Agentic AI 代表了一种范式转变，它涉及多个 AI Agent 之间的协作、动态任务分解、拥有持久记忆以及更高级的自主性。

AI Agent & Agentic AI

AI Agent

在AI Agent出现之前，主流的AI，如GPT系列、ChatGLM系列，我们称之为生成式AI（Generative AI） 。它的核心能力是根据提示（Prompt）生成内容，无论是文字、图片还是代码。它本质的局限：被动性。它无法主动发起任务，无法与外部世界真实交互，更没有一个持续的目标去跟进。

AI Agent是一个由强大的生成模型驱动，并配备了各种外部工具的单体智能体。

AI Agent在大语言模型这个“大脑”的基础上，增加了感知、推理和行动的能力，形成了一个“感知-思考-行动”的闭环 。

此外，它被赋予了使用工具的能力 。当一个任务超出了它的内部知识范围（比如查询今天的天气），它能够自主地调用外部API或搜索引擎，获取信息，然后整合进自己的决策流程中 。

Agentic AI

Agentic AI由多个 AI Agent 组成的，能够相互协作、动态协调、共同追求一个高层级复杂目标的系统。

作者大模型在其文章中给出了如下的比喻：

「AI Agent如同智能恒温器一般」。你设定好温度后，它会自动操控空调，将室温维持在21度。它甚至能依据你的作息，自动调节以达到节能效果。但在它的功能范畴里，只有“调控温度”这一项任务，它独立运行，不会关注天气预报、电价变化或是你的日程安排。

「而Agentic AI则相当于一套全屋智能生态系统」。在这个系统中，存在多个分工明确的AI Agent：负责“天气预报”的Agent、处理“日程管理”的Agent、专注“能源优化”的Agent，以及掌管“安防”的Agent。这些Agent不再各自孤立，而是通过一个“总指挥”（Orchestrator） 相互连接，实现信息共享，进而达成家庭在舒适度、安全性与节能性上的极致目标。

举个例子，天气预报Agent预测到下午会出现热浪，就会提前告知能源优化Agent，能源优化Agent则会决定在中午电价较低时，借助太阳能提前开启空调进行预降温。与此同时，日程Agent发现家中没人，会通知安防Agent启动监控，并让能源Agent延后洗衣机等耗能家务的运行。

AI Agent & Agentic AI应用场景

AI Agent应用场景

客户服务： 聊天机器人作为典型 AI Agent，能快速回答常见问题、解决基础问题，引导客户完成流程，大大提高服务效率，解放人工客服处理复杂问题。例如 Zendesk 的 AI 聊天机器人。

个人助理： 如 Siri、Google Assistant 等语音助手，可帮用户设置提醒、查询天气、播放音乐等，依赖预定义命令处理简单重复任务。

电子邮件管理： 能对邮件分类、标记重要邮件、提供智能回复，像 Google 的 Gmail 智能撰写功能，节省用户时间。

生产力工具： GitHub Copilot 等可在软件开发中提供代码建议、协助调试，提升开发效率。

Agentic AI应用场景

自动驾驶： AI 系统感知路况、做出驾驶决策并不断学习。特斯拉的全自动驾驶系统从驾驶环境学习，调整行为提升安全性与效率。

供应链管理： 自主管理库存、预测需求、实时调整配送路线。亚马逊仓库机器人在复杂环境自主导航、搬运货物。

多 Agent 研究助手： 一个 Agent 检索文献，一个 Agent 提取数据，一个 Agent 分析结果，一个 Agent 撰写报告，共同完成一篇研究综述。

智能机器人协调： 在仓库或农场，多个机器人（拣货机器人、运输机器人、巡检无人机）作为 Agent 协同工作，优化整体物流或生产效率。

协作式医疗决策支持：不同 Agent 分析患者数据、检索最新指南、模拟治疗方案，为医生提供全面的决策支持。

自动化软件开发： ChatDev、MetaGPT 等框架模拟软件开发团队，Agent 扮演不同角色，自动完成从需求分析到代码实现的整个流程。

网络安全事件响应： 不同 Agent 监测网络流量、分析威胁情报、评估风险、执行隔离操作，协同处理安全事件。

参考文件：
[1]Agno框架介绍：用于构建多模态智能体的轻量库
[2]康奈尔大学最全综述：一文读懂 AI Agent 与 Agentic AI 的区别，看这一篇就够了！