智能体定义

什么是 AI 智能体？

AI 智能体（Agent）是一种自主软件实体，能够感知所处环境、做出决策并采取行动以实现特定目标。与遵循预定指令的传统软件程序不同，AI 智能体通过以下特质呈现出智能行为：

自主性：无需人类持续干预，独立运行
反应性：能响应环境中的变化
主动性：主动采取行动以实现目标
社会性：能与其他智能体及人类进行交互

核心特征

1. 目标导向行为

AI 智能体围绕特定目标而设计，通过一系列决策与行动持续推进，直至目标达成。

2. 环境感知能力

智能体能够感知并理解其运行环境，涵盖数字数据、物理传感器或用户交互等各类形式。

3. 决策能力

借助多种 AI 技术（LLM、机器学习、规则系统），智能体可以对下一步行动做出合理判断。

4. 学习与适应

现代 AI 智能体能从经验中学习，并持续调整自身行为以提升长期表现。

智能体架构组件

典型的 AI 智能体架构包含以下模块： - 感知模块：处理来自环境的输入 - 决策引擎：确定应采取的行动 - 执行模块：在环境中执行决策 - 记忆系统：存储经验与知识 - 学习组件：持续提升整体表现

OpenAI 定义（实践指南，2024）

"智能体是能够代表你独立完成任务的系统。"

OpenAI 面向生产环境的定义，进一步给出了两项具体特征，用以区分真正的智能体与普通 LLM 驱动的应用：

由 LLM 控制工作流：智能体使用 LLM 管理执行过程并做出决策。它能识别工作流何时已完成，可主动纠正自身行为，并在发生错误时暂停执行、将控制权交还给用户。
在护栏约束下动态选择工具：智能体可访问与外部系统交互的工具（包括数据检索和执行操作），并根据工作流当前状态动态选用合适的工具，始终在预定义的护栏（guardrails）范围内运行。

那些集成了 LLM 但并未让其控制工作流执行的应用——如简单聊天机器人、单轮 LLM 调用、情感分类器——在此定义下不属于智能体。

Chat-Engine 与 Do-Engine（You.com，2026）

You.com 在其 2026 AI 预测白皮书中提出了一种实用框架，明确区分了对话式 AI 与智能体 AI（Agentic AI）：

Chat-Engine（对话引擎）：供人类交谈的系统——提供答案、摘要或建议，但所有行动的执行者仍是人类本身。
Do-Engine（执行引擎）：能够端到端自主完成任务的系统——负责规划、选择工具、执行步骤并交付结果，无需人类逐步编排。

这一框架预示着 AI 系统构建方式与价值评估标准将发生根本性转变：Chat-Engine 的效用受制于人类自身的处理带宽，而 Do-Engine 的效用随任务复杂度的提升而扩展。那些集成了 LLM 却未将执行控制权下放的应用，在此定义下仍属 Chat-Engine——预计在 2026 年，Do-Engine 架构将在企业级价值上全面超越前者。

AI Engineering 的智能体定义（Huyen, 2025）

Chip Huyen 的《AI Engineering》（O'Reilly, 2025）从第一性原理给出了一个基础性定义：

"An agent is anything that can perceive its environment and act upon that environment."（智能体是任何能够感知其环境并对该环境施加行动的事物。）

智能体由两个维度刻画： 1. 环境（Environment）：智能体所处的空间——一局游戏、互联网、一份代码库、一间厨房、一套道路系统。 2. 动作集合（Set of actions）：智能体能做什么——由它可访问的工具加以扩展。

环境决定了可能的动作，而智能体的工具清单则限定了它实际能操作的环境。一个唯一工具是文件编辑的编码智能体，就被局限在文件系统这一环境之中。

AI 智能体特别之处在于：它以基础模型（foundation model）作为「大脑」——处理任务、推理该做什么、规划一连串动作，并判断任务何时完成。它与简单的 LLM 应用的关键区别在于，模型掌控执行流程，而不仅仅是生成单条回复。

智能体在实践中的组成部分（出自第 6 章）： - 规划（Planning）：把目标拆解为可达成的子步骤；决定下一步调用哪个工具。 - 工具（Tools）：读取类动作（搜索、检索、SQL 查询）与写入类动作（发邮件、写数据库、调用 API）。 - 记忆（Memory）：短期记忆（在上下文内）、情景记忆（会话历史）、语义记忆（向量检索）、程序性记忆（系统提示词／习得行为）。

智能体的三大主要失效模式是：耗时过长（无限循环）、出错过多（误差累积），以及成本过高（工具使用失控）。