一句话核心区别(先记住这个)
👉 AI Service = 一个“能力函数”
👉 AI Agent = 一个“会思考+会调用其他能力的执行体”
一、AI Services 是什么(本质)
来自官方定义:
👉 AI Service = 用接口封装LLM能力,让你像调用普通Service一样用AI
✔ 本质理解
它就是:
interface AiService {
String chat(String input);
}➡️ 本质 = “LLM调用的抽象层”
✔ 它解决什么问题
文档里说得很清楚:
帮你处理 prompt 拼装
帮你解析输出
帮你接入 memory / tools / RAG
👉 你不用写:
ChatRequest → 拼prompt → 调模型 → parse结果👉 直接:
aiService.chat("xxx")✔ AI Service 的特点
✔ 使用场景(非常重要)
👉 适合:“一个动作 = 一次AI调用”
比如:
1️⃣ 企业后台AI助手(你正在做的)
页面解释
表单自动填写
SQL生成
用户问题回答
👉 每个能力 = 一个 AI Service
2️⃣ RAG问答
qaService.ask(question)3️⃣ 内容生成
emailService.generate()
summaryService.summarize()4️⃣ AI判断逻辑
文档特别提到:
返回 boolean → if判断
返回 enum → 路由分支
👉 这是你做“智能导航助手”的核心!
✔ 总结一句话
👉 AI Service = LLM能力模块(工具函数级别)
二、AI Agents 是什么(本质)
官方描述:
👉 Agent = 用LLM来“组织任务、调用工具、决策流程”的系统
✔ 本质理解
Agent ≠ 一个调用
👉 而是:
思考 → 决策 → 调用工具/AI → 再思考 → ...👉 本质 = “带执行流程的AI系统”
✔ Agent 的能力(核心)
文档总结得很好:
管理任务流程
调用多个AI/工具
维护上下文
决策下一步做什么
✔ Agent 的三种典型形态
1️⃣ Workflow(工作流型)
👉 固定流程
A → B → C例子(官方):
写故事 → 修改 → 调整风格
2️⃣ Parallel(并行)
👉 多个Agent同时执行
电影推荐 + 食物推荐 → 合并3️⃣ Supervisor(真正Agent)
👉 最关键!!!
用户请求 → Agent自己决定:
用哪个子Agent?
执行几步?
是否结束?👉 这才是“AI代理”
✔ Agent 特有能力
✔ 关键概念(你必须理解)
🔥 1. subAgents(子Agent)
一个Agent调用另一个Agent🔥 2. outputKey(共享变量)
👉 Agent之间传递数据
🔥 3. Supervisor(核心)
👉 AI自己决定:
调哪个Agent
顺序是什么
🔥 4. Tool(工具)
Agent可以:
调API
查数据库
执行业务逻辑
✔ 使用场景(非常关键)
👉 适合:“复杂任务,需要多步骤+决策”
1️⃣ 企业AI助手(高级版)
你现在的思路可以升级成:
用户:帮我处理订单异常
Agent:
1. 判断问题类型
2. 查询订单
3. 判断异常原因
4. 给解决方案
5. 自动跳转页面👉 这就是 Agent
2️⃣ 自动化运营系统
自动分析数据
自动生成报告
自动执行操作
3️⃣ AI工作流系统
审批流
客服流程
数据处理 pipeline
4️⃣ 多系统联动
ERP + CRM + BI
👉 Agent做调度
三、AI Service vs Agent(核心对比)
四、它们的关系(重点!!!)
👉 Agent = AI Service 的“进化版 + 组合体”
文档也说了:
👉 Agent 本质上就是 AI Service,但可以组合成系统
✔ 正确架构(非常关键)
AI Service(基础能力层)
↓
Agent(编排层)
↓
你的业务系统✔ 类比理解(非常好记)
五、落地建议
✔ 第一阶段
👉 用 AI Service
做这些:
页面解释助手
表单填写助手
操作推荐(你说的链路)
👉 这是最稳的
✔ 第二阶段
👉 引入 Agent
做:
多步骤操作(跨页面)
自动流程执行
AI决策导航
✔ 最终形态
👉 Agent + AI Service
Agent(大脑)
↓
AI Service(技能)
↓
系统功能