聊天框后面那台发动机：AI、模型和 Agent 到底是什么关系？

想象你对电脑说：“帮我找一个大家都有空的会议时间，订好会议室，再通知参会的人。”

聊天模型也许能告诉你应该怎么做。但它能直接查看同事日历、预订会议室、发出通知吗？如果它做了，做错了能停下来吗？

这几个问题，正好把“AI”“模型”和“Agent”从一团热词里拆开。

AI 是一大片领域，模型只是其中一种引擎

人工智能（AI）是一个很大的领域，里面有搜索、规划、感知、机器学习等不同方法。今天大家口中的聊天 AI，通常是由大语言模型驱动的一类产品。模型接收输入并生成输出；它会归纳文本、写代码、解释问题，但“能生成一段操作步骤”不等于“已经替你执行了步骤”。

模型不会因为你在对话框里提到了日历，就自动拥有日历权限。能不能读日历、调用预订接口、发送通知，取决于包在模型外面的应用和工具配置。

可以先记住这层关系：

AI：一大片研究和应用领域
└── 模型：处理输入、生成输出的引擎之一
    └── 应用：把模型接进界面、数据、工具和规则的程序
        └── Agent：应用里能根据目标多步行动的一种工作方式

这不是唯一的学术分类。不同产品会把“Agent”用在不同范围里。为了讨论工程实现，本文采用一个实用定义：Agent 是模型、指令、工具和运行循环组成的系统；它会根据当前结果决定下一步，直到完成、失败或需要人接手。

普通问答大致是：输入问题，模型生成回答，结束。

订会议室则可能需要：读取日历、比较空档、查询会议室、创建预订、通知人员。模型不能靠一句流畅的话证明这些动作真的发生了。应用必须提供可用工具，执行工具调用，再把结果交回模型判断。

所以 Agent 的关键并非“模型突然有了人格”，而是它被放进一个能行动、能观察结果、能继续或停止的循环。OpenAI 的 Agents 文档也把 Agent 描述为模型、指令、工具等配置与运行流程的组合；具体循环由所选运行时管理，或者由应用自己实现。

这也解释了为什么同一个模型，放进不同应用里会像不同的助手：一个只有聊天窗口，另一个可能可以读取项目文件；一个只能草拟邮件，另一个在授权后能发出邮件。差别不只是模型，还包括应用交给它的上下文、工具和权限。

下次看到“AI 可以自动做 X”，可以依次问四件事：

这四个问题比“它有多聪明”更能预测一次自动化是否靠谱。

本文是「AI Agent 实用拆解」第 1 篇，共五篇：接下来讲 Agent 的行动循环，再讲 Skill、MCP 和 Hooks。后续还会继续写 Prompt 工程，但 Prompt 不是这张架构图里唯一值得设计的部分。