前面九讲，你打交道的都是"会聊天的 AI"：你问，它答。但你可能听过一个词——agent（智能体），说是能自己查资料、跑代码、连着干好几步活。它跟普通聊天到底差在哪？这一讲把 agent 讲明白，也顺带给后面四讲（OpenClaw、Hermes、Claude Code、Codex）打个底——它们都是 agent 工具。
模型是大脑，工具链是手脚
讲义里有句话点得很透：
模型是"大脑"，工具链让 AI 具备文件、代码、记忆、执行和自动化能力。
普通的聊天 AI，只有一个"大脑"——它很会想、很会说，但手脚被绑着：不能真去读你的文件，不能真跑一段代码，聊完就忘。agent 就是给这个大脑接上手脚和记忆，让它不光能想，还能真动手把事办了。一句话：聊天 AI 给你答案，agent 直接给你结果。
聊天机器人 vs 智能体
同样问"帮我分析下这个月的销售数据"，两者的差别一目了然：
| 普通聊天 AI 只有大脑，靠你喂、靠你跑 | agent 智能体 有手有脚有记忆，自己跑完 |
|---|---|
| 你得把数据复制粘贴进去 | 自己读取数据文件 |
| 它给你一段分析文字 | 调用工具算好、画成图 |
| 要图表？你自己另做 | 直接产出一份带图的报告 |
| 聊完关掉，下次从零开始 | 记得你的偏好，越用越顺 |
核心区别就一点：聊天 AI 停在"说"，agent 能走到"做"。
agent 的四样本事
一个模型要从"会聊"升级成"能干"，靠的是接上这四类能力：
一 工具调用 —— 会用外部家伙
联网搜索、跑代码、读写文件、查数据库、调 API。缺哪样本事，就接哪个工具，能力随时扩。
二 任务规划 —— 会自己拆步骤
你给个大目标，它自己拆成一步步：先干啥、再干啥。不用你手把手喂每一步。
三 记忆管理 —— 记得住上下文
短期记住当前这轮在聊什么，长期记住你的偏好和重要信息。越用越懂你，不是每次归零。
四 行动执行 —— 真能落地办事
不只是给建议，而是真去执行：跑命令、改文件、发通知，然后把结果拿给你看。
agent 干活的循环
agent 办一件事，不是一问一答就完，而是转一个循环，直到把目标达成：
理解目标 → 拆解规划 → 调用工具执行 → 观察结果 → 没完成就再来一轮
- 理解目标——搞清你到底要什么。
- 拆解规划——把大目标拆成可执行的小步骤。
- 调用工具执行——挑合适的工具，一步步做。
- 观察结果——看这步成没成，离目标近了没。
- 循环——没达成就带着新情况再规划、再执行，直到搞定。
这个"想—做—看—再想"的闭环，就是 agent 比聊天 AI 强的地方——它能自己纠错、自己推进，而不是等你一句句指挥。
后面四讲的主角
agent 的概念落到具体软件上，就是各家做出来的 agent 工具。本课挑了四款最值得普通人认识的，讲义里也点了名——按你的目的对号入座：
| 想深度定制自己的智能体 | 看 OpenClaw（第 11 讲） |
| 想搭知识助手和资料工作台 | 看 Hermes（第 12 讲） |
| 想本地开发提效 | 看 Claude Code（第 13 讲） |
| 想让 AI 执行复杂开发任务 | 看 Codex（第 14 讲） |
它们大体分两类：OpenClaw、Hermes 是开源框架/平台，你能自己部署、深度改；Claude Code、Codex 是大厂官方出品，开箱即用、更省心。记住一句话就行：
没有最强的工具，只有最适合你当前任务和工作流的工具。
模型让 AI 会思考，工具链让 AI 能做事。会聊天是起点，能干活才是 agent 的价值。