一句话：问答模型输出的是文本，Agent 输出的是结果。区别在于它要自己拆任务、调工具、校验结果，并对没做成负责。
被动问答的天花板
「问一句答一句」的模式在企业里有三个绕不过去的限制：
- 不落地：它告诉你怎么查库存，但不能真的去查；
- 不连贯：一次对话结束，状态就丢了，多步骤任务要人来回搬运；
- 不担责：给出错误结论时，没有任何机制拦截。
Agent 的定位就是补上这三块：能调用、有状态、可校验。
四个组成部分
1. 规划（Planner）
把用户的模糊目标拆成可执行步骤。两种主流范式：
- ReAct：边想边做，每步「思考 → 行动 → 观察」循环，灵活但容易绕圈；
- Plan-and-Execute：先生成完整计划，再逐步执行，可控性好，但计划错了要能重规划。
企业场景更偏后者：步骤可审计、可人工确认、可中断恢复。
2. 工具（Tools）
工具不是越多越好，而是要边界清晰、幂等、可回滚：
- 每个工具要有明确的入参 schema、返回结构、错误码；
- 写操作要幂等（带业务唯一键），避免重试造成重复下单、重复发邮件；
- 危险操作（付款、删数据、对外发送）必须有人工确认环节。
3. 记忆（Memory）
- 短期：当前任务的中间结果、已确认的事实；
- 长期：用户偏好、历史决策、组织规则。
没有记忆的 Agent 每次都要重新问一遍背景，用户体验还不如人工。
4. 校验（Verifier）
这是最容易被忽略、又最决定能不能上线的一环：
- 规则校验：金额是否超限、必填字段是否齐全、供应商是否在黑名单；
- 交叉校验：多个来源的数值是否一致，不一致就报冲突而不是择一；
- 结果自检：让模型对照原始材料核对自己的结论，标出无依据的部分。
工具编排：DAG 而不是线性链
真实任务很少是直线流程。更合适的抽象是有向无环图：
取数 → 清洗 → 并行调用（汇率 / 库存 / 合同）→ 汇总 → 生成结论 → 人工复核工程上要处理四件事：
- 并发与依赖：无依赖的节点并行，缩短总时长；
- 重试与降级：接口超时先重试，仍失败则切本地缓存或备用数据源，并在结果里标注「降级」；
- 超时与熔断：单个节点不能拖垮整条链路；
- 可观测：每个节点的入参、出参、耗时、是否降级都要留痕。
多角色协同与仲裁
复杂决策往往需要多个视角：财务看成本、法务看合规、技术看可行性。让多个角色 Agent 各自出结论，再由仲裁层汇总：
- 一致的部分直接采纳；
- 冲突的部分列成对照表，指出分歧点和依据；
- 冲突未解决时，阻断最终报告的生成，交人工裁决。
这比让一个大模型「综合考虑」更可靠——因为分歧被显式暴露，而不是被平均掉。
可控性：企业最在意的部分
| 维度 | 要求 |
|---|---|
| 权限 | 按角色做字段级控制（可见 / 脱敏 / 不可见），越权请求要拦截 |
| 审计 | 每次调用记录操作者、时间、工具、入参摘要、结果 |
| 私有化 | 模型与数据不出内网，敏感字段在进入模型前就脱敏 |
| 可回滚 | 写操作留快照，出问题能撤销 |
怎么衡量它有没有用
不要看「回答得像不像人」，看这四个数：
- 任务成功率：端到端完成的比例（不是单步正确率）；
- 人工介入率：需要人接管的比例，越低越好；
- 平均耗时：相比人工流程缩短多少；
- 错误代价：出错时的损失是否可控、是否可追溯。
一个只能把人工 30 分钟压到 3 分钟、但每周出一次不可回滚错误的 Agent，是不合格的。闭环的前提是可控，不是自动化程度高。