从"问答"到"干活"：AI 智能体的一次尝试记录
普通的大模型是"你问一句它答一句"。智能体（Agent）的差别在于：你给一个目标，它自己规划步骤、调用工具、遇到障碍再调整，直到把事做完。
一个具体例子
我试过让它做一件事："把这个月基层报上来的二十份材料，按单位归类，各提取报送数量和采用数量，汇总成一张总表。"
它的实际行为是：
- 先列出目录里有哪些文件
- 逐个打开文件，判断单位和类型
- 从每份里找目标字段
- 遇到格式异常的，换一种方式再解析
- 最后生成汇总表，并附上"哪些文件我没找到对应字段"的说明
整个过程我没有干预。这一步是普通问答做不到的。
它适合干什么样的活
- 步骤明确但繁琐：需要重复打开、比对、搬运的活
- 容错空间大：错了能重来，不会产生不可逆后果
- 结果可验证：你能快速检查它做得对不对
反过来说，涉及资金、对外发布、不可逆操作的事，现阶段还是让人来做决定，让它只做到"准备好草案"这一步。
实际用下来的几个发现
- 目标描述要具体。"帮我整理一下"这种话它会自由发挥；"按 A 字段分组、输出 B 和 C 两列"才有稳定结果。
- 给它"检查自己"的机会。让它完成后再自查一遍，能捞出不少疏漏。
- 长任务会跑偏。步骤越多，中间偏离目标的可能性越大。拆成几段、每段确认，比一次性跑完靠谱。
- 成本不低。它要反复调用模型，一次复杂任务的开销可能是普通问答的几十倍，这点要有预期。
目前最实际的用法
不是"让它替你做完"，而是"让它把 80% 的机械劳动做完，把需要判断的部分留给你，并且明确告诉你哪部分它没把握"。
这一定位下，它已经能省不少时间了。至于"完全自主完成复杂工作"，我目前的体验是：还早，但方向是对的。
小结
值得花点时间了解，但不必神化。先用它处理那些"步骤清楚、错了能重来"的活，建立起对能力和边界的具体感受，再决定要不要往更深的场景用。