区分 Chatbot、Workflow、Agent、Multi-agent

简单来说，它们的核心区别在于“谁来做决策”以及“如何做决策”：

• Chatbot：你说一句，它回一句。核心是对话。
• Workflow：你设定好步骤，它按部就班执行。核心是固化流程。
• Agent：给它一个目标，它自己想办法、选工具去完成。核心是自主决策。
• Multi-Agent：多个 Agent 分工协作，解决一个复杂问题。核心是协作与竞争。

Chatbot（聊天机器人）

这是你最熟悉的形态。它像一个“问答专家”或“闲聊伙伴”。

• 核心逻辑：输入 → 大模型推理 → 输出。每次对话通常是独立的，或者只依赖有限的短期记忆（对话历史）。
• 能力：理解自然语言、生成回复、进行多轮对话。
• 决策权：几乎没有。它不会主动去做什么，只是被动响应你的指令（“讲个笑话”“写首诗”）。

典型例子

• 早期的客服机器人（基于关键词匹配）。
• 简单的 ChatGPT 对话（你问“法国的首都是哪里？”它答“巴黎”）。
• 微信上的各种 AI 助手。

局限性

它无法完成复杂任务。比如，你让它“帮我预订今天下午3点从公司到机场的专车”，它要么拒绝，要么只给你一个订车链接，无法真正替你执行。

Workflow（工作流）

Workflow 是确定性的自动化。它像一条“流水线”或“工厂里的机械臂”。

• 核心逻辑：预设流程 + 规则引擎/大模型节点。开发者会事先用代码（如 if-else）或图形化工具（如 LangChain 的 Chain）定义好每一步做什么，顺序如何。
• 能力：执行一系列固定步骤。可以在某个步骤调用大模型做判断，但整个流程的骨架是固定的。
• 决策权：没有。无论是执行顺序还是异常处理，都是预先写死的。它没有“选择”的余地。

典型例子

• 自动邮件回复：收到邮件 → 判断是否为投诉 → 是 → 分类严重程度 → 生成回复草稿 → 发给主管审核。
• 数据处理 ETL：读取 CSV → 清洗空值 → 用大模型提取摘要 → 存入数据库。
• RAG（检索增强生成）：用户提问 → 向量检索相关文档 → 拼接 Prompt → 调用大模型 → 输出答案。这是一个非常典型的 Workflow，每一步都是固定的。

与 Chatbot 的区别

Chatbot 是“一次性”的对话，而 Workflow 是“多步骤”的任务流水线。你可以把 Chatbot 理解为一个没有 Workflow 的“单步任务”。

Agent（智能体）

Agent 是非确定性的自动化，具有自主决策能力。它像一个“聪明的实习生”：你告诉它目标，它自己会想“我该先做什么？用什么工具？如果失败了怎么办？”。

• 核心逻辑：观察 → 思考 → 行动 → 观察 → 循环，直到达成目标。这个循环通常被称为 ReAct（Reason + Act，推理与行动结合）。
  • 思考：大模型根据当前状态、记忆和目标，制定下一步计划。
  • 行动：调用一个“工具”（Tool），如搜索引擎、计算器、API、代码解释器等。
  • 观察：获取工具返回的结果，更新状态。
• 能力：使用工具、制定计划、进行推理、拥有长期和短期记忆。
• 决策权：有。Agent 自己决定下一步做什么、用什么工具、何时终止。流程是动态生成的。

典型例子

• 自动订票：用户说“帮我订下周去北京的机票”。Agent 会：1）思考“需要知道具体日期、预算、偏好” → 2）行动：反问用户获取信息 → 3）观察：得到信息 → 4）思考“现在需要查询航班” → 5）行动：调用机票查询 API → 6）观察：得到航班列表 → 7）思考“选出最便宜的” → 8）行动：调用预订 API → 完成。
• 自动科研助手：给它一个论文标题，它可以：1）搜索相关论文 → 2）下载 PDF → 3）提取摘要 → 4）总结对比 → 5）生成一份文献综述。

与 Workflow 的关键区别

• Workflow：路径固定。你告诉他“第一步查机票，第二步选最便宜的，第三步预订”。
• Agent：路径动态。你只告诉他“订机票”，他 自己 决定用哪一步、用什么工具、甚至可能在查完机票后发现今天没有，转而建议你改期。Agent 是 Workflow 的泛化，Workflow 是 Agent 的一种特例（即策略完全确定的 Agent）。

Multi-Agent（多智能体系统）

当单个 Agent 能力有限，或者任务过于复杂时，就需要多个 Agent 分工协作。它像一个“项目团队”或“蚁群”。

• 核心逻辑：多个 Agent 通过某种机制（环境、消息、黑板）进行交互。每个 Agent 有自己的角色、目标和能力。
• 能力：1+1 > 2。通过分工、协作、竞争甚至辩论，解决单个 Agent 难以处理的问题。
• 决策权：分布式的。每个 Agent 有自己的决策模块，整体行为是涌现出来的。
• 典型模式：
  • 协作模式：一个 Agent 负责任务分解（项目经理），一个负责写代码（程序员），一个负责测试（测试员）。他们互相发送消息，共同完成一个软件项目。
  • 辩论模式：两个 Agent 持有相反观点，进行辩论，由第三个 Agent 做裁判，从而得到更准确的答案（例如，在事实核查任务中）。
  • 竞争模式：多个 Agent 执行相同任务，最后投票选出最佳结果（提升可靠性）。

典型例子

• AutoGen（微软框架）：可以创建一个 UserProxy Agent（代表用户）和一个 Assistant Agent（AI助手），它们对话协作解决编程问题。
• 游戏 AI：在即时战略游戏中，有负责采集资源的农民 Agent、负责战斗的士兵 Agent、负责侦查的侦察兵 Agent，它们共同为“赢得比赛”这个全局目标服务。

与单个 Agent 的区别

单个 Agent 是“全能超人”，什么都会但可能什么都不精；Multi-Agent 是“专业团队”，各司其职，通过沟通解决更复杂的问题。Multi-Agent 是 Agent 的一种高阶组织形式。

一个生动的对比：做一顿晚餐

为了让你更直观地理解，我们以“做一顿晚餐”为例：

• Chatbot（问答模式）：

  • 你问：“番茄炒蛋怎么做？”
  • 它答：“第一步，打鸡蛋……第二步，切番茄……”
  • 结果：你得到了菜谱，但饭需要你自己做。

• Workflow（流水线模式）：

  • 你按下一个按钮：“做番茄炒蛋”。
  • 预设流程：切菜机器人1号切番茄 → 搅拌机器人2号打鸡蛋 → 炒菜机器人3号按固定时间翻炒 → 装盘。
  • 结果：饭做好了，但每一步都是固定的。如果鸡蛋没了，整个流程就会卡死报错。

• Agent（智能管家模式）：

  • 你对一个全能管家说：“我饿了，做一顿晚餐。”
  • 它会自己思考：“冰箱里有什么？番茄、鸡蛋。我可以做番茄炒蛋。还需要米饭。” → 行动：查看电饭煲，发现米不够。 → 思考：“需要买米。” → 行动：打开生鲜 APP 下单。 → 等待米送到 → 行动：开始做饭。如果鸡蛋坏了，它会自动决定“改做番茄豆腐”。
  • 结果：饭做好了，而且过程中所有决策都是它自己做的。你只需要给出目标。

• Multi-Agent（专业团队模式）：

  • 你对团队说：“今晚举办一个10人的晚宴。”
  • 主厨 Agent：规划菜单（前菜、主菜、甜点）。
  • 采购 Agent：根据菜单去超市或电商平台采买。
  • 助理 Agent：洗菜、切菜、准备餐具。
  • 主厨 Agent：负责烹饪，并指挥助理递调料。
  • 品控 Agent：尝味道，建议加盐。
  • 结果：一桌丰盛的晚宴完成。分工协作让复杂任务变得高效可靠。

核心总结表

概念	决策者	流程	工具使用	复杂度	典型应用
Chatbot	用户 (完全由用户驱动)	无，单轮/多轮对话	无	低	客服、闲聊、问答
Workflow	开发者 (预先编码)	固定、确定性	有，但调用方式固定	中	RAG、数据处理、邮件自动回复
Agent	大模型 (自主决策)	动态、非确定性	有，自主决定何时调用	高	自动化订票、科研助手、个人助理
Multi-Agent	多个Agent (分布式)	涌现、协作/竞争	各有工具，协作使用	很高	复杂软件开发、模拟社会、辩论系统

一句话记住：Chatbot靠问，Workflow靠编，Agent靠想，Multi-Agent靠聊。