把模型当成函数看最清楚：一段文本进去，一段文本出来。包装成对话框、接口或编辑器插件，底层还是无状态映射。客服工单、排障、调研一上手，会立刻撞上五堵墙：跨调用不留信息、输出没有副作用、自回归不能回头改、不知道执行到第几步、自信不等于正确。更大的底座能把推理写得更像样，却补不上这五块架构缺口。
工程上的补法是五件套：推理引擎之外，要记忆、工具、规划器和运行时。记忆管对话窗口、任务状态和长期知识；工具把意图落到搜索、查库、调接口；规划器拆步骤、处理分支；运行时管循环、超时、退出。出问题时先问是哪一层：跨轮失忆是记忆，参数乱是工具描述，打转是循环和退出条件，反复同一错是没有反思。把模型当成系统里最不可靠的部件，再用别的层把它围住，比继续加提示词更靠谱。
自主性不是连续旋钮，是台阶。一次分类、一次摘要是单次推理；搜一下网页再综合是工具增强；多步循环、自己决定何时停是任务驱动；没人触发还自己设子目标，才叫长期自主。公开产品里真正稳的长期自主几乎没有：早期自动拆目标的项目缺退出和预算守卫，演示很炫的编程助手落到企业后，任务仍由人发起。长期跑加上不可逆副作用，风险是乘法。2026 年更现实的是把任务驱动这一档做扎实。
客服退货这种高人工场景，账更容易算错。纯文本大约两成能闭环，工具增强大约六成，带循环的智能体可以到九成五，人工介入从八成掉到百分之五。词费可能从一分钱量级涨到一毛，人工按每次几块算，总成本反而能掉一个数量级。流程已经高度自动化、流量放到平台规模时，词才会变成主要可变成本。评估投入产出，问的是少了多少人插手，不是省了几个词。
落地清单
- 输入输出可穷举、步骤能画成完整状态机、必须百分百确定的，用规则或工作流，不要上智能体。
- 真实系统里语义推理常常只占一两成工作量，骨架仍应是确定性代码。
- N 步任务的输入词不是 N 倍，而是三角数累积；五步大约是「每步新增」的三倍，不是五倍。
- 从最简形态开始。一次调用够用就不要上循环；循环够用就不要拆成多个角色。
用最简单的抽象把事做完。失败的项目多数不是用力不足，是把探索性工具硬套进确定性流程。
本文侧重智能体生命周期与技能边界。若你要动手验证，优先用 Playground 做小任务压测；权限与托管再单独规划，避免「先装一堆再治理」。 相关：Playground · 创建智能体 · 学习中心
常见问题 FAQ
智能体落地最常见的五堵墙是什么？
根据文章，它们是：1) 跨调用不留信息（记忆缺口）；2) 输出没有副作用（工具缺口）；3) 自回归不能回头改（规划缺口）；4) 不知道执行到第几步（状态缺口）；5) 自信不等于正确（运行时缺口）。这些是架构问题，单靠更大的底座模型无法解决，需要专门的工程补丁。
为什么说智能体不是一个更大更聪明的模型就够了？
文章指出，更大的模型主要改进的是推理本身（如生成更像样的文本），但它无法补上智能体所需的“架构缺口”。比如，它没有跨轮次记忆，不知道如何调用外部工具（如搜索、数据库），也缺乏自主拆分任务步骤和决定何时停止的机制。这些都需要模型之外的“五件套”（记忆、工具、规划器等）来支持，构成一个完整的系统。
智能体的自主性到底分几个级别？具体指什么？
文章将自主性清晰地分为四个“台阶”，而非连续旋钮：1) 单次推理（如分类、摘要）；2) 工具增强（搜一下网页再综合）；3) 任务驱动（多步循环，自己决定何时停）；4) 长期自主（无人触发还自己设子目标）。目前公开产品中真正稳定的长期自主几乎没有，因为风险随任务持续性和不可逆操作成倍增长。
如何判断一个任务应该用智能体，还是用规则或工作流？
文章的“落地清单”给出了明确标准：如果任务的输入输出可以穷举、步骤能画成完整的状态机、或者过程必须百分百确定，那就应该用规则或确定性工作流，不要上智能体。因为真实系统中语义推理往往只占一两成工作量，骨架仍应是可靠的确定性代码。智能体适合处理那些规则难以穷尽、需要灵活推理的环节。
用智能体真的能降低总成本吗？钱花哪儿了？
是的，文章算了一笔账。在客服退货等场景，纯文本AI只能闭环约20%的工单，但加上工具和循环的智能体可以做到95%。这意味着人工介入能从80%降到5%。虽然每次调用的“词费”可能从一分涨到一毛，但节省的人工费（每次几块钱）要多得多。总成本因此能下降一个数量级。关键在于减少人工插手，而不是省那点API费用。
当智能体出问题时，应该从哪几个层面去排查？
文章建议分层排查：1) 如果是跨轮对话失忆，问题出在“记忆”层；2) 如果是调用工具时参数混乱，检查“工具描述”；3) 如果陷入死循环或行为打转，检查“循环和退出条件”的设置；4) 如果反复犯同样的错误，则是缺少“反思”机制（属于规划或运行时）。把模型当成系统中最不可靠的部件，用其他层把它围住是更稳健的思路。