跳转至

概念

本节提供理解智能体 AI 系统所必需的基础定义、术语与概念框架，涵盖智能体定义、类型及关键参考资料，为本知识库后续进阶主题奠定基础。

智能体定义

综合图示：AI 智能体的核心组件与关键特征 综合图示：AI 智能体的核心组件与关键特征

AI 智能体（agent）是一种自主系统，能够感知所处环境、做出决策，并采取行动以实现特定目标。其核心特征包括：

  • 自主性：无需人类持续干预即可独立运行
  • 反应性：能够响应环境变化
  • 主动性：主动采取行动以达成目标
  • 社交能力：与其他智能体及人类进行交互
  • 学习能力：根据经验调整行为

核心定义与参考资料

智能体类型

不同智能体类型及其特征的对比图，展示了 AI Agents 与智能体 AI 方法之间的区别 不同智能体类型及其特征的对比图，展示了 AI Agents 与智能体 AI 方法之间的区别

按功能分类

反应式智能体（Reactive Agents）

  • 响应即时的环境刺激
  • 无内部状态或记忆
  • 简单的刺激-响应行为
  • 示例：基础聊天机器人、简单自动化脚本

慎思式智能体（Deliberative Agents）

  • 维护世界的内部模型
  • 基于目标与信念规划行动
  • 通过推理进行决策
  • 示例：战略规划智能体、复杂问题求解器

混合式智能体（Hybrid Agents）

  • 结合反应式与慎思式两种方法
  • 对紧急情况快速作出反应
  • 对复杂任务进行慎思规划
  • 示例：自动驾驶车辆、高级个人助理

学习型智能体（Learning Agents）

  • 根据经验调整行为
  • 随时间推移持续提升性能
  • 运用多种学习算法
  • 示例：推荐系统、自适应游戏 AI

按架构分类

单智能体系统（Single-Agent Systems）

  • 单个自主智能体独立运行
  • 适合定义明确、边界清晰的任务
  • 设计与调试相对简单
  • 示例：个人助理、文档处理器

多智能体系统（Multi-Agent Systems）

  • 多个智能体协同工作
  • 需要协调与通信协议
  • 分布式问题求解
  • 示例：供应链管理、分布式计算

层级式智能体（Hierarchical Agents）

  • 智能体按层级结构组织
  • 高层智能体协调低层智能体
  • 具有清晰的指挥与控制结构
  • 示例：组织管理系统、军事指挥系统

按领域分类

对话式智能体（Conversational Agents）

  • 自然语言交互
  • 上下文理解与维护
  • 示例：ChatGPT、Claude、客服机器人

任务自动化智能体（Task Automation Agents）

  • 执行特定任务
  • 流程自动化与优化
  • 示例：RPA 机器人、工作流自动化

研究与分析智能体（Research and Analysis Agents）

  • 信息收集与综合
  • 数据分析与洞察生成
  • 示例：研究助理、市场分析工具

创意智能体（Creative Agents）

  • 内容生成与创意任务
  • 艺术与设计能力
  • 示例：图像生成器、写作助理、音乐创作工具

代码生成智能体（Code Generation Agents）

  • 软件开发辅助
  • 代码分析与优化
  • 示例：GitHub Copilot、编程助手

基础概念

智能体 AI 与传统 AI 的对比

  • 传统 AI：基于规则、确定性响应
  • 智能体 AI：自主决策、目标导向行为
  • 核心差异：在问题求解中的能动性与自主性

智能体环境

  • 完全可观测 vs 部分可观测：对环境信息的可见程度
  • 确定性 vs 随机性：结果的可预测程度
  • 静态 vs 动态：环境变化的速率
  • 离散 vs 连续：状态空间与动作空间的性质

智能体能力

  • 感知（Perception）：感应并解读环境数据
  • 推理（Reasoning）：处理信息以做出决策
  • 行动（Action）：在环境中执行决策
  • 学习（Learning）：通过经验提升性能
  • 通信（Communication）：与其他智能体及人类交互

性能衡量指标

  • 有效性（Effectiveness）：实现预期结果的能力
  • 效率（Efficiency）：资源利用的优化程度
  • 鲁棒性（Robustness）：处理意外情况的能力
  • 可扩展性（Scalability）：负载增大时的性能表现
  • 适应性（Adaptability）：学习与演化能力

术语表

  • 智能体（Agent）：能够感知、推理并采取行动的自主实体
  • 环境（Environment）：智能体所处的运行上下文
  • 执行器（Actuator）：使智能体能够执行动作的组件
  • 传感器（Sensor）：使智能体能够感知环境的组件
  • 目标（Goal）：智能体希望达成的期望结果或状态
  • 策略（Policy）：管控智能体行为的方针或规则集
  • 状态（State）：智能体或环境当前的条件或配置
  • 动作（Action）：智能体可执行的具体操作
  • 奖励（Reward）：表示动作质量的反馈信号
  • 学习（Learning）：通过经验提升性能的过程

参考资料

  1. Artificial Intelligence: A Modern Approach (UC Berkeley Book)：AI 基础知识的权威学术教材

  2. Agentic AI Playbook by Government Technology Agency Singapore：新加坡政府技术局对智能体 AI 实施的政府视角指南

后续步骤

理解上述基础概念后，建议进一步探索：

参见