把 ChatGPT 接进自家系统,不等同于搭出了智能体。LangChain 团队熬了四年生产实践,把这事说穿了:智能体不是会聊天的机器人,也不是循环跑模型的脚本,真正判它“是”智能体的,是下一步由谁拍板。

按他们给出的官方定义,AI 智能体是“由大语言模型决定应用控制流”的系统。下一步该查库、该调 API、该停下来再问一句,都是模型自己拿主意,代码只是把它能用的工具和权限摆好。给模型的控制权越多,系统越像“智能体”,从最轻的 LLM 路由器,到会自己挑工具、跨多步任务的自治系统,差别就落在这条线上。

对应的另一面是工作流:步骤提前编排好,谁先谁后、满足什么条件跳到哪,都是人写死的。两条路不是二选一,而是工程上分工的——确定性强、能复现的环节交给工作流,需要灵活判断、容错成本高的环节交给智能体接管控制流,组合用才是真正能上生产的打法。

这也引出一个常被低估的代价:模型拿走的控制权越多,你要兜底的东西就越多。可观测性、评估体系、记忆机制、权限边界、安全执行,这套基础设施的鲁棒性直接决定生产会不会翻车。换个角度说,你交出去的不是“自动化”,是“谁能决定下一步”这件事的归属权,基础设施不到位,事故概率会陡增。

如果只能记一句话:你正在做的系统里,下一步到底是谁在决定——是模型,还是你写好的代码?先回答清楚,再谈是不是智能体。