什么不是 AI Agent

对话、一次工具调用、Function Calling、行级补全、传统符号 Agent：常被叫 agent，但在这份笔记里不算 AI Agent。

本页只回答一个问题：哪些东西常被叫 Agent，但在这份笔记里不算 AI Agent。 AI Agent 的定义和四个关键要素在什么是 AI Agent。缺任何一条，就降级为模型能力、助手或前身等。

有哪些东西被称为 Agent ？

AI 中很早就有 Agent 了，远在 LLM 和本笔记关注的 AI Agent 出现之前。

谁在说	他所谓的 Agent	宽到什么程度
人工智能教材（如 Russell & Norvig）	能感知环境、按性能度量选择行动的东西	恒温器、棋手、机器人都算
1990 年代智能体文献（BDI 等）	有信念、愿望、意图的软件实体	决策核心是符号规划或规则，不是 LLM
产品营销	任何「比较能干活的 AI」	聊天机器人、一次函数调用、行级补全都可能被叫 agent
本笔记	LLM 驱动的多步执行系统	刻意收窄，否则 AI Agent 历史会变成一部 AI 通史

本笔记把更老的传统只当作前传，AI Agent 主线从语言模型能多步决策之后才开始。

ChatGPT 式单轮/多轮问答。 有 LLM，也可能多轮，但没有对外部世界采取行动的循环。使用者和模型说话，模型再生成文本。这是对话接口，是 2022 年的产物，不是我们定义的 AI Agent。

缺的是「对环境行动」和由此而来的反馈循环。多轮聊天只是上下文变长，不是多步执行。

「帮我查天气」→ 模型选了 get_weather → 返回气温。 有行动，没有迭代。

Function Calling / 工具接口本身 也不是。它是模型层能力，是地基：没有它，后面的循环搭不起来。单独拿出来，仍不是一个系统。缺的是多步，以及根据上一次结果再决策。

行级 Copilot 补全 会插入代码，确实碰到了环境。但它没有「完成一个目标」的循环：没有计划、没有看测试再改、没有做到某个结束条件。本笔记把它标成否，同时承认存在 Copilot → Agent 的演化，但他们不是同一种东西。

传统符号 Agent、BDI、纯强化学习游戏 Agent 在教材和论文里都叫 agent。它们能感知、能行动、也能循环。但下一步不是语言模型选的。这份笔记要学的是 2022 年之后那波 LLM Agent，所以它们不算主线对象，只作为历史渊源。

机器人、自动驾驶 同理：是相邻领域，物理世界另一套体系，不并入这份学习笔记的时间线。

完整表在调研方法。是的一侧在什么是 AI Agent。