智能体AI不只是会聊天：九维评分框架帮你判断工具到底有多自主

核心洞察

这篇文章最有意思的点在于，它试图把“智能体”这个被用烂了的词变成一个可量化的东西。市面上大多数关于 Agentic AI 的讨论都停留在概念层面，但这里给出了一个 36 分的评分框架，把模糊的“智能程度”拆成了九个可打分的维度。我比较怀疑的是，这种打分在实际选型时到底有多大参考价值，但至少它提供了一个聊天的起点。

核心结论

1. 智能体 AI 的核心分界线是“在循环中采取行动”：智能体系统通过“决策—行动—观察”循环自主追求目标，能调用 API、编辑文件、执行代码等，而聊天机器人只生成文字、副驾驶仅提供建议等待人类确认。

2. 智能程度被量化为 36 分制、九个维度的评分框架：九个维度包括行动能力、自主性、规划与推理、适应与恢复、状态与连续性、可靠性、互操作性、安全与可观测性、操作者主权，每个维度 0–4 分，总分对应 L0（被动工具）到 L5（战略智能体）六个等级。

3. 当前市面产品大多停留在 L3 及以下：能稳定达到 L3（自主执行者，18–23 分）的产品已属少数，L4（主动代理）和 L5（战略智能体）主要存在于实验室或极少数垂直场景的定制系统中。

4. 智能体 AI 已在编程、研究、销售、金融、客服等领域落地：编程类代表工具有 Aider、Cursor、Codex CLI；研究类有 Elicit、Undermind；通用助手类包括 ChatGPT、Claude、Gemini 的智能体模式。

5. 模型上下文协议（MCP）是智能体连接真实工具生态的关键基础设施：MCP 作为开放标准，让智能体通过统一接口安全访问文件系统、数据库、第三方 API 等，是判断工具是否真正面向真实软件环境设计的重要信号。

简而言之

• 智能体 AI 等于会动手的 AI。 它追求目标、调用真实工具、随机应变，而不是只生成文字。
• 智能程度是一条光谱，不是开关。我们按九个维度给工具打 0 到 36 分，分成六个等级，从“被动工具”到“战略智能体”。
• 智能体 AI 不等于聊天机器人，也不等于副驾驶。分界线在于系统是否在循环中采取行动，而不在于它听起来多聪明。
• 真实案例已经在编程、研究、销售、金融和通用助手领域落地，下面可以看到评分最高的工具。

完整定义

智能体 AI 指的是这样一类人工智能系统：它们通过自身行动来追求目标，而不只是产出内容等着人类去执行。你给智能体一个目标，比如“把这个功能上线”“研究一下这个话题”“把这些会议约好”，它就开始跑一个循环：决定下一步做什么，采取真实行动（调 API、改文件、操作浏览器、跑代码），观察结果，再做下一次决定。循环一直持续到目标达成、智能体卡住，或者人类介入。

“智能体”这个词来自 agency，意思是作用于世界的能力。传统语言模型生成看起来合理的文字，智能体系统把这种生成能力当作更大控制流中的一个环节，这个控制流还包括工具调用、记忆、规划和反馈。今天大多数智能体 AI 建立在 GPT-5、Claude 或 Gemini 这类前沿模型之上，外加一层脚手架，把生成变成行动。

实际使用中，“智能体 AI”是一条光谱，不是非此即彼。一个能搜网页的简单助手有一点点智能体特征。一个能端到端提 PR 的编程智能体智能体程度更高。一个无人监督管理销售管道的长期运行操作员则高度智能体化。我们把这个光谱映射成一个 36 分制、九个维度的评分，让“智能体”这个词有可测量的含义，而不只是营销话术。

智能体 AI 到底怎么工作：循环

每个智能体系统都在跑同一个循环的某个版本。细节不同，用什么模型、什么工具、什么记忆，但形状是一致的。这个循环就是智能体和聊天机器人的分界线。

1. 决策

看目标 and 当前状态。选下一步动作：搜索、写代码、调 API、问用户，还是停下。

2. 行动

通过工具执行动作：HTTP 请求、编辑文件、执行 shell 命令、浏览器导航、函数调用。

3. 观察

读取结果。更新记忆。检测错误。决定是继续、重试、换策略，还是收工。

这个模式有时叫 ReAct 循环，名字来自 2022 年那篇把它形式化的论文（推理加行动）。现代智能体在上面加了规划、记忆和多智能体协调，但决策、行动、观察这个核心循环是心跳。

什么让一个工具变得智能体化

在我们认为智能体化的每个系统里，都会出现六个特征。一个工具在这六项上得分越高，它能自主运行的程度就越高。

目标导向

接受一个期望的结果，而不是一条单一指令，然后自己想办法拆解步骤。

规划多步工作

把复杂目标分解成有序步骤、分支和应急方案。

采取真实行动

调用 API、编辑文件、发消息、跑代码、约会议，不只是给建议。

实时适应

读取工具输出，从错误中恢复，遇到阻碍时尝试替代路径。

维护状态

跨步骤和跨会话携带上下文，而不是每轮都从头开始。

知道什么时候停

识别任务完成、请求帮助，或者在不确定时升级给人类。

智能体 AI 对比聊天机器人对比副驾驶

在营销文案里，这几个类别的界限很模糊。

技术分界线很清楚：谁来决定执行什么动作，以及谁来执行。

智能程度的九个维度

目录里的每个工具都按九个维度打分。每个维度 0 到 4 分，附评分依据，总分 0 到 36。

行动能力
能不能执行真实操作？

自主性
下一步做什么，它自己决定吗？

规划与推理
能不能把多步骤目标拆开？

适应与恢复
遇到错误和边界情况怎么处理？

状态与连续性
记不记得之前的上下文？

可靠性
输出结果稳不稳定？

互操作性
能不能跟其他工具和协议配合？

安全与可观测性
有没有护栏和审计记录？

操作者主权
成本、模型选择、可审计性，控制权还在你手里吗？

完整的评分框架可以在这里看到。

智能程度的六个等级

36 分的总分对应六个命名等级。

级别越高不一定越好，合适的级别取决于你的任务能容忍多少自主性。

L0 被动工具，0–5 分。能回应提示，但不主动做任何事。比如一个只回答问题、不执行操作的聊天机器人。

L1 引导助手，6–11 分。在你指定的范围内，一步一步执行你交代的任务。比如一个编程副驾驶，你说改哪个文件它就改哪个。

L2 自适应协作者，12–17 分。会提出多步计划，经你批准后执行。比如一个研究智能体，先给你一个方案，你点头它就跑。

L3 领域专家，18–23 分。能独立处理特定领域的工作流，过程中还能动态调整计划。比如一个编程智能体，在一个代码仓库里从头到尾把 PR 提完。

L4 自主操作员，24–28 分。管理跨领域的复杂工作流，具备自我纠错能力和企业级安全保障。比如一个销售智能体，不需要人盯着就能跑完一整轮外呼活动。

L5 战略智能体，29–32 分。完全自主，自己定目标，跨系统持续运行。比如一个长期运行的智能体，自己拆解子目标，不间断地干活。

当下评分最高的智能体工具

这些是我们独立评测中评分最高的工具，每当我们根据新证据重新打分时就会更新。

浏览全部 378 个工具

智能体 AI 能做什么？按类别看用例

凡是过去需要人一直盯着、步骤多、决策密集的活儿，现在都能看到智能体 AI 的身影。下面这些类别里，已经有真正能用的智能体在跑了。

编程智能体

写功能、调试、重构、端到端提 PR。Aider、Cursor、Codex CLI 这些工具是这个类别的领头羊。

浏览该类别

研究与深度分析

跨数百万篇论文做文献综述，追踪引用链，产出带引用的报告。Elicit 和 Undermind 是代表性产品。

浏览该类别

销售与营销自动化

找潜在客户、做个性化、发送、跟进、约会议，路由决策由智能体来做，不是跑模板。

浏览该类别

通用助手

ChatGPT、Claude、Gemini 以及它们的开源对手，越来越多地运行智能体模式，能浏览、写代码、自主执行任务。

浏览该类别

财务与规划

实时追踪支出，优化税务，在你设定的风险参数内调整投资组合。

浏览该类别

客服自动化

分拣工单、查订单状态、退款、升级边缘案例，智能体做了什么、为什么这么做，全程有审计记录。

浏览该类别

智能体 AI 本周动态

实时发布的产品、模型更新和功能迭代，来自我们的新闻管道。

• 发布 SimpSocial：SimpSocial 把 Sarah AI 接入了 VinSolutions，让经销商智能体通过一个主流 CRM 获得 24/7 的购车者咨询访问能力。
• 模型 VISH-GUARD：VISH-GUARD 能通过协调多个 LLM 智能体实时捕获多语言语音诈骗吗？单语言工具在这方面是有短板的。
• 发布 Advanced AI Society：Advanced AI Society 在 Linux 基金会下的启动，可能给智能体验证一本共同的规则手册，但谁来执行？
• 发布 Wenge AI：Wenge AI 推出 SciencePro 用于科研决策，但它的 ScienceOne 模型能接管科学家工作流的多少部分？

深度指南

针对大多数人最先搜索的类别，我们做了精选编辑拆解。

2026 年最佳 AI 编程智能体

每一个 AI 编程智能体，都按我们独立的 36 项评分标准打分，没有付费排名。看看哪些真的能写、能调试、能交付代码，优缺点都如实写。

阅读指南

2026 年最佳免费 AI 编程智能体

最好的零成本起步 AI 编程智能体，包括你自行部署的开源工具，加上头部厂商慷慨的免费额度，每个都按我们独立的 36 项智能体评分标准打分。

阅读指南

2026 年最佳企业级 AI 编程智能体

为企业团队比较最好的 AI 编程智能体。

L2 受托代理，12–17 分。你给一个目标，它自己拆步骤、自己决定用什么工具，中间不需要你盯着。碰到不确定的情况会回来问你，但大部分时候能自己跑完。比如一个能自动整理竞品资料、生成对比表格并附上引用来源的研究助手。

L3 自主执行者，18–23 分。能连续执行多步任务，遇到错误会自己调整策略。你只需要在关键节点做审批。比如一个自动处理客服工单的系统，能查订单、判断问题类型、发退款、更新记录，只在金额超过阈值时才找你确认。

L4 主动代理，24–29 分。不等你下指令，自己发现值得做的事并推进。比如一个监控投资组合的代理，发现某只股票偏离目标配置超过设定比例，自动执行再平衡，事后通知你。

L5 战略代理，30–36 分。能管理其他代理，制定长期计划，根据环境变化调整方向。目前这个级别基本还在实验室里，少数内部系统摸到了边。

分数怎么算出来的

九个维度，每个 0–4 分，加起来满分 36。九个维度分别是：行动能力、自主性、规划、适应、状态连续性、可靠性、互操作性、安全性、操作者主权。

每个维度的评分都有证据支撑，不是拍脑袋给的。比如“规划”这一项，能拆三步和能拆三十步，分数肯定不一样。“安全性”看的是有没有权限系统、审计日志、敏感操作的人工审批。

总分对应六个命名级别。L0 到 L5 的分段上面已经列了。

为什么不用“是或不是”来判断

“这个工具是不是代理？”这个问题本身就问错了。大多数真实系统落在纯聊天机器人和完全自主操作者之间。用 0–36 的连续谱来打分，比贴标签有用得多。

一个编程助手可能行动能力很强（能改文件、跑测试、提交代码），但自主性一般（每步都要你确认）。它的总分可能在 L1 到 L2 之间。另一个研究工具可能自主性很高（自己跑几十步文献检索），但行动能力有限（只能读不能写）。分数结构完全不同，但总分可能差不多。

看单项分数比看总分更有意义。你要找的是在你关心的维度上得分高的工具，而不是总分最高的那个。

常见问题

用大白话说，代理式 AI 是什么？

代理式 AI 是那种你给个目标，它自己想办法、自己动手完成的软件。调 API、改文件、浏览网页、跑代码，都算“动手”。聊天机器人只动嘴，代理式 AI 动手，而且会看结果、接着干，直到搞定或者需要你帮忙。

代理式 AI 和生成式 AI 有什么区别？

生成式 AI 产出东西——文字、图片、代码、音频。代理式 AI 把生成模型当成一个环节，外面还套着规划、调工具、看结果、调整的循环。生成式 AI 回答，代理式 AI 行动。大部分代理系统底层用的是 GPT-5 或 Claude 这类生成模型，但加了规划、工具调用和反馈，把“生成”变成了“行动”。

代理式 AI 和聊天机器人、副驾驶有什么区别？

聊天机器人给个回复就停了。副驾驶建议一个修改，等你点接受。代理式 AI 一直跑——选下一步、调工具、读结果、从错误里恢复——直到任务完成。副驾驶增强的是人的单次操作，代理替代的是一连串操作。

代理式 AI 有哪些例子？

编程类的有 Aider、Cursor 的 agent 模式、GitHub CopilotA large language model interface made publicly accessible by Microsoft. 的 coding agent、OpenAI 的 Codex CLI，都能端到端出代码。研究类的有 Elicit、Undermind、Consensus，能跑多步文献综述。操作类的有 Anthropic 的 Computer Use 和 OpenAI 的 Operator，能控制浏览器完成实际任务。完整排名在 agentic.ai，每个工具都用同一套 36 分框架打分。

代理式 AI 和 AI agent 是一回事吗？

有重叠。“AI agent”是名词，指一个具体的软件系统。“Agentic AI”是属性，指一个系统能多自主地行动。一个 AI agent 有它的代理程度。我们把“代理式”当成一个谱系，用 0–36 分、九个维度来打分，因为大多数真实系统落在纯聊天机器人和完全自主操作者之间。

代理式 AI 现在能做什么？

2026 年，代理式 AI 能出生产代码、跑覆盖几百万篇论文的文献综述、管理外呼销售活动、控制浏览器和电脑完成任务、自动化客服流程、监控并再平衡投资组合、编排多步业务流程。边界一直在动——今天算“代理式”的东西，两年前还是前沿研究。

代理式 AI 安全吗？

看工具，也看你怎么用。自主性越高，杠杆越大，风险也越大。靠谱的代理工具会有护栏——权限系统、试运行模式、审计日志、敏感操作的人工审批选项。我们在目录里给每个工具的“安全性与可观测性”打分，这是九个维度之一，对行动能力强但安全控制弱的工具会特别标注。

怎么衡量一个 AI 有多代理式？

我们用一套 36 分框架，九个维度：行动能力、自主性、规划、适应、状态连续性、可靠性、互操作性、安全性、操作者主权。每个维度 0–4 分，有证据支撑。总分对应六个命名级别，从最低的被动工具到最高的战略代理。完整方法论在 /agenticness。

代理式 AI 会取代工作吗？

有些任务会，尤其是定义清晰、步骤固定、在系统之间搬信息的活。需要判断力、人际关系、解决新问题、承担责任的岗位，自动化难度大得多。大多数团队反馈的模式是少招人而不是裁人，现有的人去做更高杠杆的事，代理接手常规工作。

什么是模型上下文协议（MCP），为什么它对代理式 AI 重要？

MCP 是一个开放标准，用来把 AI 代理连接到工具和数据源。它让一个代理能通过统一接口安全地访问很多系统——你的文件系统、代码编辑器、数据库、第三方 API。MCP 支持是我们每个条目都追踪的结构化字段之一，因为它是强信号，说明这个工具是为在真实软件环境里运行而建的，不只是在聊天框里。

找适合我的代理式 AI 工具，最好的办法是什么？

从 /ask 的 AI 搜索开始——用大白话描述你想做什么，拿到按匹配度排序的工具。或者按类别浏览：编程代理、研究工具、销售和营销自动化、金融、通用助手。每个条目都显示代理程度分数、部署选项（云还是自托管）、定价，以及是否支持 MCP 和开源。

代理式 AI 什么时候变成主流的？

这个词 2024 年开始广泛使用，当时 ChatGPT 插件、AutoGPT 和 BabyAGI 展示了多步工具使用。到 2025 年，它成了 OpenAI、Anthropic、Google、Microsoft AI 路线图的主要框架。到 2026 年，“代理式”成了默认选项——大多数正经 AI 工具都说自己是代理，所以一套独立的代理程度评分标准比以往更重要。

术语表：代理式 AI 周边你会看到的词

词汇变化很快。下面这些最值得知道。

AI agent（AI 代理）

一个感知环境、做决策、采取行动达成目标的软件系统。“代理式”的名词形式。

Agentic loop（代理循环）

代理跑的决定、行动、观察循环，直到目标达成。有时叫 ReAct 循环，来自 2022 年那篇把它形式化的论文。

Tool use / function calling（工具使用／函数调用）

代理怎么调外部系统——API、代码执行、文件操作、浏览器动作。把生成变成行动的机制。

Planning（规划）

把目标拆成有序步骤的能力，常用思维链、思维树、任务分解这些技术。

Memory（记忆）

代理跨多次运行保持的状态——短期草稿板、长期向量存储、完整对话历史。让代理能继续而不是重来。

MCP（模型上下文协议）

连接 AI 代理到数据和工具的开放标准。让一个代理通过统一接口够到很多系统的管道。

Multi-agent system（多代理系统）

多个专门代理协调工作——规划者、研究者、批评者、执行者。复杂任务上通常比单个大代理表现好。

Human-in-the-loop（人在环中）

在关键步骤暂停等人工审批的代理工作流——敏感操作、低置信度决策、定时检查点。

Autonomy（自主性）

代理运行有多独立。从“每个动作都要确认”到“无人监督持续运行”。

Guardrails（护栏）

限制代理能做什么的约束——权限范围、成本上限、内容过滤、动作白名单。自主性的另一面。

免费 · 每日 · 安静的日子跳过

跟上代理式 AI 的节奏

三分钟早报：新发布、工具升级时的分数变化、工具网站一夜之间改了什么。

L4 目标驱动系统，24–29 分。到这一级，它不再只是执行你给的步骤，而是能理解一个模糊的大目标，自己规划路径、调配资源、甚至在执行过程中重新定义子任务。比如你说“帮我把下季度的内容营销做起来”，它会自己去分析受众、定选题、排期、写初稿、找配图，中间还会根据数据反馈调整方向。你只需要在关键节点上点个头。

L5 完全自主智能体，30–36 分。这是目前理论上的天花板。它能长期运行，跨会话记忆，主动发现新目标并推进，不需要人类发起指令。遇到资源不够会自己想办法，比如调用外部 API、写代码、甚至跟其他智能体协商。你更像是一个董事会成员，偶尔看看它的季度汇报。

大部分读者看到这里可能会想，那我手上的工具到底算几级？说实话，现在市面上能稳定跑到 L3 的产品就不多了。L4 和 L5 更多是实验室里的demo，或者极少数垂直场景下的定制系统。别被宣传语里的“全自主”忽悠，拿这个框架去套一下，心里就有数了。

这个评分体系不是拿来给产品贴标签的，它更像一把尺子。你拿它量一量，就知道自己现在站在哪，下一步该往哪走。

常见问题（FAQ）

智能体AI和聊天机器人到底有什么区别？

智能体AI能自主追求目标、调用真实工具并循环调整，而聊天机器人只生成文本。分界线在于系统是否在循环中采取行动，而不在于听起来多聪明。

智能体AI的智能程度是怎么评分的？

我们按九个维度给工具打0到36分，分成六个等级，从被动工具到战略智能体。智能程度是一条光谱，不是开关。

智能体AI具体能做什么？有哪些实际应用？

智能体AI能端到端提PR、做文献综述、自动化销售外呼、追踪支出等。凡是步骤多、决策密集的活儿，现在都有智能体在跑。