返回 Posts

从聊天机器人到 Agent：一张 AI 知识地图

写给零 AI 基础读者的全景地图：分清模型、聊天产品、Agent、API、GUI/CLI/IDE、Goal、Skill 与 MCP，并用 GitHub Copilot 的 VS Code 插件理解补全、Chat 和 Agent。

Post

不想了解概念？直接去第二篇：准备环境、第一次日常工作、申请与管理 API、自定义模型与中转，或者 Goal、Subagent、Skill 与 MCP。这些入口位于本页第一屏，打开后可以直接照做。

本文负责回答“这些东西分别是什么、为什么值得用、如何选择”；下一篇实战负责回答“我今天具体点哪里、输什么、怎样检查结果”。价格、套餐、模型名、安装方式和地区资格会变化，初版资料核验于 2026-08-17，GitHub Copilot 专节核验于 2026-08-18，操作时应再次打开文末官方入口。

1. 这篇文章写给谁

这篇文章写给主要使用 Windows 或 macOS 的普通工作者。你可能每天整理会议记录、写报告、改 PPT、归类文件；也可能偶尔处理仿真结果、CSV 或日志。你不需要先会编程，也不需要先买订阅或 API。

目标不是记住所有缩写，而是建立一张不会轻易过时的地图。以后再遇到新模型、新客户端或新套餐，你能判断它属于哪一层、需要什么账号、会把数据发到哪里、费用落在哪张账单。

2. 用一句话解释 Agent

Agent 是一个能围绕目标规划步骤、使用获准工具、生成或修改成果，并把过程交给人复核的执行系统。

模型不等于 Agent。模型负责理解和生成；Agent 把模型与文件、终端、浏览器等工具连起来。Agent 也不等于“全自动”：可靠工作流一定包含权限边界、来源检查和人工接收。

3. AI 世界分层图：模型 → API → 产品/客户端 → 工具 → 成果

以“把三份零散材料整理成周报”为例：

表格：层 / 人话解释 / 在例子里做什么
层 人话解释 在例子里做什么
模型 理解和生成内容的计算系统 摘要、写作、判断下一步
API 程序调用模型的入口 让 Agent 把请求发给模型服务
产品/客户端 你实际打开的应用 网页聊天、桌面 GUI、CLI、IDE 插件
工具 Agent 获准使用的能力 读写文件、运行命令、查询资料
成果 要交付的文件或结论 Markdown、PPTX、HTML、表格、图表
人工复核 最终责任所在 核对事实、权限、版式、费用并接收

服务实际运行的位置还可能是厂商云 API、订阅内服务、公司网关或本地模型。把这些层拆开，很多问题就容易判断：软件装好了但没模型额度，网页能打开但不能创建 Key，或者一个兼容地址能回文字却不会调用工具。

4. Agent 与网页聊天机器人的差别

网页聊天机器人的默认动作是“你问一句，它答一句”，结果通常停留在对话框。Agent 更接近“查看现状 → 拆步骤 → 使用工具 → 写入新成果 → 检查 → 汇报”。

例如“帮我修改报告”：

  • 网页聊天可能返回一段改写文字，等你复制粘贴；
  • Agent 可以在指定文件夹读取原稿和反馈，修改副本，生成差异，再等你确认。

两者没有绝对高下。只需讨论思路时，网页聊天更简单；需要反复处理文件、执行检查、生成多种交付物时，Agent 的价值更明显。

5. 日常工作价值

对多数人，Agent 最先值得用在低风险、可复核的重复工作：

  • 把会议记录、项目背景和状态更新整理成有来源的文档；
  • 比较两版报告，列出新增、删除和待确认项；
  • 根据已核实文档生成 PPTX 与手机可读的自包含 HTML；
  • 从多个文件提取待办、日期和责任角色；
  • 先提出批量改名或归类清单，得到批准后再执行；
  • 检查文档、表格、链接和交付物是否遗漏。

日常主线应是：原始材料只读 → 形成唯一事实源 → 人工核实 → 派生 PPT/HTML 等成果 → 再次核对。

6. 工程扩展

同一套方法也能扩展到芯片设计、仿真和数据分析，但工程数据只作为进阶：

  • 检查 CSV 的列名、类型、单位、缺失和重复；
  • 联结仿真记录与日志时间戳；
  • 按工程阈值、IQR、Z-score 或趋势变化列出异常候选；
  • 生成带单位、阈值和来源的图表；
  • 把候选、证据和未确认项写入报告。

异常候选不等于故障。真实网表、版图、波形、客户信息和未公开仿真数据默认不能上传到个人账户或不明网关；最终判断必须由了解设计和仿真条件的人作出。

7. Agent 为什么不会自动正确

Agent 可能遇到冲突材料、过期资料、格式误读、模型幻觉、工具失败或权限不足。它也可能给出“看起来合理”但没有来源的数字。

可靠性来自过程，不来自一句“请认真”：

  1. 明确唯一事实源；
  2. 让它先只读盘点，再写新文件；
  3. 要求区分来源事实、推断和未确认项；
  4. 保存原始材料和版本；
  5. 对数字、日期、链接、图表和账单逐项复核；
  6. 不让一次失败触发无限自动重试。

8. 网页、桌面 GUI、CLI、IDE 与多模型开源 Agent

这些词描述的是入口或产品类别，不是模型能力等级。

  • **网页聊天：**打开浏览器就能用，适合问答和小文件；通常不直接操作你的本地文件夹。
  • **桌面 GUI：**有按钮、列表和权限提示，适合希望过程更可见的人。
  • **CLI：**在终端中工作，便于处理本地文件、重复命令和批量任务。
  • **IDE 插件：**在 VS Code 等编辑器旁边工作，适合边看内容边修改。
  • **多模型开源 Agent：**客户端代码开放，可以连接多家 Provider 或兼容端点；开源客户端不代表远程模型免费，也不代表每种 Provider 完全兼容。

9. 六类模型提供商的角色

表格：提供商 / 常见角色 / 初学者先核对什么
提供商 常见角色 初学者先核对什么
OpenAI ChatGPT、Codex、OpenAI API ChatGPT 登录还是 API Key；地区和账单
Anthropic Claude、Claude Code、Claude API 免费聊天账户、合格订阅与 API 的差别
Google Gemini、Google AI Studio、Gemini API 免费/付费层、地区、Key 限制和数据条款
Kimi / Moonshot Kimi 产品、开放平台 API、Coding 方案 会员、Coding 方案与开放平台 API 的结算路径
DeepSeek 聊天产品、DeepSeek API OpenAI/Anthropic 格式与实际能力边界
GLM / 智谱 GLM 产品、BigModel API、Coding 方案 通用 API 与 Coding 套餐端点、Key、额度

同一个 Agent 可以连接多家模型；同一家提供商也可以同时提供聊天产品、Agent 和 API。模型名、上下文和价格更新很快，文章不把今天的型号当成永久推荐。

10. 订阅是什么意思

订阅买到的是某个产品在特定规则下的使用权益，可能包含模型、功能、消息量或 Agent 额度。订阅通常不等于通用 API 余额。

Codex 官方认证文档区分 ChatGPT 登录的订阅权益和 API Key 的标准 API 用量计费。Claude Code 也可以走符合条件的订阅或 Console/API 等不同路径。Kimi 会员、Kimi Code 与开放平台 API 同样不应混成一笔余额。

付费前问清：买的是哪个产品？Agent 使用哪条认证路径？费用出现在哪张账单？取消后还有没有已发生费用？

11. API 是什么，是否必须使用

API 是给程序调用模型的入口，API Key 像一把可计费的机器钥匙。它可能让你更精确地选择模型、统计用量和连接多模型 Agent，但不是使用 Agent 的唯一方式。

你可以从三条路开始：

  1. 用官方支持的账号或订阅登录 Agent，不自己管理 API Key；
  2. 直接申请官方 API，按用量付费；
  3. 使用组织批准的网关或可用本地模型。

Key 不能发到群里、贴进截图、写进公开文档或提交到 Git。一次练习最好用专用 Key，设置预算/限额或提醒，完成后查看用量并撤销。

12. 官方 API、第三方中转和本地模型的差别

表格：路径 / 谁提供模型/账单 / 主要优点 / 需要额外核对
路径 谁提供模型/账单 主要优点 需要额外核对
官方 API 模型厂商 文档、模型身份和账单链条较直接 地区、注册、付款、限额
第三方中转 中转方再连接上游 可能聚合模型或转换协议 服务主体、上游真实性、日志、隐私、退款、稳定性
公司网关 组织或其供应商 可统一权限、审计和预算 公司配置、数据范围、功能转发
本地模型 自己或组织的设备 减少向外发送原始内容 硬件、端口、模型能力、工具兼容、维护

中转或网关常要求服务地址、Key 和模型名称。“能收到回答”只证明某类请求通了，不能证明工具调用、缓存、MCP、Skill、文件、上下文、模型身份和计费都等价。

13. GUI、CLI 与 IDE 插件怎么选

表格：形态 / 适合的起点 / 主要代价
形态 适合的起点 主要代价
GUI 不想先学终端、重视可见操作 高级配置和批处理可能较弱
CLI 要批量处理文件、希望过程可复制 需要适应路径、命令和权限提示
IDE 插件 经常改文档或代码、要边看边改 依赖编辑器，工作区权限容易被忽略

CLI 不等于“只有程序员能用”。初学者先学会打开终端、进入专用练习文件夹、读懂将执行的动作就够了。关键操作不能依赖鼠标悬停，移动端查看时也应能看到链接与警告。

14. Codex、Claude Code 与多模型 Agent

表格：候选 / 定位 / 模型/认证路径 / 适合谁
候选 定位 模型/认证路径 适合谁
Codex OpenAI 的 Agent 工具 ChatGPT 登录、API Key 等官方支持路径；自定义 Provider 有协议条件 已在 OpenAI 生态或需要本地文件工作流
Claude Code Anthropic 的终端 Agent 合格 Claude 订阅、Console/API 或官方列出的云路径 已在 Claude 生态、处理长文档和终端任务
GitHub Copilot（VS Code） GitHub 的 AI 编程助手与 IDE 插件入口 GitHub 登录；Copilot Free、个人付费或组织方案 希望在 VS Code 内使用补全、Chat 和 Agent
OpenCode MIT 许可的开源多模型 Agent 具名 Provider、兼容端点或可用本地路径 希望在同一客户端比较多家模型

本教程把 OpenCode 作为多模型开源 Agent 的首选候选。核验于 2026-08-17：官方仓库仍有近期发布，Windows/macOS 都有安装路径；安装本身不要求订阅或信用卡；Kimi/Moonshot、DeepSeek、GLM/智谱有官方 Provider 或厂商集成证据。远程模型仍可能需要账户、套餐或 API 余额。

兼容时要认协议：Codex 当前自定义 model provider 使用 Responses API；只支持 /v1/chat/completions 的声明不足以证明可用。Claude Code 的 ANTHROPIC_BASE_URL 可以指向网关，但 Anthropic 不背书第三方网关，也不支持用网关把 Claude Code 路由到非 Claude 模型。厂商侧协议转换只能算条件性兼容。

15. GitHub Copilot（VS Code 插件）怎么用

先把它放回前面的分层图：GitHub Copilot 是 AI 编程助手产品，VS Code 中的 GitHub Copilot / GitHub Copilot Chat 扩展是 IDE 入口，所选模型负责生成，Ask 以问答和建议为主，Agent 则能借助工具读取和修改工作区、运行命令。GitHub 账户下的 Copilot 方案决定可用模型、功能和额度；走标准 Copilot 登录时不需要自己申请模型 API Key。

截至 2026-08-18，个人用户可以从有月度限额的 Copilot Free 开始，不必先购买付费方案。它不是无限免费：补全、Chat/Agent、可选模型和 AI Credits 都受当日方案限制；额度用完后应等待重置或自行决定是否升级，不能把付费升级当成教程的必要步骤。组织提供的 Copilot 中，Chat 或 Agent 的可用性还可能由管理员策略决定。

安装和登录

  1. 从官网安装或更新 VS Code。
  2. 在 VS Code 状态栏找到 Copilot 图标，选择 Use AI Features，按提示登录 GitHub。当前 VS Code 会自动配置所需扩展；也可以打开 Extensions，搜索由 GitHub 发布的 GitHub Copilot 后安装。命令面板中的 GitHub Copilot: Sign In 是找不到入口时的回退方式。
  3. 第一次只打开一个专用练习文件夹，并只放公开或虚构材料。只有在你确认文件夹来源可信时才授予 Workspace Trust；看到 Copilot 图标进入可用状态后再开始。

四种最常用入口

表格：入口 / 怎么打开 / 适合做什么 / 使用时怎么把关
入口 怎么打开 适合做什么 使用时怎么把关
行内补全 在文件中正常输入，灰色建议出现时按 Tab 接受 补一行、一个小函数、重复格式 不合适就继续输入或按 Esc 忽略；接受后仍要逐行读
Inline Chat 选中一小段内容，macOS 按 ⌘I，Windows/Linux 按 Ctrl+I 局部解释、改写、修复 提示词只描述这一小段的目标，提交前查看差异
Ask 打开 Chat：macOS 按 ⌃⌘I，Windows/Linux 按 Ctrl+Alt+I，在模式选择器选 Ask 理解项目、解释报错、比较方案 选中相关代码或用 #file 指定文件，要求引用上下文，不把回答当事实
Agent 在同一 Chat 的模式选择器选 Agent 多文件修改、运行检查、迭代修复 明确允许范围、禁止事项和验收；逐项查看文件编辑、工具调用与终端命令

如果快捷键与本机冲突，可用命令面板搜索 Chat: Open Chat 或 Inline Chat。VS Code 版本更新后按钮位置可能变化，功能名称和官方文档比截图更可靠。

第一次 Agent 练习可以复制下面这段，再把文件名换成自己的虚构材料：

只在当前练习文件夹内工作。先只读检查 README.md 和 notes.md，并说明计划；
不要删除、移动或覆盖原文件，不安装依赖，不访问外部服务。
把 notes.md 整理为 report.md：每个数字和日期注明来源，推断与未确认项单列。
完成后列出改动文件、验证命令、结果和仍未确认的事项；
如果缺少验证工具就停止并说明，不要自行安装或扩大范围。

初次使用保持 Default Approvals：每次批准前读清工具名称、路径、终端命令和网址，不使用 Bypass Approvals 或 Autopilot 跳过人工确认。完成后打开 Source Control 查看完整 diff，确认没有意外文件或秘密，再亲自运行验证命令。Copilot 能加速修改，但不能替你承担代码、数据、账单和发布责任。

16. Goal、Subagent、Skill 与 MCP

  • **Goal：**明确终点。“写一份 800 字以内、每个数字注明来源、不修改原文件的周报”比“看看材料”更可执行。
  • **Subagent：**被委派边界清楚子任务的执行单元。两个任务会改同一文件时不应盲目并行。
  • **Skill：**可重复的操作规程，例如“生成 PPT 后逐页渲染并检查溢出”。
  • **MCP：**让 Agent 发现和使用外部工具/数据源的协议。它解决连接，不替代权限、隐私和公司政策判断。

名称和具体行为会随产品变化。关系可以记成：Goal 定义结果，Agent 推进，Subagent 分担独立工作，Skill 规定可靠做法，MCP 提供外部能力。

17. 公司数据、权限与结果复核红线

第一次只用虚构或可公开材料，并遵守这些底线：

  • 真实公司文档、客户信息、芯片资料、网表、版图和未公开仿真数据默认不上传；
  • Agent 只获得练习目录的必要权限，先只读，写入新文件，不覆盖原始材料；
  • 第三方网关会增加数据处理方，无法核实主体和政策时不使用真实资料；
  • 不关闭安全软件、不跳过权限确认、不启用无限额自动执行；
  • 最终文档、PPT、HTML、图表和数字都回到来源人工复核。

18. 中国大陆与香港的网络、地区、注册和付款边界

对每个服务分别判断六件事：网页/API 是否可达、是否可能需要 VPN/代理、官方地区是否支持、能否注册、能否付款、公司是否允许。

截至 2026-08-17，OpenAI、Anthropic 与 Google Gemini API 的相关官方地区列表均未列出中国大陆和香港。本任务没有在两地跨运营商做实时网络测试，所以不把“有人能打开”当成地区资格，也不提供绕过地区规则的教程。

Kimi/Moonshot、DeepSeek、GLM/智谱有面向中国大陆的中文账户或支付资料；这不能自动证明香港手机号、证件、币种和付款方式可用。香港读者仍应在注册前查看当日官方说明。VPN 或代理只能改变部分网络路径，不能改变官方资格、服务条款或公司政策。

19. 按基础、任务、敏感度、预算和网络选择起点

依次做五个判断：

  1. **基础：**完全不想用终端，先用 GUI 或官方网页；愿意处理文件再学最少 CLI。
  2. **任务：**只问问题用聊天；反复读写文件、批处理和检查用 Agent。
  3. **敏感度：**虚构/公开材料可练习；公司材料先确认政策和数据边界。
  4. **预算：**已有合格订阅可先用官方登录；API 路径先设小额预算和提醒；不要为教程仓促充值。
  5. **网络：**官方地区、注册、付款和公司网络均成立后再长期采用。

从一个专用文件夹和一个可复核任务开始。等闭环稳定后，再增加 API、Skill、MCP 或 Subagent。

20. 下一步：用虚构材料走一遍

如果只记住一句话：Agent 不是“一个更会聊天的模型”，而是模型、客户端、工具、权限、数据、费用和人工复核共同组成的工作系统。

现在打开《让 Agent 真正干活：安装、API 与日常工作实战》，用完全虚构的会议记录、项目背景、状态更新、CSV 和日志完成第一轮。

官方入口与核验日期

以下页面初版核验于 2026-08-17，GitHub Copilot / VS Code 条目核验于 2026-08-18；易变信息以操作时的页面为准：