一句话定义：行动智能（Action Intelligence）指模型把推理结果转成真实的、跨工具跨界面的动作，并在执行后根据反馈继续调整，直到任务办成——而不只是给出一个答案。
从「顾问」到「助理」
打个比方：传统问答式 AI 像坐在电话那头的顾问，你问「这笔报销怎么填」，它讲得头头是道，材料还是你自己一份份传。行动智能更像一位能上手的助理：它在你的授权下打开报销系统，按规则填表、附上发票、发起审批；中途发现金额对不上，它自己回头核对，再把疑点交给你确认。
差别不在「说得对不对」，而在闭环。典型循环是：理解目标 → 拆成子任务 → 调用工具（搜索、读写文件、操作浏览器、调用企业内部接口）→ 观察返回结果 → 判断是否达成 → 没达成就改写计划再来一轮。这个「执行—观察—修正」的循环，是行动智能区别于纯文本生成的核心。
和相邻概念的区别
| 概念 | 产出 | 谁动手 | 出错时 |
|---|---|---|---|
| 聊天机器人 | 文字回复 | 人 | 人自己发现 |
| 检索增强（RAG） | 有依据的回答 | 人 | 换个问法再问 |
| RPA 流程自动化 | 按固定脚本点击 | 机器（照脚本） | 界面一变就卡死 |
| 智能体（Agent） | 能自主跑任务的系统 | 机器 | 重新规划或求助 |
| 行动智能 | 跨工具的可执行动作 | 机器 | 观察结果、重试、交还给人 |
一句话概括：RAG 扩展的是「知道什么」，多模态扩展的是「感知什么」，行动智能扩展的是「做成什么」。它通常建在智能体、工具调用（tool use / function calling）这些能力之上，但强调的不是系统长什么样，而是能力边界已经推到了「能落地执行」。
对从业者和普通人的意义
对做产品的人，设计重心从「怎么把话说漂亮」变成「怎么把事办成」：工具要拆得足够细，权限要最小化，每一步要有可观测的日志，不可逆操作（付款、删除、对外发信）必须留人工确认这一道闸。评估指标也不再只是准确率，而是任务成功率、返工次数、误操作代价。
对普通职场人，价值在于把「点十下鼠标」的重复链路交出去，自己只做判断和验收。同时要对它的能力保持合理预期——它会误解权限、会在模糊指令下走偏、会自信地做错事。所以给它的授权，最好先从小事、可撤销的事试起，跑顺了再放大。
各家厂商在这类能力上的具体边界、开放程度和接入方式差异较大，细节以官方页面为准。