Gartner 预计超过 40% 的智能体 AI 项目会在 2027 年底前被取消，而在数千家自称提供此类产品的厂商中，真正名副其实的只有约 130 家。本文讲清楚智能体究竟是什么，以及如何判断你的流程需不需要一个。
This article was translated from the English original. Translations are machine-assisted and reviewed on a rolling basis.
软件正在跨过一条它从未跨过的线：从执行别人写好的步骤，变成决定这些步骤应该是什么。AI 智能体的全部含义就在于此，这也正是智能体比它所取代的自动化更难治理的原因。
市场跑到了能力前面。Gartner 预计超过 40% 的智能体 AI 项目会在 2027 年底前被取消，原因是成本失控、业务价值不清、风险控制不到位。同一份研究给这片喧嚣标了个数字：在数千家兜售智能体 AI 的厂商中，大约 130 家是真的。其余的只是换了标签。
本指南讲清楚智能体由什么构成、它与工作流的分界在哪里，以及如何判断某个流程是否值得为它建一个。
智能体究竟是什么
智能体会感知、推理、行动，并从结果中学习。传统自动化只做第三件事，别的都不做。
宏、cron 任务、ETL 管道和机器人流程自动化都有一个共同点：走通系统的路径是事先写死的。这让它们可预测、易于推断，也很脆。输入只要偏离预期就会出错，而且失败通常是全面崩掉，而不是逐步退化。
智能体靠运行时决策来消化这种偏离。它读取当下情况，在手上的工具里挑选，某一步没得到预期结果就改道。这份灵活性的代价是：你再也无法通过读代码来知道系统会做什么。
差别由三种能力支撑。感知是接收非结构化输入的能力，无论那是自然语言、一份文档、一块屏幕，还是一串 API 响应。推理是把目标拆成步骤并在其中做选择的能力。执行是作用于外部世界的能力，实务上就是调用 API、写入记录系统，或者生成并运行代码。
智能体由哪些部件构成
实现的成败更多取决于架构，而不是模型选型。几乎每个像样的系统里都会出现五个组件。
| 组件 | 作用 | 常见技术 |
|---|---|---|
| 传感器 | 接收启动一次运行或为其提供信息的输入 | Webhook、API 轮询、OCR、语音转文字 |
| 记忆 | 在一次运行内以及跨运行保存上下文 | 向量数据库、键值存储、图数据库 |
| 规划 | 把目标拆解成有序的步骤集合 | 基于 LLM 的规划器、分层任务网络 |
| 策略 | 从可选项中挑出下一个动作 | 模型推理、习得策略、规则引擎 |
| 执行器 | 把决策送进另一个系统 | REST API、数据库连接器、RPA 工具 |
多数设计栽在记忆上，因为两种记忆很容易混为一谈。短期记忆保存单次运行的工作上下文，用完即弃。长期记忆跨运行留存，是智能体得以进步的前提。MIT 的State of AI in Business 2025把第二种记忆的缺失点为企业部署停滞的核心原因：不保留反馈的系统无法适应，于是停在第一周的水平上不再前进。
在单个智能体之外，有两种模式反复出现。多智能体系统把工作分给各个专才，由一个编排器在它们之间调度；领域确实彼此不同的时候它有用，领域并不区分的时候它反而添乱。混合架构在回路中的某个明确位置放一个人，要么在动作之前审批，要么在动作之后监看。
工作流还是智能体
这个领域里最有用的决定，往往是不建智能体。
Anthropic 的工程指南把这条线画得很准。在工作流里，「LLM 和工具通过预先定义的代码路径被编排」。在智能体里，「LLM 动态地指挥自己的流程和工具使用」。随后的建议毫不含糊：找出可能范围内最简单的方案，只在必要时才增加复杂度，而这「可能意味着根本不去构建智能体系统」。
这笔交易是拿延迟和成本去换灵活性。一个处理九成情况、其余上交人工的工作流，通常运行更便宜、调试更容易，向监管机构解释起来也远比一个处理九成五却说不清怎么做到的智能体轻松。
所以问题不是某个流程能不能做成智能体，而是这份工作里的变化是不是真的存在。输入稳定、步骤已知的地方，工作流才是正确答案，智能体只是一种昂贵的抵达方式。
什么会坏，什么撑得住
智能体的失败方式和自动化不同，因为一个自己挑步骤的系统可以挑错了还继续往下走。
能力强的模型追的是被交代的目标，而不是被期望的目标，并且会走上设计者没预料到的路径。这不是罕见病症，而是优化器的应有表现，也正因如此，撑得住的治理必须约束智能体能做什么，而不能指望关于它该做什么的一纸指令。
三项控制承担了大部分重量。受限凭证意味着智能体只能触及其流程所需的系统，于是一个错误决策的波及范围是有边界的。审计轨迹记录下决定了什么、依据是什么，这是解释一个结果和猜测一个结果之间的差别。明确的人工检查点设在任何撤销代价高昂的动作之前。
输出审查是另一个独立问题，与访问控制不同，两者不是可以互换的过滤器。
这把你带到哪里
取消率不能证明智能体不管用。它证明的是：多数组织选错了第一个流程，买了换过标签的聊天机器人，或者在工作流本就够用且更便宜的地方建了智能体。
真正拿到价值的组织通常在做不起眼的事：挑一个有真实变化、结果可核对的流程，建一个刚好能处理它的最窄系统，装上仪表让失败可见，等第一个跑够长时间值得信任之后才扩展。这比厂商给的时间表慢。它也是那个能在审计面前站住的版本。
在决定动手建之前，先诚实认清你真正需要的是两种系统里的哪一种。过去两年里被归到智能体名下的价值，多半是工作流做出来的。
Frequently asked questions
What is an AI agent?+
An AI agent is software that perceives its environment, plans a course of action, carries it out, and adjusts based on the result. The distinction from ordinary automation is that the sequence of steps is decided at runtime rather than written in advance.
How is an AI agent different from a workflow?+
In a workflow, the path through the system is fixed in code and the model fills in steps. In an agent, the model decides the path. Anthropic's engineering guidance recommends the workflow wherever it will do, because agents trade latency and cost for flexibility.
Why are so many agentic AI projects cancelled?+
Gartner attributes the cancellations to escalating costs, unclear business value, and inadequate risk controls. A large share of projects begin as proofs of concept driven by hype rather than by a process with a measurable failure mode.
What is agent washing?+
Agent washing is the rebranding of existing chatbots, assistants, and robotic process automation as agentic AI without the underlying capability. Gartner estimates only around 130 of the thousands of vendors making the claim are genuine.