AI Agent能力模型是什么？

AI Agent能力模型，也常写作 agent能力模型，是一套用来描述、评估和建设AI Agent能力的结构化框架。它回答三个问题，这个Agent具备哪些能力，能力处在什么水平，企业凭什么判断它能在真实任务中交付结果。

目前没有一个被普遍采用的统一定义。公开研究和企业实践通常在两个层面使用这个词，一层是能力构成，说明企业级 AI Agent需要哪些能力；另一层是能力等级，说明这些能力成熟到什么程度。本文沿用这个用法，并补上第三层，也就是判断能力所需的证据。中文语境里，智能体能力模型与 AI Agent能力模型经常指同一个对象。

能力模型的价值，在于把演示阶段的印象换成可复核的判断。 单轮问答看回答是否流畅，生产任务看多步执行是否稳定、异常能否处理、成本是否可控。把这些差异提前写进评估口径，选型和验收会容易很多。

AI Agent能力模型是什么

能力模型是一套用来组织能力信息的框架，包含能力清单、等级和证据三类内容。它更像一张地图，把Agent完成任务所需的能力拆开，标出每一块能力的位置、成熟度和验证方法。

能力构成

能力构成回答需要哪些能力。中国信通院在智能体研究中把智能体的能力概括为自主感知、理解、规划、记忆、行动和使用工具。这个划分适合理解单个智能体的基本能力面。

Google Cloud 在2025年11月发布的《Introduction to Agents》白皮书中，把Agent拆成推理模型、工具和编排层三个部分，并强调记忆、规划和行动循环。两套说法用词不同，指向的能力范围相近。

能力等级

能力等级回答做到什么程度。同一个能力域，不同系统的表现可能差很远。以工具调用为例，能查一次天气和能在多个业务系统之间完成采购审批，不在一个层级。

能力证据

能力证据回答凭什么判断。没有证据的分数只是印象。证据可以来自真实任务测试、执行轨迹、人工复核记录、线上运行指标和第三方评估。能力模型只有配上证据，才能用于选型、验收和治理。

图1 能力模型由能力域、能力等级和能力证据三层组成，三者共同支撑评估与选型。

能力模型包含哪些能力维度

把公开定义和企业实践放在一起，可以用六个Agent能力维度描述一个AI Agent。六个能力域的权重取决于任务，企业不需要平均建设。

这六个维度可以对应到不同任务。客服问答更依赖记忆与知识、治理与可靠性；数据分析更依赖工具与执行、记忆与知识、规划与决策；跨部门流程更依赖协作与编排、治理与可靠性。把六个维度平均打分，往往会掩盖真正决定成败的那一项。

如果只想先判断一个系统是不是智能体，可以先看智能体的核心特点，再回到这张表做细分。目标导向、自主规划、工具调用和多步执行，是进入能力讨论的前提。

能力等级如何划分

Google Cloud 在同一份白皮书中给出了五级分类，描述系统从只会推理到能够自我演化的自主程度。

这个分级描述自主程度，不能单独当作采购分数。一个稳定运行在Level 2的客服Agent，可能比一个演示Level 3能力但缺少权限治理的系统更有业务价值。等级要看，任务匹配度、证据强度和治理边界也要看。

企业如何用能力模型做评估

能力模型要落到具体任务上才有判断力。下面五步可以直接用于试点立项、厂商选型和上线验收。AI Agent能力评估的关键，是让每个分数都能追溯到任务和证据。

第一步，先定任务和完成标准

选三到五个高频、可验收的任务，写清输入、输出、完成标准、异常处理和人工接管条件。任务越具体，能力维度越容易打分。例如把“提升客服效率”改写成“处理退款政策咨询，给出可追溯的答案，超出权限时转人工”。

第二步，按任务分配维度权重

不要六个维度平均分。客服问答可以把记忆与知识、治理与可靠性放在前面；数据分析可以把工具与执行、记忆与知识、规划与决策放在前面；跨部门流程可以把协作与编排、治理与可靠性放在前面。

权重由业务风险和任务结构决定。高风险任务提高治理权重，长流程任务提高规划与协作权重，知识密集型任务提高记忆与知识权重。权重表要写清理由，避免评审时变成拍脑袋。

第三步，为每个维度定义证据

证据要能复核。常用的指标包括任务成功率、一次通过率、人工接管率、平均完成时间、单次成功任务成本、审计覆盖率和越权拦截率。指标名称可以按企业口径调整，计算方式要提前写清。

评估时区分三类材料，厂商自述、公开评测和企业自己的真实任务测试。三类材料都有参考价值，证明力不同。选型阶段至少要让候选系统跑一遍企业自己的任务集，具体做法可以参考企业级 AI Agent 平台怎么选。

第四步，用真实任务看执行轨迹

只看最终答案，容易漏掉过程风险。执行轨迹要记录任务如何拆解、调用了哪些工具、哪一步重试、哪里转人工、失败原因是什么。轨迹还能暴露上下文丢失、重复调用、越权操作和成本异常。

运行阶段可以把这些信号接入可观测性指标，把任务成功率、工具成功率、延迟、Token 成本和错误类型放在同一张看板上。能力模型由此从一次性评估表变成持续运营工具。

第五步，把结果写进验收和治理

验收门槛要写进试点协议，包括任务成功率下限、人工接管条件、权限边界、审计要求和版本更新后的复测安排。上线后按季度或版本节点复测，模型、工具、知识和权限发生变化时及时重跑关键任务。

常见评估误区有哪些

把模型参数当成能力上限。 模型决定推理基础，工具、知识、编排和治理同样影响任务结果。参数更大，不代表在具体业务任务上一定更强。

只用公开榜单或单轮问答打分。 公开榜单测的是模型在标准题目上的表现，企业任务还涉及系统连接、权限、异常处理和成本。单轮问答看不出多步执行是否稳定。

维度很多，却没有证据。 一张满分表如果没有测试方法、样本和复核记录，只能算厂商介绍。能力模型的可信度来自证据，不来自维度数量。

一次评估定终身。 模型会升级，工具会变化，知识会过期，权限会调整。上线前的分数不能替代上线后的复测。

忽略治理能力。 Agent能调用业务系统之后，权限、审计、回滚和人工接管就成了能力的一部分。没有这些边界，执行能力越强，风险越大。

ThinkingAI如何落地能力模型

ThinkingAI 的企业级 AI Agent 平台 Agentic Engine 把能力建设放在平台层，企业可以在同一套环境里创建和管理Agent，支持多Agent协作，覆盖从感知到行动的闭环，并支持私有化部署。

在能力维度上，平台提供全域感知、工具连接、多Agent编排、Agent管理和私有化部署等基础能力。企业知识库作为基础设施层，把文档、报表和业务规则加工成Agent可调用的知识，强调统一口径、可追溯和可回滚。这两部分对应能力模型里的记忆与知识、治理与可靠性。

技能沉淀是另一个值得关注的点。把分析流程、指标口径和操作步骤沉淀为可复用的Skill，能减少每次重新提示和反复调试的成本。

外部评估也能提供参考。ThinkingAI 旗下的 Tiki 智能助手在中国信通院的智能体评估中获得4+ 级评价，评估依据《智能体技术要求与评估方法 第9部分：数据分析智能体》，覆盖技术能力、场景能力、服务成熟度共21 个能力项。这类评估把能力模型落到具体场景和具体能力项，比单看参数更有判断价值。

目前 ThinkingAI 已服务全球超过1500 家企业，接入产品超过8000 款。对数据量大、系统多、合规要求高的企业，平台化建设能减少重复造轮子；任务边界不清、数据基础薄弱的企业，仍需先把任务和知识治理做好，再谈能力评分。

常见问题

AI Agent能力模型和成熟度模型有什么区别

能力模型侧重描述能力构成和水平，成熟度模型侧重描述组织或系统所处的阶段。两者可以组合使用，先用能力模型看清短板，再用成熟度模型安排建设顺序。

模型参数越大，Agent能力越强吗

模型参数只解释部分差异。工具连接、企业知识、任务规划、权限治理和运行稳定性都会影响最终结果。选型时要用企业自己的任务测试，不能只看参数或榜单。

中小企业需要建能力模型吗

需要，但可以轻量。用一张表列出三到五个核心任务，选五到六个能力维度，每个维度写两到三条证据，再按季度复测。规模小的时候，重点是把任务、证据和责任人定清楚。

能力模型能直接用来比较不同厂商吗

只有在任务、口径、样本和评分方法一致时才能直接比较。厂商各自发布的分数参考价值有限。更可靠的做法是准备一套企业任务集，让候选系统在相同条件下运行。

没有统一定义，怎么保证评估不跑偏

先采用一个公开框架作为共同语言，再补充企业自己的任务指标和证据要求。把定义、权重、测试方法和复跑条件写进评估文档，评审时按同一份文档执行。不同框架可以并存，前提是口径写清楚。

参考资料

• 中国信息通信研究院董晓飞等，《智能体推动大模型应用普惠向实》，人民邮电报，2024年12月3日。https://www.cnii.com.cn/gxxww/rmydb/202412/t20241203_620284.html
• Google Cloud，《Introduction to Agents》，2025年11月。https://www.kaggle.com/whitepaper-introduction-to-agents
• 资策会数位转型研究院，《AI时代不可不知！AI Agent 架构全解析》，2026年3月5日。https://ideas-dtri.iii.org.tw/%e7%94%a2%e6%a5%ad%e8%b3%87%e8%a8%8a/ai-agent-3/