是模型服务本身出了故障），还是中间层的问题（流程有断点、记忆没接上、方法论写得糙），还是最上面的问题（你给的任务本身就说不清）。三层各有各的病，别把所有毛病都记在“AI 不行”这一笔糊涂账上。

八 · 六步流水线：一个问题如何变成一份成品

现在把第四节那个例子拆到最细。这条流水线是入门级智能体里最经典的一种形态，理解了它，你就理解了绝大多数同类产品。

第一步，研究。你给的往往是一个笼统的题目。这一步要做的是把它变成一个可以下手的问题：它到底在问什么？涉及哪几个层面？已有的常见说法有哪些？为什么这些说法不够？——注意最后这一问，它是后面能不能出新东西的关键。一个直接跳过研究、拿到题目就开写的系统，写出来的东西一定是四平八稳的正确废话，因为它没有找到任何值得说的地方。

第二步，想四个点子。为什么是四个而不是一个？因为第一个想到的角度，通常是最陈旧的那个。这不是机器的毛病，是人也一样——第一反应总是最现成的联想。强制要求给出四个不同方向，是在逼它越过那个现成的答案。这一步的设计意图值得记住：它不是在找正确答案，是在打开可能性。而这恰恰是大模型最擅长的事（见第三节）。

第三步，你来选。这是第一个停顿点。四个方向摆在你面前，你选一个，或者都不满意让它再来一轮。这一步展开在下一节讲，它是整条流水线里最重要的一步。

第四步，拟大纲。骨架先行，是所有长文写作的通则，对机器尤其重要。原因回到第二节讲的机制：模型是一个词一个词往下滚的，没有骨架，它写到中途极容易被自己刚写的那句话带跑，越写越偏。大纲是给它的一根缰绳。更实际的一点是：大纲阶段你还能看懂全局，正文写完两万字之后，你再想调结构，代价就高得多了。

第五步，写正文。注意这一步几乎必然是分块进行的——一次写一部分，写完接着写下一部分。为什么不能一口气写完？还是第二节那个窗口：一次性生成两万字，前面写的会把窗口占满，后面就开始重复和跑题。分块的代价是可能出现接缝——两块之间语气不一致、内容重复。好的智能体会在每一块开始前，把前面已经写了什么摘要一遍告诉模型，这就是“跨步记忆”在这一步的具体样子。

第六步，评分。第二个停顿点，也是最容易被忽视的设计。详见第十一节。

整条线走下来，你会发现一件事：中间干活的一直是大模型，而这条线做的全部事情，是决定“什么时候、拿什么、去问它”。这就是智能体的本质——它不生产智能，它编排智能。

九 · 灵魂在两次停顿：人机互动节点

如果这篇文章你只记住一节，我希望是这一节。

那条六步流水线里，有两步被标成了黄色：第三步的“你来选”，第六步的“评分”。这两步和其余四步有一个本质区别——其余四步是机器在自己跑，这两步是系统主动把控制权交出来。

把它们叫做人机互动节点。我认为这是智能体这个概念里，最有分量、也最容易被产品宣传掩盖掉的东西。

为什么这么说？先看一个反面例子。假设有一个“全自动”的版本：你输入问题，它自己研究、自己选角度、自己写完两万字，直接给你一个文档。听起来更省事，对吧？

然后你打开文档，读了三段，发现它选的那个角度根本不是你想要的。

现在你面对的是什么？两万字的、写得挺流畅、但方向错了的东西。改？没法改——方向错了不是改几句话的事，整篇的骨架都建立在那个方向上。重来？那前面这一遍全白跑了，包括时间、包括算力的花费。而最坏的情况是第三种：你觉得“虽然不是我想的那样，但写得挺好，那就这样吧”——于是那个不属于你的角度，顶着你的名字发出去了。

那个停顿点，就是为了避免这三种结局而存在的。

更深一层说，停顿点回答的是一个不能回避的问题：在这件事里，哪些判断是机器可以代劳的，哪些必须由人来做？

这条线的答案是清楚的。可以代劳的：查资料、列可能、搭骨架、把文字写通顺、排版存盘——这些是劳动，是力气活，机器干得比人快、比人稳。不能代劳的：这篇东西到底要说什么、往哪个方向走、值不值得说——这些是判断，是取舍，是价值的排序。

这个分界不是技术限制，是一个立场。有人会说，你让模型自己选，它选得未必比人差。这个反驳部分成立——就单次结果的质量而言，它可能选得不错。但它绕过了要害：那个选择的后果，是由你承担的。文章署你的名，观点算你的观点，学生和同行来问你为什么这么说，回答的是你。一个后果由你承担的决定，交给一台不承担任何后果的机器去做，这在工作伦理上说不通，跟它选得准不准无关。

所以那句话可以说得更硬一些：智能体不是替你做决定的机器，是替你干活、把决定省给你做的机器。它替你省下的是力气，不是判断力。一个宣称连判断也一并替你做了的系统，卖给你的不是效率，是把责任留给你、把选择拿走的一笔交易。

还有一层现实的好处，比原则更容易被感受到：停顿点让错误便宜。在第三步纠正一个方向，成本是点一下按钮；在第六步发现方向错了，成本是两万字加上你读它的那半小时。一切工程的通则都是“让错误尽早暴露”，人机互动节点就是这条通则在智能体里的落地。

十 · 那四个金点子：为什么必须由你来选

把第三步再拆细一点，因为这一步的设计里，藏着几个值得单独说的道理。

屏幕上弹出来的是四个方向。比如针对“AI 时代教师的角色”这个题目，它可能给出：其一，教师从知识传递者转向学习设计者；其二，教师的核心价值转移到判断力的示范；其三，人机协同下的课堂重构；其四，从教学本体论的角度重新定义“教”这件事。

四个都成立，四个都能写，但它们会长成四篇完全不同的文章。你选哪一个，这篇东西就往哪个方向长。

第一个道理：为什么给四个，而不是一个最好的。

因为“最好”这个词在这里没有意义。这四个方向没有客观上的高下——它们的好坏，取决于你是谁、你面对谁、你想干什么。一个要在教研组分享的老师，和一个要投期刊的研究者，和一个要给家长做讲座的班主任，最适合的方向完全不同。而这些信息，机器不知道，也不该由它猜。把选择摆出来交给你，不是机器偷懒，是它诚实地承认自己缺一样东西——它不知道你的处境。

第二个道理：为什么允许重来，而且最多四轮。

允许重来，是承认第一批未必够用；限定四轮，是承认无限挑选也不是好事。这个上限的设计意图是防止一种很常见的空转：一直换、一直不满意、一直没开始。选择过多本身会成为一种瘫痪——四轮总共十六个方向，如果十六个里没有一个能让你动心，问题多半不在方向，在你给的那个题目本身太笼统了。这时候正确的做法不是继续换，是回去把问题问得更具体。

顺便说一句，这也是使用一切 AI 工具的通则：产出的质量，上限由你给的输入决定。“写一篇关于教育的文章”和“写一篇给县域高中教研组用的、关于如何在班级层面识别学生真困惑的文章”，得到的东西完全不在一个层级上。这不是提示词技巧，是你自己把要什么想清楚了没有。

第三个道理，也是最要紧的：这一步在训练的是你，不是机器。

这一点很少有人讲。当四个方向摆在你面前，你被迫做一件事：在它们之间做出取舍，并且说得出为什么。你会发现自己在想：这个太老了；这个虽然新但我撑不起来；这个正好是我这两年一直隐约在想、却没说清楚的事——就它了。

这个过程，是判断力的实际操练。而判断力恰恰是被 AI 侵蚀得最快的那样东西：当你习惯了接受机器给的第一个答案，你就慢慢失去了在几个可能之间权衡的肌肉。一个设计良好的智能体，会在这个位置上把肌肉还给你——它不替你选，它逼你选。

说得更直白一点：一个只会给你唯一答案的 AI，在悄悄地把你变得更懒；一个把几个可能摆出来让你选的 AI，在逼你保持清醒。从这个角度看，第三步那个弹窗不只是一个交互设计，它是一个立场——关于人在这套系统里该处于什么位置的立场。

最后提醒一句实操的：选完之后，最好用一句话写下你为什么选它。写给自己看就行。这句话在两个地方有用——写作过程中它是你的方向感，成稿之后它是你面对别人提问时的第一句回答。

十一 · 让另一个模型当裁判：自评的价值与限度

第六步，评分。这一步在实际产品里通常这样做：把写完的稿子，送给另一家的大模型，让它按几个维度打分，把分数和评语一起写进文档末尾。

比如某个入门级智能体用的是五维度评分：原创性、论证深度、概念严密性、跨域整合、现实穿透力，每项满分三十四分，合计一百七十分。分数对应几个层级：一百二十分以下算入门到专业级，一百二十至一百四十属资深级，一百四十以上算有突破，一百六十以上是极少数。产品的说明里通常还会附一句很有意思的话：AI 不加约束的默认产出，大致在一百分左右；真正有学术原创性的东西，要到一百三十分以上。

先说这套设计好在哪。

其一，它把质量从“感觉”变成了可以指着说的东西。没有评分时，你只能说“这篇好像还行”；有了分维度的评语，你能看到“原创性偏低、论证深度尚可”——问题有了坐标，改起来才有着力点。

其二，用另一家的模型来评，是有讲究的。让同一个模型评自己刚写的东西，它会倾向于给高分——它按同一套倾向生成，自然觉得自己写得对。换一家来评，至少引入了一个不同的判断口径。这是一种朴素但有效的独立性设计，跟“论文不能自己评审自己”是同一个道理。

其三，它把一件重要的事变得可见：机器的默认产出是有天花板的。那句“AI 默认产出大约一百分”，如果实测站得住，它传递的信息比分数本身重要得多——不加干预地让机器自由发挥，得到的是一份合格的平庸之作。要越过那条线，必须有人在流程里加东西：更准的问题、更狠的方法、以及你在第三步做的那个选择。

现在必须说限度，而且要说得比好处更清楚，因为这一块最容易被吹过头。

限度一：分数是估计，不是测量。同一篇稿子，换个模型来评、甚至同一个模型再评一次，分数都可能浮动。它不是体温计，更像是一位读得很快的同行随手给的印象分。把它当参考可以，把它当资质证明就荒唐了。任何一篇文章的价值，最终要由真实的读者、同行和时间来判，不是由另一台机器判。

限度二：评审者和被评者共享同一类盲区。两个大模型即使来自不同厂家，训练方式和数据来源仍高度相似。它们可能一起看不见某个错误，或者一起偏爱某种听起来很漂亮的表达。互评能挡住粗糙的毛病，挡不住这一类系统性的共同偏好。

限度三，最要紧：一旦分数变成目标，它就会被迎合。这是一条经验丰富的老规律——任何一个衡量指标，一旦被当成追求的目标，就不再是个好指标。放在这里的具体表现是：如果反复让机器“把分数提上去”，它很可能学会往稿子里塞进评分标准偏爱的东西——更多的术语、更炫的跨学科名词、更斩钉截铁的口气——文章读起来更“高级”了，但说的事情一点没变多。分数涨了，内容空了。

所以这套评分的正确用法是：看维度，不看总分。总分低于预期时，去看是哪一维拖了后腿，然后回去改那件事本身——如果是原创性低，回到第三步重新想角度，而不是往文里堆新词。把评分当诊断书用，别当成绩单用。

还有一句必须说给老师听：不要把这类分数用在学生身上。用一个来路不明、稳定性未经检验的机器分数去评判一个人的作业或能力，后果比没有评分严重得多。它可以是你自己写东西时的一面镜子，不该成为悬在别人头上的尺子。

十二 · 关系的正解：器官、身体，与那个必须由人站的位置

铺垫到这里，可以正面回答标题里那个问题了：大模型和智能体，到底是什么关系。

先排除三种流行但错误的说法。

错误一：智能体是大模型的升级版。这个说法把两者放在了同一条时间线上，好像智能体是“更新的一代”。不对。智能体不是更新的模型，它内部装的就是现在这些大模型。模型再升级十代，智能体这个结构依然需要——因为它解决的不是“聪不聪明”的问题，是“怎么把聪明组织成一件完成的事”的问题。

错误二：智能体不过是套了个壳。这个说法走向另一个极端，它把中间那一层看成了没有含量的包装。可是回想第七节：流程的编排、方法论的写法、记忆的传递、停顿点设在哪——这些决定了同样的模型能产出多大差别的东西。把这些叫“壳”，等于说一家餐厅不过是给食材套了个壳。话不算全错，但它把手艺、火候、出菜顺序全抹掉了。

错误三：有了智能体，人就可以退出了。这个说法最危险，因为它听起来最像是“进步”。但把第九节整节倒过来看就明白：设计良好的智能体，恰恰是把人重新安置进流程里的东西——它不是让你走开，是让你只在最该你出面的那两三个地方出面。

那么正解是什么？我给三个层层递进的说法，供你按场合选用。

第一个说法（最好懂）：大脑与身体。大模型是大脑，智能体是让这颗大脑长出手脚、装上日程、接上记事本的那副身体。大脑负责想，身体负责做完。这个比方好懂，但它有一处不准，得修正：身体和大脑通常是同一个人的，而智能体和大模型往往不是同一家做的，甚至可以随时换一颗脑子接上去。所以更准确的说法是下面这个。

第二个说法（更准）：器官与工程。大模型是一个能力极强的通用器官——它能理解、能生成、能推理。但器官本身不构成工作：一颗心脏离开循环系统就是一块肌肉。智能体是围绕这个器官搭起来的工程系统——供血、传导、调度、反馈。工程不产生能力，工程让能力变成功能。

第三个说法（最要紧）：能力与承担。前两个说法讲的都是机器与机器的关系，这个说法讲的是机器与人的关系，而这才是整件事的落点。

大模型提供能力；智能体提供组织；人提供判断与承担。三样缺一不可，且不可互相替代。能力再强，没有组织就散成一堆漂亮的碎片；组织再精密，没有判断就是高效地跑向一个没人要去的地方；而判断之所以只能由人来做，不是因为机器判断得不准，是因为只有人会为后果负责——署名的是你，被问到的是你，改错的也是你。

这句话可以当成整篇文章的骨干：大模型会说，智能体会做，而只有人会承担。技术变迁在很长时间里会不断改写前两句里的分工——模型更强了，工程更精了，某些今天必须由人做的判断以后可能被移交出去。但第三句是这套结构的地基：一个不承担后果的系统，无论多聪明，都不该拿走那些后果由你承担的决定。

顺带回答一个常被问到的问题：那以后模型足够强了，是不是就不需要智能体这一层了？目前看不出这样的迹象，理由是结构性的。即便模型强到能自己规划全过程，“什么时候停下来问人”“这次任务的成品交到哪里”“上一步的结论如何约束下一步”这些事仍然要被规定下来——它们不是智力问题，是分工与责任的安排问题。规定它们的那一层，无论叫什么名字，就是这里说的智能体。

十三 · 十个常见误解，逐条拆掉

这一节可以当速查表用。

误解一：智能体比大模型聪明。不对。它们的聪明是同一份——智能体里干活的就是大模型。智能体强的不是智力，是把智力用在一件事上的组织度。一个笨拙的人有条不紊，常常比一个聪明的人东一榔头西一棒子做得更多，就是这个道理。

误解二：用智能体就不用管了。恰好相反。它会在关键处停下来等你，而且最后那份成品的责任在你。它省的是你的力气，不是你的责任。

误解三：它生成的两万字等于两万字的成果。不等于。字数是最容易被做大的一个数，也最不能说明问题。真正要问的是：这两万字里，有没有一句是原来没有的？产出的体量与产出的价值，是两件事。

误解四：AI 写的东西不能用。这是另一个极端。可用不可用，取决于你怎么用它、以及你有没有为它负责。把它当初稿、当素材、当陪练、当对手，都很好；把它当免检的成品直接署名发出去，问题就大了。分界线不在“是不是 AI 写的”，在“有没有人真正读过、核过、并且愿意为它负责”。

误解五：给它的提示词写得越长越好。不是长度，是明确度。要害在于说清三件事：要什么、给谁看、什么算好。一句说清楚的指令，胜过五百字的堆砌。

误解六：换个更贵的模型，产出就会好一大截。通常不会。在同一代的主流模型之间，产出差异往往小于流程和提问方式带来的差异。先把方法弄对，再谈换模型。

误解七：它给的参考文献可以直接用。绝对不行。这是本文提醒过两次、值得提醒第三次的一条：凡是具体的书名、期刊、年份、页码，一律自己核。一篇挂着假文献的文章，比一篇没有文献的文章伤害大得多。

误解八：这些东西离我的工作还远。这个判断，比前面七个都更值得重新想一遍。它离你远不远，不取决于技术，取决于你手头有没有那种步骤明确、重复发生、需要产出成品的活。而教师的日常里，这样的活多得很——备课材料的整理、学情材料的归类、家长会讲稿的成型、教研成果的成文。这些恰恰是智能体最擅长的形态。

误解九：它停下来问我，说明它不够智能。这个印象来自科幻电影里那种什么都自己搞定的机器。但在真实工作里判断恰好反过来：知道哪些事该问、哪些事该自己扛，本身就是成熟的标志。一个新来的助理什么都不问、自作主张把方案定了，你不会觉得他能干，你会觉得他危险。会问，是分寸；不问，是越界。

误解十：先等等吧，这东西还在变，等成熟了再学。这句话听起来很稳妥，但它有一处判断失误：会变的是工具，不会变的是方法。本文讲的那些东西——把任务拆成有序的步骤、想清楚哪一步该由谁做、在关键处停下来判断、干完之后检验一遍——这些和具体用哪家的模型毫无关系，它们是工作方法本身。把这些练熟的人，无论将来出什么新工具都能立刻上手；一直等的人，等到的只是又一个不会用的新东西。

十四 · 智能体的四种常见形态

前面一直拿“写论文”那条流水线当例子，因为它最完整。但智能体不止这一种长相。认识常见的几类，你在遇到新产品时能迅速归位。

形态一：流水线型。就是前面详细拆过的那种——步骤固定，顺序写死，从头走到尾。研究、构思、拟纲、写作、评审，每次都是这几步。

它的长处是稳：因为路线是提前定好的，每一步该做什么、做到什么算合格，都可以打磨到很细。它的短处是不会变通：如果你的任务不完全符合这条路线，它也会硬套。适合那些反复发生、形态稳定的活——写材料、出报告、做归类。对老师来说，这是最实用、也最该先接触的一类。

形态二：工具调用型。这一类的特点是，它不只会说话，还会动手用东西：查网页、读你上传的文件、算一张表、把结果存成文档。

它的工作方式是：模型判断“这一步该用哪个工具”，然后系统真的去调用那个工具，把结果拿回来再交给模型接着想。这一类解决了大模型一个天然的短板——它训练完之后就不再更新了，也进不去你的文件夹。凡是需要用到“最新的”或“你自己的”材料，就得靠这一类。使用时要特别注意一件事：工具带回来的东西也可能是错的（比如搜到一个不靠谱的网页），模型往往会照单全收。多一道工具，就多一个要核的环节。

形态三：循环反思型。这一类会自己回头看：做完一版，自己评一评，不满意就改，改完再评，直到达标或者到了次数上限。

它比一次成型的好处显而易见——很多毛病在第二轮就被自己发现了。但它有两个要留神的地方。其一是成本：每多一轮就多一次开销，而质量提升往往在第二三轮之后就明显放缓。其二更要紧：它容易陷入自我认可的循环——自己写、自己评、自己改，转了三圈，还在同一个思路里打转，而且越转越确信自己是对的。这就是为什么第十一节强调“换一家模型来评”：反思要有效，评的那一方得有点不一样才行。

形态四：多智能体协作型。把一件事分给几个各有分工的角色：一个负责查资料，一个负责写，一个负责挑刺，还有一个负责统筹。它们之间传递结果，像一个小团队。

这一类目前最热闹，也最容易被吹过头。真实情况是：分工带来的收益，很容易被沟通损耗吃掉。角色之间传递信息时会失真，会互相误解，会陷入没完没了的讨论；而且角色越多，出了问题越难定位是哪一环坏了。经验上，能用两三个角色解决的，就别上五六个。对刚入门的使用者，我建议先把前两类用熟，再考虑这一类。

把四种形态放在一起看，会看出一条清晰的线索：它们的差别，全在于“差异从哪里来”——流水线型靠预先写死的流程，工具调用型靠外部真实世界的反馈，循环反思型靠自我审视，多智能体型靠角色之间的碰撞。而它们共同的天花板也在这里：这四种来源，没有一种能替代那个从你的处境里长出来的落差。这就是为什么无论哪一种形态，最好的设计都还是会给你留一个停顿点。

十五 · 五个用得上的场景：给老师的具体清单

理论说完，给五个具体的、明天就能试的场景。每个都标出该由机器做的部分和必须你做的部分，因为这条线画不清，工具就会从帮手变成麻烦。

场景一：把零散材料整理成一份可用的备课稿。你手上有几篇文章、一些摘抄、去年的教案、临时记的几条想法。机器做的是：归类、去重、按逻辑重排、把口语化的笔记改写成书面表述、标出彼此矛盾的地方。你做的是：决定这堂课的主线是什么，以及删掉那些虽然有意思但会把课带偏的内容。整理是力气活，取舍是判断。

场景二：出一份测验并配双向细目表。机器做的是：按你给的知识点和难度分布生成题目、给出参考答案和评分要点、把细目表排成表格。你做的是：审核每一道题的科学性（这一步不能省，尤其是理科的题目和文科的史实），判断题目难度是否真的匹配你这个班的学情，以及决定哪些题要留作课堂讨论而不是考试。它对“你的学生”一无所知，这部分只能你来。

场景三：把一次教研心得写成一篇可以发出去的文章。这正是那条六步流水线最典型的用途。机器做的是：帮你把想法理清、给出几个不同的组织方式、搭骨架、把段落写通顺、成文存盘。你做的是：在四个方向里选定那个真正是你想说的、提供只有你有的一手材料（哪个班、什么时候、发生了什么、你当时怎么处理的），以及最后逐字通读一遍。那些一手的细节，是全文里机器唯一造不出来的东西，也是它最有价值的部分。

场景四：给家长会准备讲稿。机器做的是：把要点组织成有节奏的口语稿、预演家长可能提的尖锐问题、给出几种不同语气的版本。你做的是：把握分寸——哪些话在你们学校的语境里说得、哪些说不得，以及所有涉及具体学生的部分。凡涉及具体的人，一律不要交给机器措辞，这是一条硬规矩。

场景五：做自己的知识陪练。你要弄懂一个新概念、准备一次答辩、或者只是想把一个想法说清楚。让它当对手：把你的想法讲给它听，让它挑刺，让它扮演一个不同意你的同行。这个用法几乎没有风险，因为产出不外流，全部收益落在你的理解上。我个人认为这是老师最被低估的一种用法。

五个场景排下来，有一条共同的规律值得记住：机器负责的是“多、快、齐”，你负责的是“准、真、当”。它能一口气给你二十条，你要挑出对的那三条；它能把话说得漂亮，你要保证话是真的；它不知道场合，你要拿捏分寸。

还有一条给学校层面的提醒：如果要在教研组或学校范围内推广，先把“什么可以交给机器”写成一张明确的清单，比推广工具本身更重要。没有这张清单，最先出问题的一定是涉及具体学生的材料和对外发布的文字——不是因为工具不好，是因为没人说清界线在哪。

十六 · 你现在能做什么：三条上手路径与一张自检表

说了这么多原理，落到最实际的问题：一个老师，明天能做什么？

路径一：先在聊天框里把“多步”手动跑一遍。这是最低成本、也最有价值的一步，你不需要任何新工具。做法是：把你原本一句话丢给 AI 的活，拆成四五步自己走。比如要写一份发言稿，不要直接说“帮我写一份发言稿”，而是——第一步让它帮你理清这次发言的对象和要害；第二步让它给四个不同的切入角度；第三步你自己选一个，并写一句为什么；第四步让它按你选的角度出提纲；第五步分段写。

你会立刻发现两件事：产出质量比一句话丢过去高出一大截；而你刚才做的，正是一个智能体在自动做的事情。手动跑过一遍，你对智能体的理解会超过读十篇介绍文章。

路径二：找一个现成的智能体，完整跑一次，重点观察那两个停顿点。不必追求功能多的，越简单越好上手。跑的时候把注意力放在：它在哪里停下来问你？问的是什么？以及最后有没有任何形式的自我检验？——这三个观察点，比它生成得多快、界面多好看重要得多。

路径三：把你自己的一项重复工作，写成一张流程卡。这一步最有长期价值，而且完全不涉及技术。拿出一张纸，写下你每学期都要做一遍的某件事（比如“出一份单元测验并写出双向细目表”），把它拆成有序的步骤，在每一步旁边标两样东西：这一步谁来做（机器还是我）、这一步做到什么算合格。

这张卡本身就是一个智能体的设计图。哪怕你永远不去把它变成软件，它也会立刻改善你自己的工作方式——因为你第一次把一件反复在做的事，从“凭经验”变成了“有工序”。

下面这张自检表，建议在你评估任何一个 AI 工具时对着问一遍：

第七条是压舱石。前面六条是技术问题，第七条是唯一那个不能外包的问题。

十七 · 诚实的边界：智能体做不到什么

一篇入门文章如果只讲好处，就是软文。这一节讲它做不到的事，而且尽量讲得具体。

第一，它不能替你确定什么问题值得研究。你给它一个题目，它能把这个题目做完；但“该做哪个题目”这件事，它给不出答案。它可以列出十个方向供你挑，可是哪个方向对你所处的位置来说真的要紧，需要知道你的学生是谁、你的学校什么处境、你这几年在琢磨什么——这些它都不知道。一个问题值不值得问，通常来自处境，而机器没有处境。

第二，它不能保证内容为真。流程可以降低出错率——分步比一口气好，有评审比没有好——但没有任何环节能担保事实正确。它引的每一条具体材料，仍然需要你亲自核。这不是当前技术不成熟，这是它工作机制的直接后果（回到第一节），流程能减轻，不能根除。

第三，它不能替你面对读者。文章发出去之后，有人质疑、有人追问、有人指出一处硬伤——出面的是你。到那时你会非常清楚地意识到：那些你没读透就放行的段落，此刻正是你的负担。这也是为什么必须逐字读完自己署名的东西，无论它是谁写的初稿。

第四，它不产生真正的新问题。这一条要说得小心，因为容易被误读成“AI 毫无创造力”。它能给出新颖的组合、能提出你没想到的角度，这些确有价值。但把一个领域里没人意识到的裂缝指认出来——说出“这里有个大家都视而不见的地方”——这件事目前主要还是靠人。原因不神秘：识别裂缝需要长期泡在一件事里，泡到能感觉到哪里不对劲。那种不对劲的感觉来自反复的碰壁，而机器不碰壁。

第五，也是最需要警觉的一条：它会让不够好的东西看起来足够好。

这一条值得展开。机器的产出有一个特点：形式上永远合格。段落齐整，逻辑连接词用得恰当，术语使用规范，结论收得漂亮。当一样东西在形式上如此完备，人是很难对它保持怀疑的——我们判断质量时，本来就大量依赖形式信号。

于是会出现一种特别隐蔽的失败：一篇文章什么错误都没有，读起来很顺，结论也稳妥，但它没有说出任何新东西。它把所有人已经知道的事，用更漂亮的方式又说了一遍。这样的东西，评分可能不低，发出去也不会被批评，但它其实什么也没发生。

这类“看起来发生了、实际什么也没发生”的产出，比明显的错误更难对付。错误会被现实撞回来；而形式合格的空转不会——它甚至会被表扬。要防它，只有一个笨办法：读完之后问自己一句，把这篇文章拿走，世界上少了哪一句原来没有的话？答不上来，就说明它虽然写完了，但还没有发生。

这一问，建议你在每一次使用 AI 完成一件正经事之后，都问一遍。

十八 · 换个角度看这件事：三个词与一句提醒

最后加一节稍微理论一点的，但保证不绕。它能帮你把前面所有内容装进一个更耐用的框架里，将来遇到新工具时也用得上。

本站的一套说法用三个词看待任何事物如何发生：显露（S）、差异（D）、纠缠（E）。用大白话说：显露是一样东西被看见、被认出来的那个样子；差异是把它和别的东西分开、并推动它往前走的那些落差；纠缠是它和周围一切互相缠绕、彼此供养的那张网。三者互为条件，谁也不能单独立住。

用这三个词看大模型和智能体的关系，会看到一些前面没说透的东西。

大模型这台机器，强在显露。你给它一个开头，它能把一段合乎语言规范的东西显露出来——通顺、得体、像模像样。这是它的本行，也是它最不可思议的地方。

但它先天缺一样：它自己不持有差异。它不知道这件事哪里不对劲、哪里有落差、哪里值得使劲。它没有那个“卡住了”的感觉，因为它不曾在任何一件事上卡住过。所以你不给它方向，它只会显露出一片四平八稳、谁也不得罪的东西——形式完备，但没有落差，因而没有推力。

而智能体做的事，正是把差异从外面接进来。那条流程里的每一步，本质上都是在制造和维持一个落差：研究那一步问“已有说法为什么不够”，这是在找落差；四个点子那一步逼它给出彼此不同的角度，这是在造落差；你在第三步做的选择，是把你自己身上真实的落差按进这个系统里——你之所以选中那一个，是因为它挠到了你心里那个一直没说清的地方。

至于纠缠：跨步记忆，就是让各步骤彼此缠上。没有它，六个步骤只是六次互不相干的问答；有了它，第五步写的每一段都被第一步的材料和第三步的选择牵着。一件事之所以能成为一件事，而不是一堆碎片，靠的就是这种彼此缠绕。

这样一来，那五个标志可以被更简洁地重述一遍：智能体做的全部事情，就是给一台只会显露的机器，从外面接上差异，并让各步骤纠缠起来。而那两个人机互动节点之所以是灵魂，因为最要紧的那个差异只能从你身上来——机器没有处境，没有立场，没有后果要承担，因而没有真正属于自己的落差。

说到这里，那句提醒就可以说出口了：

你在这套系统里的位置，不是操作员，是差异的来源。

这句话决定了两种截然不同的用法。第一种：你把它当自动写作机，输入题目，等着收成品。这样用，你在系统里的角色是按钮，而按钮是可以被替换的——一旦你只提供“启动”这个动作，你的价值就等于那个动作的价值。第二种：你把它当放大器，你负责提出真正卡住你的问题、在关键处做出只有你能做的判断、并为最终的东西负责，让它负责把这些变成一件做完的事。这样用，机器越强，你越强。

同一台机器，两种用法，通向完全相反的两个方向。这不是技术决定的，是你在第三步按下哪一个按钮时决定的。

结语 · 你要守住的那一样东西

回到开头那位老师的疑问：智能体和聊天框，到底是不是一回事？

现在可以给一个完整的回答了。不是一回事，但也不是两回事——是同一份能力的两种组织方式。聊天框把大模型的能力以最直接的方式递给你：你问，它答，全部推进力在你手上。智能体把同一份能力编排进一条流程里：它自己往前走，在两三个关键处回来找你，最后交给你一件做完了的东西。

所以判断标准很简单：你要的是一次高质量的应答，还是一件完成的活？前者用聊天框，简单直接，没有必要上工具；后者才需要智能体，而且只有当那件活真的有稳定的步骤时才划算。不要为了用智能体而用智能体——那和为了用投影仪而用投影仪，是同一种错误。

这篇文章讲了很多技术上的分别：无状态与跨步记忆、被动响应与流程推进、一段文字与一份成品、有没有自评。这些分别都重要，但它们都会随时间改变——模型会更强，工程会更精，今天需要你亲自盯着的地方，明年可能就不用了。

只有一样东西不会随之改变，那就是本文反复回到的那句话：大模型会说，智能体会做，只有人会承担。

承担听起来像是负担，其实它是你在这套系统里唯一不可替代的位置。因为一切能被自动化的，最终都会被自动化；而“为一件事负责”这件事，从结构上就无法外包——它需要一个会被追问、会觉得难堪、会在半夜想起某句话写得不妥而爬起来改的人。机器不具备这些，不是因为它还不够先进，是因为它没有后果。

所以，如果这篇两万字只能留给你一句话，我希望是这一句：

让机器去做那些做完就算完的事，把那些做完还要有人站出来的事，留给自己。

然后，去打开那个工具，跑一次。看看它在哪里停下来问你——那个位置，就是留给你的。