套壳还是真智能体？媒体技术革新不能蹭概念!

　　能AI问诊、规划旅游路线、撰写文稿、审核内容，便可称之为智能体吗？

　　自“龙虾”走红后，“智能体”迅速成为行业风口，各级主流媒体纷纷入局，争相推出专属智能体产品，掀起一轮落地热潮。

　　但学界与业界专家毫不客气地指出：目前多数媒体推出的智能体，并非真正意义上的智能体，只是大模型简单套壳的营销噱头。

　　热闹表象之下，核心疑问亟待解答：真正的智能体究竟是什么？它又该如何跳出概念炒作，深度赋能主流媒体的内容生产、运营与产业升级？

　　8月17日，传媒茶话会对话北京师范大学新媒体传播研究中心研究员郑琪严、郭庆宽，传播大脑副总经理、首席技术官张健，以及腾讯WorkBuddy生态合作负责人周鹏，共同厘清智能体核心概念，拆解媒体智能化转型的路径。

　　媒体智能体遍地开花，实则多为套壳AI

　　在AI智能体全面爆发的2026年，不只互联网大厂，主流媒体也纷纷布局智能体赛道。

　　它们中，有的聚焦政企合规办公，覆盖文稿撰写、舆情分析、数据统计、政务问答等场景；有的深耕大数据研判，整合地理信息、内容创作、行业分析能力，赋能政务规划与行业调研；还有的瞄准民生刚需，落地AI问诊服务、文旅出行规划等应用场景……

　　多元产品密集亮相，一方面展示了主流媒体积极紧跟前沿技术、赋能生产经营的主动性；另一方面也不禁令人担忧：这些“智能体”究竟是媒体真正的技术升级，还是为了追风头打造的噱头？

　　“目前市面上许多媒体宣称的‘智能体’本质上只是加载了知识库的大模型，仅具备对话功能，缺乏实质性差异，存在蹭概念的嫌疑。”作为一名资深的技术人员，传播大脑副总经理、首席技术官张健一针见血地戳破目前行业内的智能体泡沫。

　　这一观点也得到了北京师范大学新媒体传播研究中心郑琪严、郭庆宽两位研究员的认可。

　　他们认为，不能仅凭App里增加了一个对话窗口，就判断它是智能体。“智能体”一词其实长期面临定义模糊和认知混淆的问题。多数厂商为追逐技术潮流、倚靠市场热点，给自身AI应用或解决方案冠以“Agent”之名，实质上仍停留在大语言模型的聊天界面或简单的工具路由层面，并不一定完全符合智能体的特质。

　　8月10日，北京师范大学新媒体传播研究中心发布《全球智能体商业模式与传播应用报告》，将智能体定义为“一种基于大模型认知内核，具备目标规划、记忆留存、工具调用和自主执行能力，能够在特定或开放数字/物理环境内，以闭环方式自主完成复杂目标导向任务并加以递归学习的软件或软件—硬件一体化实体”。

　　“比较来看，大模型更像一个知识广、会理解、会表达的‘大脑’，主要解决‘回答什么、生成什么’的问题，侧重于‘表达’；智能体则像一名被授权的数字员工，能够围绕目标把任务真正推进下去，侧重于‘执行’。”邓琪严举了个例子，例如，出行助手如果只是根据用户提问生成一份旅游攻略，本质上仍是大模型应用；如果它能读取实时天气和交通信息，结合预算拆解行程，调用地图、票务和日历等工具，在用户授权后完成预订，才具有较完整的智能体特征。

　　张健则打了一个更通俗和形象的比喻，“大模型如同‘诸葛亮’，负责出谋划策、提供思路，但无法直接执行。智能体则是拥有‘关羽、张飞’等执行大将的团队，不仅能思考，还能调动工具完成具体任务(如生成视频、执行操作).也就是说大模型有‘智’无‘体’，智能体既有‘智’又有‘体’(身体/执行端),能调动外部工具 .”

　　从新闻业务生产的流程上来看，大模型和智能体也有本质的区别。

　　郭庆宽用生产一篇数据新闻为例子，从选题策划、内容写作、审核、分发四个环节，将大模型和智能体进行了对比。

　　在选题上，大模型大多只能基于静态训练的数据给出泛泛的方向，但是智能体可以通过主动检索公开数据、社交平台资讯等做到对热点和时效性的敏锐捕捉。

　　而在素材处理上，当大模型还停留在提供代码或清洗思路的层面，记者仍需手动爬取、调试和校验数据时，智能体则直接调用工具自动完成数据抓取和整理，将记者从繁琐的重复劳动中解放出来。

　　审核环节，大模型往往会容易因幻觉而编造数据或扭曲因果关系。而智能体，虽然也有可能会受到幻觉影响，但可以进行多源比对与自我追溯，便于编辑追踪查证。

　　分发环节的对比更为直观，大模型生成的报道内容需要人工适配各个平台，智能体则能一键拆解成适合微博、公众号、客户端等不同调性的内容，并实时回传传播数据，形成迭代闭环。

　　“总的来说，在AIGC模式下，写稿、配图、剪辑等流程通常由不同工具完成，人类编辑需逐段把关拼接。而智能体可以整合策划、采访、写作、编辑、审校等工作流，形成全流程的协作链路。”郭庆宽说道。

　　7月20日晚间，总台《焦点访谈》《经济半小时》两档节目中，记者在报道世界人工智能大会时，都利用了WorkBuddy筛选大会信息，提高效率。记者把150多场论坛的会议信息“喂给”WorkBuddy,它能秒速总结分析会议重点信息，筛选干货内容，生成采访行程安排，并给出报道建议。

　　媒体对智能体存在哪些认知误区？

　　媒体行业追逐前沿科技、赋能生产经营本无可厚非，但对智能体的不准确认知，可能会给媒体的数字化转型带来许多潜在风险。

　　郑琪严告诉传媒茶话会，目前，媒体对智能体的认知主要存在以下四个误区：

　　一是“对话即智能体”。

　　很多媒体把接入了大模型API、能做简单问答的聊天机器人直接等同于智能体，觉得能对话就是智能化了。但实际上，真正的智能体是具备感知环境、自主规划任务、调用工具并执行闭环动作能力的数字实体。把聊天机器人当智能体，就好比把计算器当计算机，在层级上差了不止一个维度。

　　二是“智能体无所不能”。

　　有些媒体对智能体的期待过高，觉得它什么都能干。但现实是，大模型固有的“幻觉”问题至今未能根除，智能体在需要原创洞察、价值判断和人文共情的领域，能力非常有限。

　　三是“数据投喂越多智能体越先进”。

　　不少媒体认为只要把自家历史稿件、资料库一股脑喂给智能体，它就能越来越聪明、越来越懂媒体业务。今年中央广播电视总台3·15晚会集中曝光了GEO平台的数据投毒问题，倘若不加甄别地投喂数据，不仅不会让智能体变强，反而可能让它“Garbage in, garbage out”。

　　四是“智能体时代不需要懂技术”。

　　一些媒体管理者认为，既然有了智能体，采编人员只需要会提问就行了，技术的事交给机器。但不会写提示词、不懂能力边界、不会判断输出结果的可信度，最终只能被动接受机器的答案。技术越发达，对人的技术素养要求反而越高，而不是越低。

　　认知决定思维，思维决定行为，行为决定结果。郑琪严非常担忧，长此以往，这种错误认知不仅不能助力媒体数字化转型，赋能媒体系统性变革，反而会产生不少的副作用。

　　“首先是导致从业人员和用户体验不佳。”郑琪严认为，不能用、不好用的伪智能体对记者编辑来说，只会徒增核查、调试、二次编辑等额外工作量。原本AI赋能的好事反倒会变成变相的加压。对用户也是同样道理，当用户发现AI给出的新闻答案频频出错，最终的结果就是不知道该信任什么，于是什么都不再信任。

　　“其次，是‘换汤不换药’，无法发挥系统性变革的动力。”郑琪严告诉传媒茶话会，智能体的真正价值在于对新闻生产采、写、编、评全链条的深度嵌入。如果媒体单纯把部署一个聊天机器人就当作数字化转型，把主流媒体系统性变革理解为渠道扩张和技术包装，只“搬家”不“融合”、只“换壳”不“转型”，这与当年把报纸内容直接搬到网站上没什么区别，看起来在转型，实际上什么都没变。

　　“最后，当伪智能体大行其是，最终会对媒体公信力产生负面影响。”郑琪严透露，北京师范大学新媒体传播研究中心曾经围绕机器社会资本的结构与功能展开过研究，发现一旦智能体生成的内容掺入虚假信息或出现严重错误，它就并非扮演“社会润滑剂”，反而可能成为信任的破坏者。

　　跳出概念泡沫，智能体如何深度赋能媒体？

　　跳出行业跟风炒作的概念泡沫，抛开流于表面的工具堆砌，真正成熟、具备完整能力的智能体，究竟能从哪些方面为媒体的内容生产和产业经营带来实实在在赋能？

　　“对媒体而言，使用AI不能止步于‘用AIGC做内容’，要跃升至‘整合采编内容、构建传播体系、探索AI营销’的新阶段。智能体的价值，正在于它能贯穿媒体业务的每一个板块。”郭庆宽告诉传媒茶话会，在内容生产方面，智能体将带来效率革命。“智能体将打破传统媒体新闻生产的线性工作流程，记者在撰稿时可与编辑同步测试相同素材下产出长图、视频等效果，后期技术团队甚至能在策划的概念阶段就介入创作。”

　　智能体带来的一个根本变化，是AI应用的生产权正在从IT部门下沉到一线业务人员。“过去一个编辑想改变工作流程，可能要提需求、排期、开发；未来平台把模型、数据和工具能力标准化以后，真正懂业务的人可以直接把自己的方法沉淀成智能体。媒体机构真正要建设的，不只是几个智能体，而是一套让一线能够持续创造智能体的机制。”周鹏补充道。

　　今年世界人工智能大会上，央视新闻推出的“智观”世界人工智能大会以记者第一视角实地探访、沉浸式体验为形式，依托WorkBuddy智能体。

　　总台经济之声使用WorkBuddy,将《财经先锋派》等广播音频节目转化为文图新媒体内容，由编辑对新媒体内容进行把关，制作周期从人工的1天压缩到30分钟。

　　在产业经营方面，周鹏认为，智能体平台正在成为连接模型、数据、工具和人的新型工作入口与生产力基础设施。媒体没有必要重复造轮子——基础模型迭代极快，通用Agent能力也在加速平台化，重资产自研很容易刚做完就落后。但媒体几十年积累的权威内容、采编规则、审核标准和用户关系，是任何通用平台都替代不了的。因此，底座可以借船，核心资产必须自持。媒体想要落地各类业务场景，需要像搭积木一样，通过MCP、Skill等方式把媒体自有数据和外部服务接入智能体，搭建适配自身需求的专属专家智能系统。

　　以文旅场景举例：如果媒体要研发文旅方面的智能体，那么在这个过程中，一方面要依托媒体积累的文旅行业数据；另一方面也需要借助工具调动机票、车票、酒店、天气等各类信息，整合信息生成定制行程，并在用户授权后进一步完成预订等服务。

　　郭庆宽也提醒，在政务服务和舆情监测方面，智能体也有很大的应用空间。

　　“相较于自媒体或其他内容生产者，主流媒体拥有专业的内容库、垂直领域的信息流、强大的政策解读能力，完全可以抢占一些垂类应用的开发先机。”

　　周鹏进一步指出，AIGC主要改变的是媒体生产内容的方式，而智能体有可能改变媒体提供价值的方式。“过去媒体把专业能力封装成一篇文章、一档节目；未来可以把它封装成一个持续服务用户、帮助用户完成任务的智能体。财经媒体可以提供投资研究智能体，地方媒体可以提供城市服务智能体，政策媒体可以帮助企业理解政策、准备材料。这可能比单纯提高写稿效率，对媒体行业的影响更深。”

　　“智能体在舆情监测方面的应用已经相当成熟。当前舆情追踪与检测类智能体基本能够实现24小时在线、高通量、不间断的数字瞭望，从海量信息中自动提取热点趋势和敏感信息。”郭庆宽介绍，以北京师范大学新媒体传播研究中心发布的国内首个新闻传播学垂类大模型应用系统XBL507为例，它具备情感分析、图像分析和内容分析三项核心功能，能够对情感类别、情绪标签、情感强度等维度进行识别输出。

　　“当模型能力越来越趋同时，媒体真正稀缺的资产不是模型，而是权威数据、可信信源、专业判断、审核规则和用户信任。”周鹏认为，媒体AI转型的核心，不只是追求更高的自动化率，而是把这些信任资产变成机器可以调用的能力。“未来媒体AI的竞争，不是谁的模型参数更大，而是谁能建立一套可引用、可验证、可追溯、可负责的智能生产体系。”

　　既然智能体展现出广阔的应用前景，是否意味着各大媒体应当趁热打铁、争相布局？

　　郭庆宽对此持审慎态度：“需求高频、流程标准化程度高、数据基础扎实、产出结果可核验、风险边界清晰，这类场景是当前智能体能够快速落地、取得实效的优选方向。但面对栏目迭代频繁、定制化要求高、播出审核标准严苛的业务场景，市面上通用智能体产品，往往难以适配传媒行业内容生产与合规管控的特殊要求，这也是现阶段行业面临的现实痛点。”

　　这也说明，媒体需要打造适配自身业务的垂类智能体。那么，媒体到底该选择独立研发，还是借力现有平台“借船出海”？落地过程中又需要规避哪些风险？