过去三年我们都被训练出一种肌肉记忆：打开ChatGPT，丢一个问题进去，等它吐一段答案，复制粘贴，结束。这套交互有一个隐含的假设——AI是一张更聪明的嘴。你问，它答，一次交易，到此为止。
而ExplainingComputers频道主Christopher Barnatt（诺丁汉大学商学院科技讲师，做了十几年科普）在《Explaining Agentic AI: The Good, the Bad & the Ugly》这期视频里，讲的恰恰是对这种假设的颠覆：2026年真正值钱的能力，不是"答得对"，而是"做得完"。Agentic AI（智能体AI）要解决的是另一类问题——不是"告诉我怎么做"，而是"替我把它做了"。
这听起来像是把聊天机器人吹大了一圈，但内核完全不同。这篇文章要拆解的核心洞察是：从chatbot到agent，模型的大脑其实没变，变的是把它包进了一个"循环+工具"的壳子里。同一个GPT/Claude，单独问它是一次性的问答，放进循环里、给它调用工具的权限，它就"动手干活"了。智能不在脑子上，而在脚手架上。
这个判断为什么重要？因为它直接决定了你该把精力花在哪——不是去追逐"下一代更聪明的模型"，而是去理解那个让模型从"答"变成"做"的循环结构。读懂了这个结构，你才算真正读懂了2026年AI这一波浪潮的下半场。
| 项目 | 内容 |
|---|---|
| 视频标题 | Explaining Agentic AI: The Good, the Bad & the Ugly |
| 频道 | ExplainingComputers（Christopher Barnatt） |
| 时长 | 约15分钟 |
| 播放量 | 约9.8万次（持续增长中） |
| 核心主题 | Agentic AI的能力边界、失败模式与风险代价 |
视频开篇Barnatt就摆出了一个很多人没想清楚的定义问题：到底什么叫"agentic"？
他给的答案，和我认为最准确的工程定义是一致的：Agentic ≠ 一个更强的模型，Agentic = 一个能自主朝目标推进的循环。一个普通的LLM对话，是"输入→输出"的开环系统，一问一答，结束。而一个agent，是"感知→推理→行动→观察结果→再推理"的闭环系统，它会自己把一个大目标拆成若干小步，一步步执行，每走一步都根据真实世界反馈调整下一步。
这个区别至关重要。它意味着：决定一个AI"够不够agentic"的，从来不是参数量或benchmark分数，而是它有没有那个循环。你拿一个顶级模型，只允许它单轮回答，它就不是agent；你拿一个中等模型，把它塞进一个写得很好的循环框架里、配上恰当的工具，它就能像一个真正的数字员工那样干活。
我的延伸判断：这解释了为什么2025–2026年整个行业的重心从"训更大的模型"悄悄转向了"搭更好的agent框架"（LangGraph、OpenAI Agents SDK、Anthropic Claude Code、CrewAI、AutoGen……）。资本和市场都意识到了：边际收益最高的地方，不在模型本身，而在循环结构上。模型是发动机，循环是底盘和方向盘——一辆车快不快、稳不稳，底盘的影响往往大过发动机。
把这个循环讲得最透的，是2022年Princeton和Google联合发表的ReAct论文（Yao等，《ReAct: Synergizing Reasoning and Acting in Language Models》）。ReAct = Reason + Act，它给agent定下了最经典的四拍循环：
这个循环看起来朴素得像废话，但它解决了LLM一个致命缺陷：LLM是一个"只读"系统，它的全部知识都冻结在训练数据里，对"现在这一刻"的真实世界一无所知。ReAct循环的价值，是让模型每走一步都能"看一眼"真实世界——查一下实时汇率、跑一下代码验证、翻一下最新文档——从而把一个会幻觉的"嘴"，变成一个会核实、会纠错的"手"。
flowchart LR
U([用户给出目标]) --> P[感知 Perceive<br/>读取当前状态与可用工具]
P --> T[思考 Thought<br/>拆解步骤 推理下一步]
T --> A[行动 Act<br/>调用工具:搜索/代码/API/浏览器]
A --> O[观察 Observe<br/>读取工具返回的真实结果]
O --> D{任务完成?}
D -->|否| T
D -->|是| R([返回最终结果])
style D fill:#fff3cd
style A fill:#d1ecf1
视频里Barnatt反复强调一个点：这个"观察"环节，是agent区别于chatbot的分水岭。chatbot给你的答案是"凭记忆编的"；agent给你的答案是"查过、跑过、核实过"的。同样问"今天某只股票多少钱"，前者可能在编一个看起来合理的数字，后者会真去调一个行情API。可靠性上的差距，是量级的。
如果说循环是agent的骨骼，那工具（tools / function calling）就是它的手脚。这一点视频讲得很直白，而我要补充的是它背后的工程意义。
2023年6月OpenAI正式推出function calling之前，让LLM"动手"是极其笨拙的——你得用正则去抠它输出里的特定格式，脆弱且容易崩。function calling的本质，是让模型学会输出一段结构化的、机器可执行的指令（通常是JSON），明确表示"我现在要调用这个工具、传这些参数"。这一步把模型从一个"对话者"，正式变成了一个"指挥官"——它不再只是说话，它开始发号施令，去操作真实的系统：读写文件、调API、查数据库、甚至（在Anthropic Computer Use、OpenAI Operator这类系统里）直接控制鼠标键盘操作你的浏览器和桌面。
这意味着一个常被低估的转变：agent把LLM从一个"内容生成器"变成了一个"行动的发起者"。它的输出不再是给你看的文字，而是会真实改变外部世界状态的操作。能力上去了，但代价和风险也随之指数级上升——这正是视频标题里"The Ugly"那一部分的伏笔。
Barnatt在视频里花了不少篇幅讲记忆，这也是新手最容易忽视、却最关键的一环。
一个跑了几十轮循环的agent，中间会产生大量中间结果、用户偏好、任务上下文。如果每次都要把所有历史塞回上下文窗口，既贵（token是按量计费的）又容易爆窗口。所以真实的agent系统都有记忆分层：
记忆这一层，决定了agent是"健忘的临时工"还是"越用越顺手的专属助手"。没有可靠的长期记忆，agent就永远在从零开始——这是2026年很多号称"agentic"的产品，用起来却像金鱼、聊几句就忘前因后果的根本原因。
讲清楚了机制，视频给出了agent真正擅长的那类问题，我用一句话概括：那些"目标清晰、但步骤无法预先写死"的任务。
典型场景包括： - 软件工程：Cognition的Devin（2024年3月号称"第一个AI软件工程师"）、Cursor、Claude Code这类工具，能自主读代码库、定位bug、写补丁、跑测试、提交PR。在SWE-bench这个自主编程基准上，2024年中Claude 3.5 Sonnet刚把成绩推到约49%，到2025–2026年头部agent已经在SWE-bench Verified上突破70%——一年内涨了几十个百分点，是软件工程领域罕见的速度。 - 信息研究与综合：给一个开放问题，agent自己去搜索、交叉验证、综合多源写出报告，而不是像搜索引擎那样甩你一堆链接。 - 重复性数字劳动：填表、对账、跨系统搬运数据、按规则发邮件——这些过去要雇人磨一整天的活，agent几分钟跑完。
这一类任务的共同点是：你可以清楚定义"完成长什么样"，但无法事先穷举"中间会遇到什么"。传统程序写不出if-else来覆盖所有分支，但一个会循环、会用工具的agent能边走边应对。这就是它不可替代的地方。
视频最清醒的部分，是Barnatt没有跟着吹，而是把agent的失败模式摆了出来。我重点讲两个最致命的：
第一，错误级联（error compounding）。 这是agent最难啃的硬骨头。单看每一步，模型可能有90%的准确率，听起来很高。但agent是串行的——它要连续走很多步，每一步的错误都会带到下一步。10个90%连乘下来，整体成功率只剩 0.9^10 ≈ 35%。也就是说，一个"每步都不错"的agent，跑完一个十步任务，可能只有三分之一的时候是对的。这正是agent的可靠性远低于单轮问答的根本数学原因——单点准确率不等于链路成功率，这是工程师最容易踩的认知陷阱。
第二，成本与token爆炸。 agent为了"核实"和"探索"，会反复调用模型、反复读结果。一个任务跑下来，消耗的token常常是单轮对话的10到100倍。Gartner等机构都警告过：agent的token账单会让很多"看起来免费"的demo，在规模化部署时变成财务灾难。Barnatt在视频里也算了这笔账——The Bad里最实在的一条。
再加上无限循环（agent卡住、反复做同一件事绕不出来）、过早停机（任务没做完就宣称完成），这些都是2026年agent工程里每天都在和它们搏斗的问题。
视频最后落到了"The Ugly"，也是最该被严肃对待的部分：当一个系统真的能自主地、连续地对外部世界采取行动，控制和责任问题就彻底变了性质。
聊天机器人顶多给你一个错误答案，你骂两句就完了。但一个能操作你的银行、邮箱、生产环境代码的agent，一旦理解错你的意图、或者中途被恶意输入污染（prompt injection），造成的损失是真实且不可撤销的。所以2026年行业在拼命补的一课，是人在回路（human-in-the-loop）——关键操作前必须有人确认、给agent最小必要权限、所有行动全程留可审计的日志。
我的判断：agent的成熟度，从来不取决于它"能做多少"，而取决于它在'不该做'的时候能否停下来。一个能力很强但刹不住车的agent，比一个能力一般但边界清晰的agent危险得多。Anthropic把Claude的agent能力分层、OpenAI给Operator加确认弹窗，本质上都是在补这一课。能力是油门，控制是刹车——agent能不能大规模上生产，看的是刹车，不是油门。
graph TB
subgraph CHAT["Chatbot（开环）"]
Q[用户提问] --> A1[LLM生成答案]
A1 --> End1[结束 单次交易]
end
subgraph AGENT["Agent（闭环）"]
G[用户给目标] --> L["Agentic Loop<br/>感知→思考→行动→观察"]
L --> Mem[(记忆层<br/>短期上下文 + 长期向量库)]
L --> Tools[工具层<br/>搜索/代码/API/浏览器]
L --> Ctrl[控制层<br/>人在回路 / 权限 / 日志]
L --> Done[任务完成]
end
BRAIN[同一个LLM大脑<br/>参数没变] -.被两种方式调用.-> CHAT
BRAIN -.被两种方式调用.-> AGENT
style BRAIN fill:#fff3cd,stroke:#856404
style L fill:#d1ecf1,stroke:#0c5460
style AGENT fill:#f8fff8
这张图要传递的核心，就是本文的题眼：大脑没变，变的是外面的壳。同一个模型，开环调用是chatbot，闭环调用、配上工具和记忆、再套上控制层，就是agent。
如果你是普通用户：别再用"找一个更强的聊天机器人"的心态去挑产品。判断一个"AI助手"是不是真agentic，问三个问题——它能不能连续多步完成一个任务而不是答完就停？它能不能调用真实工具（搜、查、写、执行）而不是只动嘴？它有没有记忆、会不会越用越懂你？三个都yes，它才配叫agent。否则它只是一个套了壳的chatbot。
如果你是开发者/技术决策者：把精力从"换更强的模型"挪到"设计更好的循环"上。具体三件事：(1) 把任务拆得足够细，让每一步的成功率高、可验证，从根上压住错误级联；(2) 工具设计要窄而确定，每个工具的输入输出越确定、副作用越小，agent越不容易跑飞；(3) 从第一天就上人在回路和审计日志，别等出了事再补——agent上线第一天就要回答"它做了什么、谁批准的、能不能回滚"。
如果你是管理者/投资人：盯住一个关键指标——端到端任务成功率，而不是单点benchmark。一个在单题上刷高分的模型，串成十步链路可能稀烂。真正衡量agent成熟度的，是它在真实多步任务里"做得完且做得对"的比例，以及它每完成一个任务烧掉多少token。为可靠性付钱，而不是为跑分付钱。
一句话给所有人：2026年，模型是公共品，循环是护城河。能用同一批开源/闭源模型，搭出比别人更稳、更省、更能完成真实任务的循环框架，才是这一轮真正稀缺的能力。
从chatbot到agent，模型的大脑一个字没改——变的只是把它包进了一个"循环+工具+记忆+控制"的壳子里；智能从此不在脑子上，而在脚手架上。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。