什么是AI智能体？原理与上手实测，一步步教你

什么是AI智能体？它是一个基于语言模型的程序，不只是回答问题，而是自己把任务做完：它挑选工具（文件、终端、浏览器），查看每一步的结果，再决定下一步做什么，直到完成。聊天机器人给我们的是文字，智能体给我们的是做完的活，比如修好的测试，或者仓库里的一次 commit。

在这篇教程里，我先讲它内部是怎么运作的，然后进入实操：在终端里安装智能体、交给它第一个任务，以及防止意外的设置。命令都来自 Claude Code 和 Codex CLI 的官方文档。

什么是AI智能体，落到实处是什么？

最简短的定义来自 Anthropic 的文章 Building effective agents：智能体“typically just LLMs using tools based on environmental feedback in a loop”，也就是说，通常不过是在循环中使用工具、并根据环境反馈做出反应的语言模型。

在同一篇文章里，Anthropic 把智能体和所谓的“工作流”（workflow）区分开来：

1. 工作流是模型和工具沿着代码中预先设定好的路径运行的系统。步骤由开发者定，模型负责填空。
2. 智能体是由模型自己主导流程、自己选择工具的系统。开发者给出目标，需要多少步、哪些步由模型决定。

按照 Anthropic 的说法，智能体适合那些难以事先预估步骤数量的场景。简单任务还是用更简单的方案更好。

智能体和聊天机器人有什么不同？

区别就在工具。Claude Code 文档中写道，没有工具时 Claude 只能用文字回答；有了工具，它就能行动：读代码、改文件、运行命令、上网搜索、连接外部服务。

同一份文档里的例子很能说明问题。我们让智能体“修复没通过的测试”，它会：

1. 运行测试，看哪里出错，
2. 阅读错误信息，
3. 查找相关的源文件，
4. 阅读这些文件以理解代码，
5. 修改文件，
6. 再次运行测试，确认修复有效。

聊天机器人做到给出修复建议就停了。智能体会自己动手修，并自己检查结果。

智能体循环是怎么运作的？

Claude Code 文档把它称为“agentic loop”，分为三个阶段：收集上下文、执行操作、验证结果。这些阶段相互交织，每一步之后模型都会判断接下来需要什么，甚至能串起几十个操作。

一个智能体由两部分组成：

1. 模型，负责推理和规划（在 Claude Code 里就是 Claude 模型，用 /model 命令切换）。
2. 智能体框架（agentic harness），也就是包在模型外面的一层，为它提供工具并管理上下文。这是文档本身的叫法。

Claude Code 的内置工具分为五类：文件操作、搜索、命令执行、网络和代码分析。在此之上还可以加上 MCP 服务器（连接外部服务）、技能（skills）和子智能体。

有意思的是，其中一些组件已经成了开放标准。10 月 22 日，Anthropic 把 Agent Skills 标准捐给了 Linux Foundation 旗下的 Agentic AI Foundation，此前它也把 MCP 交给了这个基金会。据 Anthropic 介绍，已有 70 多个智能体平台支持该标准，包括 ChatGPT、Cursor 和 GitHub Copilot。

为什么AI智能体现在这么火？

因为它从新奇玩意变成了日常工具。根据 GitHub 10 月 28 日在 Universe 大会上发布的 Octoverse 报告，9 月份超过 40% 的 pull request 是从智能体写的草稿开始的，而 3 月份这个比例是 17%（The Next Web 的报道）。

智能体也正在走出代码领域。我之前写过会主动送上晨间简报、帮忙盯邮件的 Claude Duet，还有一路打通 Minecraft 直到末影龙的四个 Gemini 智能体。

第 1 步：如何在终端里安装AI智能体？

想看智能体干活，最简单的办法是用终端里的编程智能体。我来演示我给这个网站用的 Claude Code，并拿 OpenAI 的 Codex CLI 做对比。

Claude Code 需要付费的 Claude 套餐（Pro、Max、Team 或 Enterprise），或者带 API 额度的 Claude Console 账号。在 macOS、Linux 和 WSL 上安装：

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell：

irm https://claude.ai/install.ps1 | iex

安装程序不显示进度。装完后打开一个新的终端窗口检查：

claude --version

Codex CLI 在 macOS 和 Linux 上这样安装：

curl -fsSL https://chatgpt.com/codex/install.sh | sh

首次启动时，Codex 会提示用 ChatGPT 账号登录（“Sign in with ChatGPT”）。包括登录和 CLAUDE.md 文件在内的分步安装，我在 Claude Code 教程里写过。

第 2 步：如何给智能体布置第一个任务？

进入任意项目的目录，启动智能体：

cd /path/to/project
claude

（Codex 的启动方式相同，用 codex 命令。）首次启动时，Claude Code 会要求在浏览器里登录。

先从一个什么都不改、却能马上展示智能体循环的问题开始：

what does this project do?

智能体会自己浏览文件，然后给出总结。我们不需要粘贴或指定任何东西。

接着是一个真正会改动内容的小任务：

add a hello world function to the main file

Claude Code 会找到合适的文件并展示改动。如果它请求许可，选择 Yes。指令也可以用中文写，上面的例子直接取自文档。

第 3 步：如何设置智能体可以自主做什么？

这是最重要的部分，因为智能体是在我们自己的电脑上运行的。在 Claude Code 里，这由权限模式决定，用 Shift+Tab 切换：

1. Manual：每次编辑文件、每条终端命令之前，智能体都会询问。适合起步。
2. Accept edits：智能体可以不经询问就编辑文件、执行简单的文件操作，其他命令仍会询问。
3. Plan：智能体只研究代码、提出计划，不会改动任何源文件。
4. Auto：后台的分类器审查每个操作，直接拦下有风险的，而不是来问我们。

第二道安全网是检查点（checkpoint）。每次编辑前，Claude Code 都会给文件做一份备份，按两下 Esc 就能撤销改动。但有一个限制：检查点只覆盖文件，所以对数据库、API 或部署的操作无法撤销 （因此这类操作最好留在需要确认的模式下）。

我们还可以随时按 Esc 打断智能体，或者在它工作时输入修正，智能体会在下一步考虑进去。

第 4 步：如何给智能体写任务？

文档建议把智能体当作一位能干的同事：给出背景和目标，细节交给它。三条行之有效的原则：

1. 具体，而不是笼统：要说“修复登录 bug：输错密码后用户看到空白页面”，而不是“修个 bug”。
2. 大任务拆成小步骤：先建数据库表，再写 API 端点，最后做页面。
3. 先调研，再动手：让智能体在改动任何东西之前先分析代码（Plan 模式非常适合）。

项目的固定规则写在 CLAUDE.md 文件里。/init 命令可以生成它的第一个版本。

需要注意什么？

第一，成本。Anthropic 明确写道，智能体的自主性意味着更高的成本，以及错误层层累积的风险。一个要走几十步的智能体，消耗的 token 远远多于聊天里的一次回答。

第二，安全。能访问终端的智能体能看到我们看到的一切，包括 .env 文件里的 API 密钥。Anthropic 建议在隔离环境中配合适当的防护措施进行测试；沙箱本身、权限规则和支出上限，我在 AI 智能体安全的指南里都讲过。这并非纸上谈兵，在 OpenAI 训练期间逃出沙箱的智能体就是例证。

第三，验证。智能体会自己检查工作成果，但 merge 之前的 review 还得我们自己来 ;)

FAQ

用简单的话说，什么是AI智能体？

就是一个 AI 模型拿到目标后，自己执行达成目标所需的步骤：使用工具、检查结果、不断修正，直到完成。聊天机器人只回答问题。

AI智能体免费吗？

Claude Code 需要付费的 Claude 套餐或 API 额度。Codex CLI 用 ChatGPT 账号登录，能否使用取决于套餐。我们也可以免费在本地运行模型，具体见我的指南如何在本地运行 AI。

AI智能体会弄坏我电脑上的东西吗？

会，因为它执行的是真实命令。所以建议从 Manual 或 Plan 模式开始，文件改动可以用检查点或 git 撤销。

AI智能体和工作流有什么区别？

在工作流里，步骤由开发者设定，模型只负责填充。智能体则自己决定执行哪些步骤、按什么顺序。