本篇导读

预计阅读时间：6 分钟。读完你会搞明白三件事：聊天框的天花板在哪、Agent 是个啥、以及它能替你做哪些聊天框做不了的事。

先问个问题：你现在是怎么用 AI 的？

大概是这样。打开一个聊天框，可能是豆包，可能是千问，也可能是 DeepSeek。打字，回车，看它吐一大段回复。觉得有用就复制走，觉得没用就换个问法再来一遍。

这是绝大多数人的用法。但我想指出一个事实：这个用法已经到顶了。 不是 AI 到顶了，是「聊天框」这个东西到顶了。

聊天框的三个限制

聊天框只能「说」，不能「做」。你问，它答，仅此而已。具体来说，有三个绕不过去的限制：

1. 它碰不到你的电脑。 你让 AI 写个自动整理文件的脚本，它给你一大段代码，然后呢？你自己新建文件、粘贴、保存、打开终端去跑。报错了再复制回去问它，它再给一版，你再粘贴再跑。从头到尾，出主意的是它，干活的是你。
2. 它记不住你。 今天费半天劲给它讲清楚的规则和背景，明天新开一个对话就归零，一切都得重来。
3. 它出不了聊天框。 查资料、填表格、批量重命名几百个文件——这些要「动手」的事，它都干不了，只会回复「建议您手动操作」。

Agent：从出主意到直接做

AI Agent，中文叫智能体，解决的就是这三个问题。你可以把它理解成：给 AI 装上了手和脚。

还是刚才那个例子。这回你对 Agent 说：「把这个文件夹里 200 张照片按拍摄日期整理好。」

它不是给你一份操作指南让你照着做，而是自己动手：打开文件夹，读取文件信息，建目录，逐个挪文件。中间哪步出错了它自己调整，完成后向你汇报结果。

你的角色从这里开始改变：以前你负责执行，AI 负责出主意；现在 AI 负责执行，你只负责提需求和验收。

再拿「做个个人IP展示页面」对比一下：

• 聊天框：给你一大段 HTML 代码，你自己粘贴保存，浏览器打开一看样式乱了，复制回去问，再改再粘贴，来回五六轮还不一定能看。
• Agent：你说一句「帮我做个能展示作品集的个人主页」，它直接在你电脑上建文件、写代码、打开浏览器给你看效果。你说标题字体大一点，它改完自己刷新。

前者你是在复制粘贴，后者你是在用 AI 做事。这本教程教的从头到尾都是后者。

用之前，先认清它的脾气

Agent 能干活了，但它脑子里的 AI 和聊天框里的是同一个东西，有三个脾气要提前知道：

1. 它可能会一本正经地编造。 使用低级模型，问它冷门事实，它可能给出一个看起来很可信但纯属虚构的答案。
2. 它不知道最新的事。 它不了解当天的新闻和实时信息，除非给它联网能力（后面章节会讲怎么给）。它知道的信息截止于模型训练的时间。
3. 它习惯顺着你说。 你说「我觉得 A 方案好」，它多半会附和。想听真话，就直接问「请指出这个方案的问题」。或者添加相关的约束规则和技能来规避这一类问题。

所以最健康的分工是一句话：AI 负责数量，你负责质量。 让它写初稿、跑腿、干重复活，你负责判断和把关。全盘照收会退步，完全不用会落后。

下一章

那 Agent 凭什么能自己动手？它和聊天框里的 AI 到底是不是有什么不同？

下一章把这个黑盒拆开，里面就一个公式：Agent = Model + Harness。搞懂它，后面所有的配置、调教和实战你都会觉得顺理成章。