agentic-ai入门 | 什么是Agentic AI?一文读懂智能体工作流与零样本的本质区别

原创2026-10-13 23:57:411,952 阅读

agentic-ai入门 | 什么是Agentic AI?一文读懂智能体工作流与零样本的本质区别

📌 agentic-ai 是吴恩达(Andrew Ng)Agentic AI 系列课程的中文翻译与知识整理项目。本文带你快速理解 Agentic AI(智能体 AI) 的核心概念:什么是智能体工作流?它和"零样本"(zero-shot)提示到底有什么区别?掌握这些,你就迈出了构建 AI 智能体的第一步。

Agentic AI 智能体工作流与零样本工作流对比图

一、什么是"非智能体"工作流(零样本)?

零样本(zero-shot)工作流指的是:用户用一个提示(prompt),要求 LLM 一次性、一口气完成整个任务。

例子:"请从头到尾写一篇关于主题 X 的文章,中间不能使用退格键修改。"

这就像让人"一口气"从第一个字写到最后一个字,不能回头修改。无论是人类还是 AI,都不擅长这种完全线性、不可逆的创作方式。虽然主流大模型在这种约束下依然表现不错,但它本质上没有迭代、没有检查、没有工具调用。

零样本提示与智能体提示的区别示意图

二、什么是"智能体"工作流?

Agentic AI 工作流的定义:基于大语言模型(LLM)的应用执行多个步骤以完成任务的过程。

换句通俗的话说:把复杂任务拆分为具体的 Steps,指挥多个 LLM(可以是不同的模型)完成每个步骤,最终生成可交付的结果。

🍳 打个比方:Agentic AI 工作流就像请了一支"AI 厨房天团"帮你做西红柿炒鸡蛋——你把任务拆成备菜、炒菜、装盘三步,分别指挥不同模型分工协作,味道不对还能复盘打回重做。全程你只动嘴不动手,靠多模型协作一步步把复杂任务搞定。

以"撰写文章"为例,一个典型的智能体工作流包含:

  1. 写大纲:让 LLM 先输出文章大纲
  2. 判断是否研究:让另一个 LLM 决定是否需要网络搜索
  3. 执行研究:如需要,调用 web search 工具获取网页信息
  4. 写初稿:将资料输入 LLM 生成第一稿
  5. 反思与修订:让 LLM 反思初稿,决定哪里需要修改
  6. 人工审核(可选):关键环节可请求 human review
  7. 最终修订:根据反馈完成终稿

虽然迭代式流程耗时更长,但能产出质量更高、更全面的结果。

三、核心区别:零样本 vs 智能体工作流

对比维度 零样本(Non-agentic) 智能体工作流(Agentic)
执行方式 单提示一次性输出 多步骤循环迭代
可否修正 ❌ 不可回头修改 ✅ 可反思、可修订
工具调用 无 可调用搜索、抓取、人工审核等工具
模型使用 单个 LLM 可编排多个 LLM 分工协作
输出质量 受限于单次生成上限 质量更高、更全面

一句话总结:零样本是"一口气说完整段话",智能体工作流是"写一步、查一步、改一步"。

四、自主性等级:智能体可以"听话",也可以"自主"

"Agentic" 是形容词而非名词,因此系统可以有不同程度的自主性(Degrees of autonomy),而不必纠结它"是否算真正的智能体":

  • 低自主性(Less autonomous):所有步骤预先设定,工具调用硬编码(hard-coded),自主性仅体现在生成的文本上
  • 半自主性(Semi-autonomous):Agent 能做出部分决策、选择工具,但工具是预定义的
  • 高自主性(Highly autonomous):Agent 自主做出大量决策,甚至能动态创建新工具

智能体自主性等级:从低自主到高自主的工作流对比

Agentic AI 自主性光谱:低自主、半自主与高度自主

🔑 精髓所在:Agentic AI 的价值不是"能干活",而是"会自己想怎么干、用什么工具、干完还能自己检查改错"——这才是真正的智能体,而非"高级打字机"。

五、为什么值得学习 Agentic AI?

  • ⚡ 性能飞跃:在 HumanEval 编码测试中,把 GPT-3.5 放入智能体工作流(写代码→反思→改进)后,表现可追平甚至超过单独使用的 GPT-4
  • 🚀 并行加速:智能体工作流可并行搜索、并行抓取网页,总耗时远低于人类顺序操作
  • 🧩 模块化设计:工具可自由替换(如换搜索引擎),模型可按步骤挑选最合适的版本

六、如何开始学习?

推荐按 agentic-ai 项目的章节顺序学习:

章节 内容
1️⃣ 工作流简介 智能体概念、自主性等级、评估(evals)与设计模式
2️⃣ 反思设计模式 用 Reflection 迭代改进任务输出,配套图表生成实验
3️⃣ 工具使用 把函数变成工具、MCP 协议、代码执行
4️⃣ 实用技巧 评估与错误分析、组件级评估、延迟与成本优化
5️⃣ 高度自治智能体 工作流规划、多智能体协作与通信模式

核心入口资料:

🎯 下一步建议:先读完第 1 章建立全局认知,再动手跑一遍 2.4 图表生成实验,用实践巩固"反思带来质量提升"这一智能体最核心的设计思想。

登录后查看全文
agentic-ai