AI Agent 工程 · 00
00.2 Agent 与普通聊天机器人的区别
用同一个售后问题比较聊天、检索、工具调用和受控行动，避免把所有对话产品都叫 Agent。
知识定位
上一节定义了 Agent。本节建立分类能力：先看任务需要什么能力，再决定是否需要 Agent。
一句话定义
**聊天机器人（chatbot）**主要根据对话上下文生成回复；Agent会在规则约束下选择并执行下一步行动，再根据结果继续处理。两者都可能使用 LLM，但“能回答”与“能安全完成动作”不是一回事。
核心原理
客户问“退款到账了吗？”：FAQ 聊天机器人可解释一般到账时间；接入知识库后可引用正式政策；只有在核验身份、查询订单并遵守权限后，系统才适合调用退款状态工具。最后一步才是 Agent 式工作流的一部分。
| 能力 | 适合的方案 | 例子 |
|---|---|---|
| 固定答案 | 普通页面或规则机器人 | 运费说明 |
| 从资料回答 | 检索增强问答 | 退货政策 |
| 查询或改变业务状态 | 受控 Agent | 查询某客户订单 |
为什么存在
把所有请求交给 Agent 会增加成本、延迟和错误面。一个好系统会把确定的步骤写成确定规则，把需要理解语言、选择工具的少数节点交给模型。LangGraph 的文档也强调：同一工作流可混合确定性步骤和模型驱动步骤。
实践任务
输入：列出客服常见的“改地址、查物流、申请退款、问尺码”四类请求。执行：为每项选择上表中的方案并说明原因。预期输出：四条决策记录。验收标准：至少一项不是 Agent。
主动回忆
“客户输入订单号后自动返回物流”一定需要 LLM 吗？若不需要，怎样做会更可靠？
纸质笔记
- 必须记：行动前必须先有身份、权限和规则。
- 建议记：确定性步骤优先不用 LLM。
- 不用记：把产品名称当成架构分类。