事件驱动智能体（Event-Driven Agent）指的是：不等人类开口，而是被外部事件唤醒、自己判断要不要干活、干完再回去待命的 AI 智能体。
打个比方。聊天机器人像坐在前台等你按铃的接待员；定时任务像每天早上九点准时响的闹钟；事件驱动智能体更像值夜班的保安——系统收到一封新邮件、一张新工单、一条支付失败告警，它就被"叫醒"，看一眼情况，决定是直接处理、叫人确认，还是判断"跟我无关"继续睡。
技术上它由几块拼起来：事件源（邮箱、IM、工单系统、消息队列、Webhook）、触发器（这条事件要不要唤醒我）、上下文装载（把相关历史、文档、可用工具交给模型）、决策与执行（调工具、发消息、改状态）、结束条件（做完即休眠，不空转）。模型在这里的角色是"判断 + 计划 + 调工具"，而不是生成一段文字就完事。
容易混淆的几个邻居：
| 概念 | 唤醒方式 | 谁决定做什么 | 典型场景 |
|---|---|---|---|
| 对话式智能体 | 人发消息 | 人 | 问答、编码助手 |
| 定时任务（Cron） | 时间到 | 事先写死的脚本 | 日报、备份 |
| 工作流引擎 | 流程节点 | 人预先画好的图 | 审批流、数据同步 |
| 事件驱动智能体 | 外部事件 | 模型当场判断 | 客服分诊、告警处置 |
和定时任务最大的区别是：触发条件由内容决定，而不是由钟表决定。和工作流的区别是：执行路径可以现场生成，不必事先把每条分支画完。
真正落地时，难点往往不在模型，而在工程细节：同一封邮件被重复推送怎么办（幂等与去重）、事件量爆炸会不会烧钱（限流与优先级）、它有没有权限直接退款（权限边界与人工确认）、出了事怎么复盘（日志与可观测性）。这些通常要按各平台自己的能力来设计，具体接口和限额以官方页面为准。
对从业者，它的价值是把 AI 从"你问我答"变成"常驻的同事"，人的角色从触发者转为审核者。对普通职场人，你会越来越多遇到"我还没开口，它已经把初稿放在桌上了"的工具——这时真正要想清楚的是：哪些事可以放它自己做完，哪些必须等你点一下头。