助手、副驾驶、聊天机器人和代理有什么区别

注意：本文档是英文原版的自动翻译。

助手、副驾驶、聊天机器人和代理有什么区别

把这四个术语想象成一个遥控谱系上的不同位置。**聊天机器人（chatbot）**就像对讲机：你说话，它回话，互动到此结束。**助手（assistant）**就像一个能帮你查找信息的智能音箱。**副驾驶（copilot）**就像一个看着地图、建议转弯但从不抢方向盘的副驾。**智能体（agent）**则是自动驾驶汽车——它感知路况、做出决策并采取行动，无需等待你的批准。

加密人工智能项目几乎可以互换地使用这些标签，然而它们描述的是截然不同的能力层级。理解每个标签背后的真实含义，对于评估一个项目的营销是否与其技术相符至关重要。

**简而言之：**这四个术语位于一个自主性的谱系上。聊天机器人只会说话；助手会检索信息；副驾驶为人类建议可批准的动作；智能体自行决策并行动。

定义每个术语

在把这四个类别并排比较之前，先理解每一个本身的含义会有所帮助。下面的定义描述的是整个人工智能行业中通用的概念，而不仅限于加密领域。

聊天机器人（Chatbot）

聊天机器人是一种接受文本输入并返回文本输出的软件界面。最简单的形式下，聊天机器人遵循一个脚本或决策树。现代聊天机器人由 LLM 驱动，这使它们灵活得多：它们能处理开放式问题，并在单次会话内维持一个对话线程。然而，聊天机器人仍然只生成文本。它不搜索外部数据库、不使用工具，也不在对话窗口之外采取行动。

**可识别的例子：**默认模式下的 ChatGPT。你输入一个问题，它回答。除非显式启用额外工具，否则它不会浏览网页、执行代码或与外部系统交互。核心体验是文本进、文本出。

助手（Assistant）

助手比聊天机器人更进一步，增加了一个检索层。它能搜索外部数据来源——文档、数据库、API——来支撑其回答。助手不再仅依赖模型在训练期间记住的内容，而是引入实时信息并将其整合进回应中。这使得助手在处理事实性查询、最新信息和特定领域知识时更有用。

**可识别的例子：**苹果的 Siri 和亚马逊的 Alexa 是消费级助手。它们回答问题、查看天气、设置定时器，并通过查询外部服务来查找事实。在加密语境中，一个 DeFi 助手可能会从区块链索引器中拉取用户的链上仓位，并用自然语言解释它们。

副驾驶（Copilot）

副驾驶与人类专业人员并肩工作，提出动作建议但把最终决定权留给用户。关键区别在于副驾驶产生可执行的建议——不只是信息，而是用户可以批准或拒绝的具体步骤。副驾驶常见于软件开发、数据分析和交易界面中，在这些场景里，错误的自主动作代价高昂。

**可识别的例子：**GitHub Copilot。当开发者输入代码时，Copilot 建议补全、函数实现，甚至整段逻辑。开发者审查每条建议，并决定接受、修改还是拒绝。副驾驶从不自行提交代码或部署任何东西。在加密交易语境中，副驾驶可能会起草一笔兑换交易、显示预估滑点，然后等待用户签名。

智能体（Agent）

智能体代表最高级别的自主性。它感知环境、推理该做什么、选择并使用工具，并执行动作——而所有这些都无需对每一步获得人类批准。智能体通常具有记忆（它们记住过去的互动和结果）、工具访问能力（它们可以调用 API、执行代码或与智能合约交互），以及一个目标导向的循环（它们持续朝着一个目标努力，而不是只对单个提示做出回应）。

**可识别的例子：**AutoGPT 演示了智能体的概念。给定一个高层目标，比如“调研竞争对手并撰写一份报告”，它会把目标分解为子任务、搜索网络、撰写草稿并迭代——而这一切在每一步都无需人工干预。在加密领域，一个链上智能体可能会监控流动性池、检测到失衡，并通过自主签署一笔交易来执行再平衡交易。

自主性谱系

这四个类别不是僵硬的盒子——它们构成一个自主性谱系。真实产品常常处于两个类别之间，或结合了多个类别的元素。

级别	术语	感知数据	检索信息	建议动作	执行动作	是否有记忆
1	聊天机器人	否	否	否	否	仅会话内
2	助手	部分	是	有时	否	有限
3	副驾驶	是	是	是	否（由用户决定）	中等
4	智能体	是	是	是	是（自主）	持久

一个产品可以合理地沿着这个谱系演进——从聊天机器人起步，加入检索（助手），再加入决策支持（副驾驶），最终实现自主执行（智能体）。DecAIHub 记录的是当前可验证的状态，而不是路线图。

边界情况很常见。一个产品可能检索数据（助手）并有时建议动作（副驾驶），但从不执行它们（不是智能体）。把它恰好放进某一个盒子，远不如理解它实际做什么重要。

快速对比

术语	核心理念	自主性	典型动作	加密人工智能示例
聊天机器人	对文本提示做出回应	低	回答问题，遵循脚本	一个按请求返回代币价格的 Telegram 机器人
助手	回答问题并检索相关数据	低至中	搜索文档、总结、解释	一个拉取链上数据并解释仓位的 DeFi 助手
副驾驶	为人类决策提供建议和协助	中	起草交易、推荐参数、提示风险	一个为用户批准提出兑换路径的交易界面
智能体	感知、决策并行动——可能带有记忆和工具	高	执行交易、再平衡投资组合、自主调用智能合约	一个监控流动性池并在无用户输入下进行再平衡的链上智能体

实践中如何区分它们

这些类别之间的边界并不总是清晰，但几个诊断性问题会有所帮助：

系统是否在不先询问用户的情况下采取现实动作（签署交易、调用合约、转移资金）？如果是，它更接近智能体。如果它只是建议动作供用户确认，那它是副驾驶。
它是否检索外部数据（链上状态、API、数据库）**来支撑其回答？**如果是，它至少是个助手。聊天机器人通常只处理对话中的文本。
**它是否在跨会话中拥有记忆？**智能体和一些副驾驶会随时间维持上下文。大多数聊天机器人把每次对话都当作全新的。
**它是否使用工具？**智能体可以调用智能合约、查询预言机，或与协议交互。聊天机器人只生成文本，仅此而已。
**它是否追求多步目标？**智能体把一个高层目标分解为子任务并逐一推进。聊天机器人、助手或副驾驶则一次只对单个提示做出回应。

这些问题在阅读一个项目的营销时也可作为快速审计。如果一个项目自称“智能体”，但对问题 1、3、4 和 5 的回答都是“否”，那么这个标签就被夸大了。

谱系上的现实世界示例

了解知名产品落在谱系的何处，有助于校准对加密人工智能项目的预期。

产品	类别	原因
ChatGPT（默认）	聊天机器人	文本进、文本出。不使用工具，无自主动作。
带插件/工具的 ChatGPT	助手到副驾驶	检索数据、浏览网页、运行代码——但每个动作都由用户发起。
Apple Siri	助手	回答问题、检索实时数据、控制设备——但仅在收到明确指令时。
GitHub Copilot	副驾驶	建议代码补全和实现；开发者审查并接受或拒绝每一条。
AutoGPT	智能体	给定一个目标，它规划、搜索、撰写、评估并迭代，无需逐步的人类批准。
Perplexity	助手	搜索网络并综合出带来源引用的答案，但不采取动作或做决策。

即便是旗舰产品有时也难以完美归类。Siri 可以控制智能家居设备（一种类智能体的动作），但仅在被明确要求时（助手行为）。标签描述的是其主导的运行模式。

它在 DecAIHub 项目卡片中出现的位置

AI component 字段描述底层技术。AI use case 字段描述系统为用户做什么。二者结合起来，揭示项目的自我描述（智能体、副驾驶等）是否与其实际能力相符。

例如，如果 AI component 写着“GPT API integration”，而 AI use case 写着“回答用户关于代币余额的问题”，那么该项目的功能就是一个聊天机器人或助手——无论着陆页是否称其为“自主智能体”。

这种区分也影响分类。AI/Agents 类别及其子类别（Consumer、DeFi、Gaming）只保留给展现出智能体级别能力的产品。

为什么这一区分对 DecAIHub 很重要

当 DecAIHub 评估 AI reality 时，其中一项检查是项目是否具备它所声称的能力。一个把自己营销为“自主 AI 智能体”却只是包装了第三方聊天机器人 API 的项目，会引发一个证据缺口。

项目卡片字段 AI component 和 AI use case 捕捉这个 AI 实际做什么。如果一个项目说“智能体”，但可验证的行为只是聊天机器人级别，那个缺口就会反映在 ai_score 中。

标签对用户预期也很重要。看到“自主 AI 智能体”的用户会期待产品自行行动。如果产品最终是个聊天机器人，这种不匹配会侵蚀信任。

常见的夸大表述

**把聊天机器人称为“智能体”。**项目接受文本、调用 LLM API、返回文本。不使用工具、无记忆、无自主动作循环。这是聊天机器人，不是智能体。
**把简单的仪表盘称为“副驾驶”。**界面显示数据，但不提出建议、不起草动作。这更接近助手，甚至只是静态展示。
**没有检索的“AI 助手”。**产品把用户的提示转发给 GPT 并原样返回回应。没有专有的检索、排序或上下文注入，这就是一个 API 包装器，而非助手。
**需要手动执行的“自主智能体”。**系统推荐动作，但要求用户执行每一步。这是副驾驶行为，不是智能体行为。自主性意味着执行，而不仅仅是建议。

DecAIHub 把自我报告的标签视为起点，而非证据。证据来自 Tier-1 工件：代码、架构文档、可运行的演示和已公开的指标。

仅这一术语本身不能证明什么

把一个产品称为“聊天机器人”“助手”“副驾驶”或“智能体”，本身并不能确认人工智能存在，也不能确认该人工智能是真实的。标签描述的是预期的自主性级别，而不是人工智能能力的证据。DecAIHub 通过 Tier-1 工件来验证后者：代码、文档、演示和指标。

标签告诉你项目渴望成为什么；证据告诉你它实际是什么。

请勿混淆

Automation vs real AI —— 一个遵循 if/then 逻辑、基于规则的交易机器人是自动化，而非 AI 智能体，即使它自主行动。真正的 AI 智能体使用机器学习模型来感知、推理和决策。
API 包装器 —— 把提示转发给第三方 LLM 并返回回应，不是助手、副驾驶或智能体；它是一个直通转发。
LLM —— 模型本身是一块构建模块。产品是聊天机器人、副驾驶还是智能体，取决于围绕 LLM 构建了什么逻辑、工具和自主性。
AI component —— AI component 描述技术（例如“带 RAG 的微调 DeepSeek”），而聊天机器人/助手/副驾驶/智能体标签描述的是产品的行为和自主性级别。

常见问题

Siri 是 AI 智能体吗？

Siri 最恰当地被描述为助手，而非智能体。它通过查询外部服务并返回结果，来对明确的用户指令做出回应——“天气怎么样？”或“设置一个定时器”。Siri 可以控制智能家居设备，但它只在被直接指示时才执行这些动作。它不会自主地监控环境、设定自己的目标，或在没有人类发起的情况下执行多步计划。

副驾驶与助手有何不同？

关键区别是可执行性。助手检索信息并呈现它：“你的投资组合是 60% ETH 和 40% 稳定币。”副驾驶更进一步，建议一个具体动作：“你的 ETH 配置超出目标——这里有一笔再平衡交易，批准即可执行。”助手提供信息；副驾驶提出建议。二者都把最终决定权留给人类，但副驾驶预先计算好动作，让用户单击即可批准。

聊天机器人能变成智能体吗？

可以，但不是仅靠加个标签。从聊天机器人转变为智能体需要增加具体的技术能力：检索（成为助手）、决策逻辑和动作起草（成为副驾驶），以及带记忆和工具使用的自主执行（成为智能体）。每一步都需要真实的工程工作。一个项目可以合理地沿这条路径演进，但当前的标签应当与当前的能力相符，而非与计划中的未来状态相符。

为什么加密项目更偏好“智能体”这个标签而非“聊天机器人”？

“智能体”意味着自主性、智能和复杂性——这些特质能吸引关注并支撑代币效用叙事。聊天机器人听起来简单；智能体听起来前沿。许多加密人工智能项目在其技术足以支撑这个标签之前很久，就升级了营销用语。标签本身不是证据——底层的 AI component、用例和 Tier-1 工件才决定真实的类别。

哪种类型最难验证为真实的 AI？

智能体最难验证，因为它们的声明最复杂。验证一个聊天机器人是否使用 LLM 很简单——测试对话并检查 API 日志。验证一个智能体是否自主监控环境、就目标进行推理并执行多步计划，则需要更深入的证据：架构图、执行日志，以及随时间展示自主行为的演示。所声称的自主性越高，证据门槛就越高。

另请参阅

外部参考

Wooldridge, M. "An Introduction to MultiAgent Systems." John Wiley and Sons, 2009. 一本关于智能体架构和自主性级别的奠基性教科书。
Wang, L. et al. "A Survey on Large Language Model based Autonomous Agents." arXiv, 2023. https://arxiv.org/abs/2308.11432
Anthropic. "Building effective agents." 2024. https://www.anthropic.com/research/building-effective-agents
Microsoft. "What is a copilot?" https://learn.microsoft.com/en-us/microsoft-copilot-studio/fundamentals-what-is-copilot-studio
Shavit, Y. et al. "Practices for Governing Agentic AI Systems." OpenAI, 2023. https://cdn.openai.com/papers/practices-for-governing-agentic-ai-systems.pdf