Agent、Chatbot、Copilot 与 Assistant
从“告诉你怎么做”到“替你去做”：四类 AI 产品的本质差异。
一句话理解：Chatbot 告诉你怎么做，Copilot 陪你一起做，Agent 替你去做，而你负责监督。
市面上几乎所有 AI 产品都自称“Agent”。如果不先分清这几个词，后面学习工具调用、权限、评估时就很容易跑偏：你会把一个“会调 API 的聊天框”当成 Agent 来设计，也可能把一个本该用确定性流程完成的任务硬塞给 Agent。
四类 AI 产品
| 类型 | 谁在操作 | 输出是什么 | 典型例子 |
|---|---|---|---|
| Chatbot | 人 | 文本回答 | 问答机器人、客服 FAQ |
| Assistant | 人 | 建议与草稿 | 帮你写邮件、总结文档 |
| Copilot | 人主导，AI 辅助 | 嵌在工作流里的补全与建议 | 代码补全、表格公式建议 |
| Agent | AI 操作，人监督 | 被执行完的任务与产物 | Coding Agent 修 Bug 并提交 PR |
这四类并不是“谁更高级”的关系，而是 控制权在谁手里 的差别。越往下，AI 承担的行动越多，对工具、权限、验证的要求也越高。
同一个任务，四种做法
任务：找出上周销售额下降的原因。
- Chatbot：“销售下降常见的原因有季节性、库存、价格变化……建议你检查以下几项。”
- Assistant：你把报表贴进去，它帮你总结出“华东区下降最明显”。
- Copilot：你在 BI 工具里分析，它在旁边提示“这个 SKU 的环比异常，要不要展开看看”。
- Agent：它自己查询销售库 → 发现华东下降 → 继续下钻到 SKU → 查库存发现缺货 → 查供应链发现供应商延期 → 生成报告 → 创建补货任务 → 通知负责人。
前三种都在 帮你思考，只有最后一种在 替你行动，并且会根据每一步的结果决定下一步查什么。
把四种做法并排画出来，差别就在于谁在执行、下一步由谁决定：
判断一个产品是不是 Agent：三个问题
- 它能作用于外部系统吗？ 没有工具，就只能输出文本。
- 下一步由谁决定？ 如果每一步都是提前写死的，那是 Workflow；由 AI 根据结果动态决定，才是 Agent。
- 它知道自己做成功了吗？ 能验证结果、失败后能调整，才构成完整的 Agent Loop。
三个问题都答“是”，才算真正意义上的 Agent。只满足第一条的，通常是“带插件的 Chatbot”。
常见误区
- “接了几个 API 就是 Agent。” 如果调用顺序固定、没有根据结果做判断，它更接近 Workflow。
- “Agent 越自主越好。” 自主性是产品变量。很多场景里，90% 自动执行加 10% 人工确认才是最好的设计。
- “Copilot 是 Agent 的低配版。” 两者适合的场景不同：人需要保持判断与手感的工作，Copilot 往往体验更好。
产品经理检查清单
拿到一个“我们要做 Agent”的需求时，先问：
- 用户真正要完成的 Job 是什么？
- 这件事需要跨系统、多步骤执行吗？
- 中间有没有需要判断、无法提前写死的环节？
- 最终是要一个答案，还是要一个被执行完的结果？
如果后两个问题的答案都是否定的，先考虑 Assistant、Copilot 或确定性的 Workflow。
练习
选 3 个你正在使用的 AI 产品，填写下表：
| 产品 | 能调用哪些工具 | 下一步由谁决定 | 如何验证结果 | 结论 |
|---|---|---|---|---|
| 例：Claude Code | 文件、终端、Git、浏览器 | 模型根据结果决定 | 跑构建与测试 | Agent |
下一步
下一课「一个 Agent 由什么构成」会把 Agent 拆成十几个零件，让你看到为什么模型只是其中一个。