为什么你的Agent还是个Chatbot？

关注

原创最新推荐文章于 2026-08-08 22:47:25 发布 938 阅读 AI 写同款· GEO 优化 ›

Langchain-Chatchat agent详解 agent和chains模块的一样，都是使用大预言模型(LLM)选择一系列的动作来执行，达到完整特定任务的目的在chains模块中，其系列要执行的动作是写死在代码中的饿，灵活性不够。在agents模块中，使用大预言模型来推理要执决定要执行的动作及以何种顺序执行。agents先引入一批的tools，这些tools是langchain自带的，比如谷歌搜索、python排序等。agents流程会通过大预言模型决定调用哪个工具执行。调用工具的方式不同，可以将agents分为不同到类型。阅读详情

1. 引言

关于AI agent的交互模式，最近显得有点"囧"了。

一边我们吹牛给客户说 Agent 无所不能，另一边客户拿到 Demo 一看，不就是个 Chatbot 聊天机器人吗？

一边90%的人都在说 Chatbot 不是理想的交互模式，但另一边 90%的 AI agent 应用又都是 Chatbot。

包括在 GPT-4o 中展现的超自然对话模式也不是理想交互模式，至少在办公场景不是。我甚至觉得甚至大家可能都被ChatGPT带入了思维定势。

不过最近有些新的思考和观察，拿出来和大家一起探讨，也许能帮助我们跳出这个定势思维。首先和大家聊聊观点，然后拿几个产品案例来学习。

2. 开门见山: 在场景中实现人与 Agent 的协同。

想想我们从 word 文档到飞书文档，从 sketch 到 figma，其本质的不同是将单机工具变为协同工具，节约了大量沟通成本。在云计算时代，仅仅依靠协同这一杀器突出重围的还有 Mural，Trello 等一大批产品。

同样在今天，我们想要突破 Chatbot 这种形式，本质上是在寻找人和 Agent 的高效沟通方式。显然聊天不是最高效的方式，因为人类 80%的信息是由视觉输入获得的，这是自然法则，从最初的感官细胞进化到今天的视觉系统，经历了几百万年的考验，没有谁能违背。

基于这一法则，我们以白板为出发点。想象这样一个场景：你在和一位同事白板前讨论问题，而这位“同事”就是一个 Agent。

1.首先你在白板上写道：“一个关于 Agent 的调研”。图中的气泡可能只是内心陈述。

2.然后同事在画布迅速画出一个思维导图，图显然比文字可读性更强。

3.看着思维导图你会发现，这里缺点什么东西。于是在白板上增加了几点内容（图中黑色部分）。

4.你的同事迅速反馈，并在你的项目上又增加了一些想法和创意。

5.你们两个如此反复，最终通过这种互动方式做出来一个调研思路。然后你告诉同事“就按照这个大纲来写出完整的报告吧。”

6.之后同事根据这个思路利用工具总结出了一份完整的报告，并且拿着报告来和你审对。这时候，你们的沟通载体变成了飞书文档。

7.看过文档之后，你对他的文档增加了基础评论、建议。

8.你的同事根据建议生产出一份完整的报告。

9.最后你们二人击掌，庆祝完成。(当然这一步是假想的)

这个过程就是我所想的：人与Agent的场景化协同模式，它与当下的人-人协同模式的区别是：

人与人协同：其中有一个人来做具体执行工作，且不断地催促各位建议方完成自己的任务。整个执行过程要占掉全部工作 80%的时长，而文档的核心价值–其中的思想和创意，仅仅占掉整个工作 20%的时间。

人与Agent 协同：这个执行的人变成了 Agent，甚至变成了那个天天追着你要结果的“驱动方”，而人负责指导、建议，真正把人从执行中解放出来，这看上去真是太美好了！

要达到这样美好的人与Agent 协同，在形式上有几点区别于ChatBot：

1. 在 Chatbot 中，人处于主动发起和核心执行者，而新的人-Agent 协同方式，Agent 比人更主动，更具备执行力。

2. 沟通媒介从 Chatbot 变成了白板、框架图、文档编辑界面，当然我们还可以有更多的载体。

3. 人在其中通过手把手，而不是说话的方式对 Agent 进行了有效的控制，而这也是当前 Agent 开发的关键。

在想到这一点之后，我非常兴奋的发现在 Globe engineer ( https://www.globe.engineer，出品AI 版维基百科explorer globe的开发团队)也展现出了类似的交互模式，虽然略显粗糙，但很有用，大家一定要去看。核心就是人-Agent协同，人占据主动位置，执行由Agent 来进行。

在此基础之上，我们再来多看几个产品。

3. 产品案例

以下丰富的案例都是我在 YC(美国最大天使投资机构)项目中找到的，不得不说，在 AI 应用萌发的初期，YC 项目中的 idea 真的是非常鲜活，有新意。YC 项目已经成为为经常反复浏览的灵感源库(我已经整理出来放在飞书表格里, 关注公众号回复“YC2024” 可得)。

案例 1：在 Coding场景中协同

Github copilot 是非常好的案例。Copilot 出现在左侧，与用户呈现出 1v1 结对编程的场景化，ta不需要用户刻意唤起，或者时常提醒，对用户造成打扰。

类似的另外一个案例是 https://marblism.com, 在这个产品里，只要输入一句提示词，就可以生成一个网站。在网站生成后，同样在左侧出现类似结对编程的界面：比如图中marblism bot 会自动产生一项code review建议，阐述原因并向用户汇报，而用户只需要点击确认一下，Agent就可以按照建议修改代码。

案例 2：在流程中协同

第二个案例是在流程中协同。和上述画布中绘制脑图的过程类似，在这里 Agent 生成了决策树，用户可以在决策树中增加新的节点，来控制 Agent 的输出内容。案例来自 https://centauri-ai.tech/

案例 3：在文档中协同

我们之前提到，在飞书文档中，用户以“Comment”的方式和 Agent 协同，这里也看到了一种相反的模式，但这里的场景是：Agent 需要根据最新的合规要求，对企业内部现有文档提出相应的修改建议，然后由人来决策是否修改。参考：https://www.pincites.com/

相信未来还有很多案例值得大家去探索、创造。

4. 总结

总结一下，今天和大家的探讨集中在用户层，着重在包装，这往往被技术人员忽视，但却对市场、用户来说非常重要，甚至用户就是单纯地会为用户体验买单。

最后，唯有跳出Bot，不是Bot，才是一个好Bot。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述