让 AI 根据一段说明生成文章，与让 AI 查找资料、整理内容、生成文档并保存到指定位置，看起来只是需求变长了，实际涉及的技术却不相同。前一种任务主要关注内容能否生成，后一种任务还要考虑信息从哪里获取、工具如何调用、过程是否出错，以及结果是否真正交付。从 IT 应用开发的角度看，理解 AIGC 与 Agent，不能只停留在“一个负责创作，一个负责执行”的概括上。更有价值的问题是：哪些工作适合交给模型，哪些环节应当由程序控制，模型生成的结果又该如何进入现有软件系统。这也是讨论两者的实际意义：不围绕某个行业展开，而是从内容生成、知识检索、工具调用、流程编排和工程管理等通用能力出发，理解它们如何组成实际可用的 AI 应用。AIGC 与 Agent，不是两种互相替代的技术AIGC，即人工智能生成内容，强调利用生成式模型产生文本、图片、音频、视频或代码。它对应的是一类内容生产能力，而不是某一种聊天软件，也不只意味着“输入一句话，得到一张图片”。生成摘要、改写说明、补全代码、合成语音，都可以属于 AIGC 的应用范围。Agent 通常译为“智能体”。本文讨论的是以大模型为核心的软件智能体：系统围绕目标读取信息，决定下一步动作，调用工具，并根据工具返回的结果继续处理。可以采用一种便于应用设计的区分方式：工作流主要按照预先定义的路径运行，Agent 则允许模型在一定范围内动态决定处理路径与工具使用。不同产品对 Agent 的命名并不完全一致，判断时更应关注系统实际如何工作。因此，两者并不处于同一个分类层级。AIGC 更关注内容如何产生，