Workflow or 自主智能体？网易CoreAgent如何打造企业级智能体平台新范式

从 2023 年起，AI Agent 成为大模型应用发展的核心关键词。不同于传统的大模型应用，Agent 所承载的不仅是“生成能力”，更是“执行能力”——理解目标、拆解流程、调用工具、自主执行。在企业面临业务流程复杂化、任务链动态化的新阶段，构建具备“行动力”的智能体，正在成为AI落地的新解法。

在SECon 2025全球软件工程技术大会上，网易CodeWave技术专家赵忠杰带来主题为《从Workflow到Agent：构建自己的自主智能体》的重磅分享，围绕当下最前沿的AI Agent技术趋势与企业落地实践，系统解析了自主智能体的关键特性与技术演进路径。

01 AI智能体是什么？

人工智能智能体（AI Agent），指的是一种具备感知能力、决策能力、执行能力与反馈能力的自主运行系统。它不仅能够接收外部信息，还能够在内部进行处理判断，并基于预设目标主动采取行动，甚至在执行过程中根据环境变化进行自我修正。

早在23年初OpenAI官方就发布了一篇关于自主智能体综述的文章：https://lilianweng.github.io/posts/2023-06-23-agent。文章中将agent(也就是自主智能体) 定义为大模型LLM、记忆Memory、任务规划Planning以及工具使用Tool use的集合。

• 规划planning：主要包括子目标分解、反思与改进。将大型任务分解为较小可管理的子目标处理复杂任务，而反思与改进则可以对过去的行动进行自我批评与反思，从错误中学习并改进未来的步骤，从而提高最终结果的质量。
• 记忆memory：分为短期记忆与长期记忆。长期记忆通常需要借助于外部的存储设施如向量数据库。
• 工具tools：通过学会调用外部不同类型工具/API来获取模型中缺少的额外信息。如获取此刻的天气。
• 动作action：大模型结合问句query、上下文context、规划plan以及工具tools，最终大模型决策出需要执行的动作是什么。

模型本身并不会真正执行action，模型只会以文本的形式来告诉智能体如何执行action，进而由智能体真正执行action。智能体执行action后会感知环境的变化并接收反馈，再将反馈输送给LLM，从而LLM决定下一步要执行的action，形成自主运行闭环。

02 智能体发展路径与平台实践

随着AutoGPT、BabyAGI为代表的Agent框架相继问世，标志着AI开始从“问答工具”向“自主执行体”跃迁。而Manus等产品的爆火，也进一步验证了Agent技术在实际工作流自动化中的潜力。在这一趋势驱动下，企业对 AI 的角色预期也在发生结构性变化。过去，企业引入 AI 的主要目标在于辅助知识工作、提升交互效率，而现在，越来越多的业务团队开始期待构建一类