第 3 讲　ChatGPT、智能体、知识库、工作流分别是什么

一聊 AI，各种名词就砸过来：大模型、ChatGPT、Agent 智能体、知识库、RAG、工作流……管理者常被绕晕，甚至因为分不清，被供应商牵着走。这一讲，我用一个”新员工上岗”的比喻，把这几个最核心的概念一次性理清楚，并告诉你它们怎么拼成一个真正能用的企业 AI 应用。

为什么管理者必须分清这几个概念

你可能觉得，这些是技术细节，交给技术团队就行，自己不用懂。

我不这么看。这几个概念，恰恰是管理者必须分清的，原因很现实：

• 供应商跟你谈方案，满嘴”智能体""知识库""工作流”,你分不清，就没法判断他说的靠不靠谱、报价合不合理；
• 团队立项，说要”做个智能体”,你分不清它和”知识库问答”的区别，就可能批了一个过度复杂、根本不需要的项目；
• 你自己规划 AI 战略，分不清哪个概念对应哪类价值，方向就容易飘。

好消息是，你完全不需要懂它们的技术实现。你只需要像看懂一个团队的分工一样，看懂这几个角色各自干什么。这一讲的目标就是这个。

一个统一的比喻：把企业 AI 想象成”招了个新员工来上岗”

我发现，向管理者解释这几个概念，最好的办法是把它们对应到”让一个新员工在你公司上岗干活”这件事上。你会发现，一一对应得严丝合缝。

一个新员工要在你公司真正干好活，需要四样东西：

1. 他得有脑子——会理解、会思考、会表达。
2. 他得懂你公司的情况——知道你的产品、客户、制度。
3. 他得遵守公司的规矩——按既定流程办事，该走的手续一步不少。
4. 遇到复杂任务，他得自己会安排——知道先干啥后干啥、该用哪个工具。

这四样，恰好对应企业 AI 的四个核心组件：

新员工需要	对应的 AI 组件	负责什么
有脑子	通用大模型（ChatGPT 是其中一种）	理解与生成
懂公司情况	企业知识库	提供内部事实
守公司规矩	工作流	规定确定性的步骤
会自己安排	智能体（Agent）	按目标选择步骤和工具

下面我一个一个讲。

一、通用大模型：那个”脑子”

通用大模型，就是第 1 讲讲的那个”博览群书的应届生的脑子”。 它负责最核心的两件事：理解（听懂你要什么）和生成（产出内容）。

ChatGPT 是什么？ChatGPT 是这个脑子的一个”具体产品”。 就像”发动机”是一类东西，而某个品牌型号的发动机是具体产品。市面上有很多这样的产品，能力各有强弱，但都属于”通用大模型”这一类。

这里要纠正管理者一个常见的说法混乱：很多人把”ChatGPT”当成了”AI”的代名词，说”我们要不要用 ChatGPT”，其实想说的是”我们要不要用大模型”。搞清楚这一层：大模型是能力类别，ChatGPT 是这个类别下的一个知名产品。 企业实际用的时候，未必用它，可能用别的模型，甚至用能私有部署的模型（这涉及第 19 讲的选型，这里先不展开）。

关键要记住：这个”脑子”很聪明，但它只有通用知识，对你公司一无所知。 就像一个刚招来的应届生，脑子好使，但你不给他公司资料，他对你的业务两眼一抹黑。这就引出了第二个组件。

二、企业知识库：让脑子”懂你公司”

一个再聪明的新员工，第一天也答不出”我们 A 产品的保修政策是几年”——因为这是你公司内部的信息，他脑子里没有。你得给他一套内部资料去学、去查。

企业知识库，就是喂给这个脑子的”公司内部资料库”。 它装的是你公司特有的事实：产品参数、规章制度、历史案例、客户信息等等。

它的作用，是解决大模型两个致命短板：

• 不懂内部事实：接上知识库，AI 就能回答公司内部的问题了。
• 爱编造（幻觉）：让 AI 基于知识库里的真实资料来回答，而不是凭空生成，它就不容易胡说，而且能告诉你”这个答案来自哪份文件”——有了出处（回应第 1 讲说的搜索引擎有出处、大模型没出处的问题）。

这套”让大模型基于企业资料来回答”的技术，业内叫 RAG（检索增强生成）。你不用记这个英文，只需要理解它干的事：先从知识库里检索出相关资料，再让大模型基于这些资料生成回答。 就像新员工回答问题前，先翻一下公司手册，而不是凭记忆瞎说。

“大模型 + 知识库”,是目前企业 AI 最基础、最常见的组合。 大多数企业的第一个 AI 应用（企业知识问答）就是这个组合。但要注意，光有这个组合，坑很多——为什么很多知识库做完没人用，是第 8 讲整讲要讲的；知识库到底该怎么建，是第 13 讲。这里先知道它是”给脑子配的公司资料”就够了。

三、工作流：让脑子”守规矩”

新员工光有脑子、懂情况还不够。有些事，你不能让他”自由发挥”,必须按公司定死的步骤来。

比如报销：必须先审核发票 → 再核对预算 → 超过 5000 走总监审批 → 然后财务打款。这个顺序、这些条件，一步都不能乱、不能跳。这种确定性的、不容变通的业务步骤，就是工作流。

工作流，就是那套”写死的、必须照着走的流程”。 它的特点是确定、可靠、可控——只要设定好，它永远按规矩执行，不会”灵机一动”乱来。

这里有个管理者特别容易犯的错误，我要重点提醒：不要把该用工作流的事，交给大模型去”发挥”。

大模型的特点是灵活、会变通，但也正因为灵活，它不适合处理”必须精确、必须照规矩”的事。报销审批该走几级、金额超没超标，这是确定性的规则，交给工作流，它永远不出错；交给大模型，它偶尔会”通融”一下，那就出事了。

记住这个分工：模糊的、需要理解判断的事，交给大模型；确定的、必须照规矩的事，交给工作流。 这个分工极其重要，是第 12 讲整讲的主题。这里先建立概念。

四、智能体（Agent）：会”自己安排”的高级员工

前面三个组件——脑子、资料、流程——组合起来，已经能做很多事了。但它们有个共同点：基本是”你让它干一步，它干一步”。 你问一句，它答一句；你触发一个流程，它走一遍。

智能体（Agent）是更进一步的东西。它像一个能独当一面的高级员工：你给他一个目标，他自己会拆解成步骤、自己决定用哪些工具、一步步把事情做完。

举个对比就清楚了：

• 普通助手（非 Agent）：你说”查一下 A 客户的订单”,它查给你；你再说”根据这些订单写个续约方案”,它写给你。每一步都要你推着走。
• 智能体（Agent）：你说”帮我准备 A 客户的续约”,它自己就会：先去查这个客户的历史订单 → 再查合同到期时间 → 检索适用的续约政策 → 生成方案 → 甚至提交给你审批。中间这些步骤，是它自己安排的，不用你一步步指挥。

智能体的核心能力，是**“根据目标，自主选择步骤和调用工具”**。所谓工具，就是第 1 讲说的第五项能力——它能去查数据库、调接口、发起流程。一个智能体能调用的工具越多、越强，它能干的活就越复杂。

听起来很厉害，但我要给管理者泼一盆冷水：不要一听”智能体”就觉得高级、就都想上。 智能体因为要”自主决策”,复杂度、风险、失控的可能性都比前面几种高得多——它自己安排步骤，就意味着它可能安排错、执行错。企业到底什么时候真正需要 Agent、什么时候一个简单的”大模型+知识库”就够了，是第 14 讲整讲要讲的。这里你只需要记住：Agent 是”会自己安排的高级员工”,能力强，但不是所有活儿都需要它，很多时候用它是过度设计。

四者如何拼成一个企业 AI 应用

现在把四个角色合起来，看一个真实场景是怎么协作的。还用”销售续约”这个例子（贯穿整个课程的例子之一）：

销售对系统说：“帮我给 A 客户准备续约方案。”

1. 大模型（脑子） 听懂了这句话的意图——要给某个客户做续约。
2. 智能体（安排） 把这个目标拆成几步：查客户历史、查合同到期、找续约政策、生成方案。
3. 执行”查客户历史”这步时，它调用工具去业务系统里取数据；执行”找续约政策”这步时，它去 知识库（公司资料） 里检索相关制度。
4. 生成好方案后，进入 工作流（规矩）：这份方案要走”销售主管审批→……”的既定流程，该谁批就流转给谁。
5. 全程，大模型负责把每一步的信息理解、串联、表达成人话。

你看，脑子、资料、规矩、安排，四个角色各司其职，拼成一个完整的应用。 缺了脑子，它听不懂；缺了资料，它不懂你公司；缺了规矩，它会乱来；缺了安排（对简单任务），你就得自己一步步指挥。

这也解释了为什么第 1 讲说”光买个模型解决不了问题”——你只买了个”脑子”,没配资料、没定规矩、没接工具，它当然干不了活。

给管理者的行动建议

• 用”新员工”比喻去听供应商方案。 听他讲方案时，在心里对号入座：这部分是脑子、这部分是公司资料、这部分是规矩、这部分是自主安排。对不上号、含糊其辞的地方，就是要追问的地方。
• 警惕”什么都上智能体”的方案。 如果一个简单的问答或固定流程需求，供应商给你上一套复杂的多智能体方案，多半是过度设计（或想多收钱）。先问：“这个需求，用大模型+知识库+工作流够不够？”
• 分清”能力”和”产品”。 内部讨论时，把”要不要用 ChatGPT”这类说法，校准成”我们需要什么能力、用哪个组件”。概念清晰了，决策才清晰。

小结与下一讲

这一讲，我们用”新员工上岗”把四个核心概念理清了：大模型是脑子（ChatGPT 是它的一个产品），知识库是公司资料，工作流是规矩，智能体是会自己安排的高级员工。它们各司其职，拼成企业 AI 应用。

理清了”有哪些组件”,下一讲我们回到一个更根本的问题上，把它讲透：这个聪明的”脑子”,到底能做什么、不能做什么？ 哪些事可以放心交给它，哪些事交给它就是灾难？这条能力的边界，是你后面所有 AI 决策的安全线。