一句话说清：Agentic AI 是什么

传统生成式 AI（比如只会问答的聊天机器人）像个博学但等你手把手下令的「文书」；而 Agentic AI（代理式人工智能） 被赋予一个明确目标后，会自己拆解任务、遇到错误自我修正、调用外部工具（API、数据库、搜索、甚至操作电脑）去完成端到端的结果。打个比方：你跟它说「我要出差，帮我搞定一切」，它会自己查机票、订酒店、排日程、处理支付——像个私人助理，而不是一个对话框。

支撑它的四大支柱

它和普通 AI 到底差在哪

四种核心工作模式（吴恩达的观点）

吴恩达（Andrew Ng）曾指出：靠 Agentic Workflows（代理式工作流） 拿到的性能提升，往往比单纯升级底层大模型更显著。四种模式：

• Reflection 反思：生成结果后，用另一个（或同一个）提示词引导它自己检查错误。
• Tool Use 工具调用：意识到知识盲区时，主动去检索或计算。
• Planning 规划：先列大纲/逻辑流，再执行。
• Multi-agent 多代理协作：角色扮演，模拟专家团队分工。

现在它已经能拿来干啥

• Agentic Coding：读整个代码库、理解 Issue、自己写测试、改代码、提 PR，直到跑通 CI/CD。
• 自动化营销与内容运营：跟热点、搜素材、写文案、生成配图、按平台算法定时发布。
• 个人助理：访问你的日历/邮件/银行 App，一句「帮我策划下周上海商务行」就完成订票到订餐厅的闭环。

上手前先记牢的坑

Agentic 工作流不是「更聪明的聊天」，而是「会自己花钱办事的实习生」——能力越大，缰绳越要拉好。

• HITL 人工把关：涉及大额支付、删文件等关键决策点，必须插一道人工审核。
• 模块化工具：给 Agent 的工具要原子化、文档清晰，别让它乱调用。
• 结构化输出：强制 JSON 等格式，方便程序解析和后续流程。
• 无限循环：Agent 可能在两个错误步骤间反复横跳，疯狂烧 Token，必须设最大迭代次数。
• 提示词注入：自主 Agent 可能被外部恶意指令诱导，执行破坏性操作，安全边界要划清。
• 成本控制：Agentic 工作流通常多次调用模型，Token 消耗远高于普通对话，先算账再上量。