跳转至

Agent 定义与分类

最后更新：2026-04-24

"AI Agent" 是 2023-2026 最被滥用的词——几乎每家 AI 公司都自称做 Agent。本文从能力边界 + 自主程度 + 交互形式三个维度，给 Agent 一个可操作的分类框架，厘清 Copilot / Agent / Operator / AutoGPT / Devin 的真正区别。

一句话结论

Agent = 具备"感知 → 规划 → 行动 → 反思"闭环能力的 AI 系统。按自主程度分三级：L1 Copilot（被动建议）→ L2 半自主 Agent（多步骤委派）→ L3 全自主 Agent（长时程任务 + 自主决策）。2026 绝大多数生产环境 AI 仍在 L1-L2 之间，L3 仍是"Demo 能跑、生产会翻车"的阶段。

三条关键要点

  1. Copilot ≠ Agent：Copilot 是行内补全（代码建议、邮件草稿），Agent 是任务委派（"修这个 bug"）—— 两者之间的鸿沟是主动性 + 多步决策
  2. Agent 的鼻祖是 2023-03 AutoGPT：在 ChatGPT 之上加循环 + 工具 + 目标分解，震动极大但产出极差 —— 2023 Agent 的"Demo vs 生产"差距教训犹新
  3. 2025 Agent 真正可用：Claude Computer Use (2024-10) + Devin (2024-03) + Claude Code (2025-02) + ChatGPT Agent (2025-07) 串起 "Agent 从玩具到工具"的转折

Agent 的三个能力组件

组件 1 · 感知（Perception）

  • 接收用户输入 / 系统状态 / 环境反馈
  • 从 LLM Text → 多模态（Vision / Audio）→ Tool output 逐步扩展

组件 2 · 规划（Planning）

  • ReAct（Reason + Act）：最早期 + 最通用框架
  • Chain of Thought / Tree of Thoughts：引入推理链
  • Hierarchical Planning：拆分 subtask
  • Reflection / Critic：自我批改

组件 3 · 行动（Action）

  • Tool Use：调用 API / 函数
  • Code Execution：写代码 + 运行
  • Computer Use：操作 GUI（Claude CU / Operator）
  • Browser Control：浏览器 Agent
  • Multi-Agent Coordination：与其他 Agent 协作

闭环：反思（Reflection）

  • 验证行动结果
  • 修正规划
  • 更新 Memory
  • 关键区别 Agent vs Copilot：Agent 自己闭环，Copilot 由人闭环

Agent 三级分类

L1 · Copilot（行内建议）

  • 定义：AI 在上下文中给出建议，用户审核采纳
  • 代表：GitHub Copilot 补全、ChatGPT 对话、Notion AI、Grammarly
  • 自主程度：0-10%（每步都需用户拍板）
  • JTBD：辅助人类做事更快

L2 · 半自主 Agent（多步委派）

  • 定义：AI 多步骤完成一个明确任务，中间可以反思 / 重试，最后返回结果让用户验证
  • 代表：Claude Code 自动修 bug、Cursor Composer、Perplexity Deep Research、ChatGPT Operator
  • 自主程度：30-70%
  • JTBD：替代人类完成 1-2 小时的中等任务
  • 成功率：通常 50-80%（视任务类型）

L3 · 全自主 Agent（长时程）

  • 定义：AI 长时间工作（小时 → 天），自主分解目标、调度工具、做决策
  • 代表（2026 初）：Devin（Cognition）、Manus（中国 Agent 爆款）、实验性 AutoGPT / BabyAGI
  • 自主程度：> 70%
  • JTBD：替代人类完成一整个"工单 / ticket"的工作
  • 成功率：10-40%（且越复杂越低）
  • 最大挑战：误差累积、决策偏差、目标漂移

按交互形态分类

形态 代表 入口
Terminal / CLI Claude Code、OpenAI Codex CLI、Aider 命令行
IDE 集成 Cursor、Windsurf、GitHub Copilot VS Code / JetBrains
Web 对话 ChatGPT、Claude.ai、Gemini 浏览器
浏览器 Agent Operator、Browser Use、Comet 浏览器内自控
Computer Use Claude Computer Use 操作系统级
Multi-Agent 框架 LangGraph、CrewAI、AutoGen SDK

历史演化（2022-2026）

2022-11  ChatGPT 发布 —— Agent 概念萌芽
2023-03  AutoGPT / BabyAGI 爆火 —— "Agent 革命" 宣言期
2023-07  Function Calling（OpenAI）—— Tool Use 标准化
2023-10  Assistants API（OpenAI）—— Agent 基础设施
2024-03  Devin 发布（Cognition）—— "第一个 AI 软件工程师"
2024-10  Claude Computer Use（Anthropic）—— 操作电脑
2024-11  MCP 协议开源（Anthropic）—— Agent 标准协议
2025-01  ChatGPT Operator beta —— 浏览器 Agent 入口
2025-02  Claude Code 发布 —— Terminal Agent 大爆炸
2025-03  Manus 爆火（中国）—— C 端 Agent 现象
2025-04  OpenAI Codex CLI 开源
2025-07  ChatGPT Agent（正式版）
2025-09  Claude Agent SDK —— Agent 开发框架

用 颠覆创新 + JTBD 框架 看 Agent 演进

  • 2022 ChatGPT 的 JTBD："帮我想"（回答问题）
  • 2024 Claude Code / Devin 的 JTBD："帮我做"（完成任务）
  • 2026+ 的 JTBD 猜想："替我决策"（长时程决断）

这种 JTBD 升级伴随监督频率下降 + 错误代价升高——从"每句话审"到"每小时审"到"每天审"。

用 跨越鸿沟 Crossing the Chasm 框架 看 2026 Agent 市场

阶段 代表产品 用户 2026 判断
Innovators AutoGPT、BabyAGI 极客 已过
Early Adopters Claude Code、Cursor、Devin 专业开发者 正在
Early Majority 未出现 主流企业 未到
Late Majority —— 保守企业 2027+

主流企业采用前的鸿沟挑战： - 完整解决方案（not DIY） - 明确 ROI 证明 - 合规 + 安全边界 - 案例库 + 专业服务 成熟

2026 关键变量

  1. L3 Agent 成功率能否从 30% 升到 70%：这是"Demo 到生产"的分水岭
  2. MCP 协议生态扩散：是否成为事实标准
  3. 浏览器 Agent 解决网络身份验证问题：CAPTCHA、2FA、隐私
  4. Agent 价格模式：按成功付费 vs seat 订阅
  5. 法律责任划分：Agent 出错的民事责任

我的判断

我的看法：

  1. "Agent" 术语会继续被滥用——每个 Copilot 产品都会自称 Agent
  2. L2 半自主 Agent 是 2026-2027 商业化主战场：不求全自主，把"1-2 小时明确任务"做扎实
  3. L3 全自主 Agent 仍是研究前沿：Devin / Manus 展示方向，但生产事故风险高
  4. Agent 分类标准会统一：可能出现类似自驾 L1-L5 的行业认证
  5. 最大机会不是"通用 Agent"，而是"行业专用 Agent"：Harvey（法律）、Sierra（客服）、Devin（软件）

我可能错在哪里： - L3 Agent 2026 年底即达到可商用（Devin / Manus 突破） - "通用 Agent"成为新赢家（ChatGPT Agent 超越垂直） - Agent 分类始终无行业共识，概念混乱持续

延伸阅读