AI智能体（一）：先容

tayun

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点先容国外的新技术、新观点、新风向。

编者按：2025年是AI智能体元年。本系列文章旨在先容AI智能体的概念、类型、原理、架构、开发等，为进一步了解AI智能体提供入门常识。本文为系列文章的第一篇，文章来自编译。

大语言模型（LLM）的出现让人工智能有了巨大飞跃。这些强大系统革新了自然语言处理，但其真正潜力在于与“智能体能力”（自主推理、规划和行动）的结合。这正是LLM智能体的用武之地，标志着大家与AI交互以及利用AI的方式出现了范式转变。

AI智能体技术栈

本文旨在全面解析AI智能体，探讨其特性、组成与类型，并分析其发展历程、挑战及未来方向。

大家先了解从LLM到AI智能体的演进之路。

1. 从LLM到AI智能体

LLM应用形态的演变是现代应用的最快发展之一。

1.1 从传统聊天机器人到LLM驱动的聊天机器人

聊天机器人并非新事物，在生成式AI（gen AI）概念出现前，你可能已经跟网上的聊天机器人互动过了。

前生成式AI时代的传统聊天机器人与当今AI驱动的对话智能体有本质区别，那种机器人一般是这样子的：

基于规则的响应：

• 传统聊天机器人依赖基于规则的逻辑（“if-then”语句）。
  
• 仅能处理预定义规则，无法应对复杂或模糊的查询。
  

固定回复：

• 回复为静态且预先设定的。
  
• 通过检测特定关键词或短语触发。
  
• 缺乏灵活性和对话深度。
  

人工接管：

• 搞不定的查询会提供一个“转人工”按钮。
  
• 复杂问题仍需人工干预。
  

1.2 LLM驱动的聊天机器人的诞生

ChatGPT的发布：2022年11月30日，OpenAI推出基于GPT-3.5的ChatGPT，成为首个主流LLM应用。

ChatGPT沿用了传统的聊天界面，但背后是经海量互联网语料训练而成的先进LLM技术。

Transformer架构：GPT（Generative Pre-trained Transformer）的基础是GOOGLE2017年提出的Transformer架构。

其通过自注意力机制分析输入序列，深入理解上下文。

LLM的能力：与传统聊天机器人不同，LLM能生成类人的、上下文相关且新颖的文本。

用例包括代码生成、内容创作、客户服务增强等。

局限性：

• 个性化：难以在长对话中保持一致的个性化互动。
  
• 幻觉问题：可能会生成事实错误但逻辑通顺的回复，因输出依赖概率而非验证过的常识。
  

应对措施：

• 探索检索增强生成（RAG）等技术，让输出基于可靠的外部数据。
  
• 这些进展旨在减少错误并提升LLM系统的健壮性。
  

1.3 从LLM聊天机器人到RAG聊天机器人与AI智能体

RAG聊天机器人：检索增强生成（RAG）将外部数据检索与LLM能力结合，生成准确且情境化的回复。

常识来源：

• 非参数化常识：从互联网或专有数据库等外部来源检索到的实时数据。
  
• 参数化常识：LLM训练中内嵌的常识。
  

优点：减少幻觉、提供最新信息并确保可验证的回复。

提示工程：通过上下文学习（单样本、少样本）、思维链（CoT）和ReAct（推理+行动）等技术，引导LLM推理与输出生成，提升回复质量。

AI智能体：AI智能体由配备了工具、多步规划与推理能力的LLM演进而来。

工具使用：LLM可通过结构化模式（如JSON）分析任务并分配参数，调用编程定义好的函数或API。

环境：AI智能体在迭代实行环境中运行，支撑基于反馈的动态决策与持续适配。

智能体系统：由自主智能体组成的计算架构，可整合多系统组件、做出决策并实现目标。

智能体式RAG：

• 将LLM的推理、工具使用和规划能力与语义信息检索结合。
  
• 构建动态系统，可分解任务、实行复杂查询并利用工具解决问题。
  

从LLM聊天机器人到RAG聊天机器人再到AI智能体的转型，标志着向更智能、自适应且集成工具的系统转变，这样的系统能实时解决复杂问题。

2. 什么是AI智能体？

AI智能体是通过传感器感知环境、处理信息，并通过实行器作用于环境以实现特定目标的系统。可将其视为能观察、思考与行动的数字实体，跟人类与环境的互动类似，不同的是以编程化和目标驱动的方式进行。

AI智能体的概念基于理性行为：智能体应采取实现目标可能性最大的行动。这种理性是AI智能体有别于简单的响应程序的核心特征。

2.1 AI智能体的特性

AI智能体具备以下关键特性：

<ol>

自主性：无需人类干预，独立决策。

发射性与主动性：响应环境变化并主动采取措施实现目标。

适应性：通过处理新信息与经验进行学习与进化。

目标导向：以实现预定义目标或优化结果为方向。

交互性：与其他智能体或人类沟通协作。

持续性：持续运行，监控并响应动态环境。
</ol>
3. AI智能体的核心组件

AI智能体的核心组件包括：

<ol>

感知

推理

行动

常识库

学习

通信接口
</ol>

3.1 感知（传感器）

传感器令智能体感知环境，包括物理传感器（摄像头、麦克风）或数字输入（数据流、用户交互）。

3.2 推理（处理器）

智能体的“大脑”，处理传感器信息并决定适当行动。

该组件实现智能体的决策算法并维护必要的内部状态。

AI智能体利用基于规则的系统、专家系统和神经网络等决策机制，做出明智决策并高效实行任务。

3.3 行动（实行器）

智能体影响环境或采取行动的手段。

可能是物理实行器（机械臂、扬声器）或数字实行器（数据库更新、显示输出）。

3.4 常识库

智能体用于决策的信息库，包含预编程常识与学习获得的信息。

3.5 学习

使智能体通过数据与经验学习，随时间提升性能。

利用强化学习、监督学习与无监督学习等技术持续优化智能体表现。

3.6 通信接口

让智能体可以与其他智能体、系统或人类交互。

在更大环境下的智能体

下文将详述各组件及智能体的运作方式。

4. AI智能体如何与环境交互

交互周期通常叫做“感知-规划-行动”循环。下面以自动驾驶汽车为例解析各阶段：

4.1 感知阶段

智能体的“感知”阶段可看作：

传感器 → 处理 → 状态更新

• 智能体通过传感器接收输入
  
• 信息被处理与解析
  
• 基于新信息更新当前状态
  

4.2 决策阶段

智能体的“思考”阶段：

当前状态 + 目标 → 评估选项 → 选择最优行动

• 智能体评估可能的行动
  
• 权衡目标与约束
  
• 基于可用信息选择最优行动
  

4.3 行动阶段

智能体的“实行”阶段：

实行行动 → 观察变化 → 启动新循环

• 通过实行器实行选定行动
  
• 环境因此改变
  
• 智能体通过传感器观察结果，启动新循环
  

该循环持续重复，每秒可能实行多次。其强大之处在于：

<ol>

适应性：若发生意外，智能体可在下一个感知阶段检测出来并调整行动。

学习机会：智能体可对比预测结果与实际结果，优化未来决策。

目标导向行为：每一循环均推动智能体在约束下趋近目标。
</ol>
为了从编程的角度去理解，以恒温器为例对比三种复杂度：

1.简单程序

# Simple program
if temperature &gt; desired_temperature:
turn_on_cooling()

• 仅遵循固定规则
  
• 不考虑后果
  
• 无学习或适应
  

2.响应式程序

# Responsive program
if temperature &gt; desired_temperature:
if time_of_day == "peak_hours":
   turn_on_cooling_eco_mode()
else:
   turn_on_cooling_normal()

• 更复杂的规则
  
• 一定情境感知
  
• 仍无真正智能
  

3.AI智能体

class SmartThermostat:

def perceive(self):

current_temp = get_temperature()

time = get_time()

electricity_price = get_current_price()

weather_forecast = get_forecast()

user_preferences = get_preferences()

return Environment(current_temp, time, electricity_price,

weather_forecast, user_preferences)


def think(self, environment):

possible_actions = [

NoAction(),

CoolNormal(),

CoolEco(),

PreCool(),

WaitForOffPeak()

]


# Evaluate each action's expected outcome

best_action = None

best_utility = float('-inf')


for action in possible_actions:

predicted_state = predict_future_state(environment, action)

utility = calculate_utility(predicted_state)


if utility &gt; best_utility:

best_action = action

best_utility = utility


return best_action


def act(self, action):

action.execute()

monitor_results()

update_learning_model()

• 考虑多因素
  
• 预测结果
  
• 从经验中学习
  
• 优化长期目标
  
• 平衡竞争性目标
  

这个循环对所有AI智能体均适用：

• 聊天机器人感知文本输入，考虑适当的回复并生成文本。
  
• 交易机器人感知市场数据，制定策略并实行交易。
  
• 扫地机器人感知房间布局与污垢，决定进入清洁模式并实行移动。
  

5. AI智能体如何运作？

假设你的智能冰箱不仅能在牛奶喝完时补货，还能根据你的浏览记录建议改喝杏仁奶。这算贴心还是有点吓人？你说了算！
这便是AI智能体的缩影。

AI智能体能理解人类语言（要归功于LLM）、对信息进行推理、规划行动，且无需持续的人工输入即可实行任务。

它们解决复杂问题的能力远胜简单自动化工具。

与基础脚本不同，AI智能体集成到App系统之中，支撑与环境的复杂交互。

AI智能体与简单自动化的区别

区别源于两大能力：

• 工具使用
  
• 规划
  

你或许见过ChatGPT连基础的数学题也会做错，那是因为它只靠训练数据做出响应。

同理，若要求你计算85×65，作为人类，你需直接知道答案或使用计算器工具。

AI智能体同理，需赋予其工具访问权限。

第二项能力是规划。

以同一道数学题为例，你需懂得乘法或知道向计算器传入参数85、65及乘法指令。

这便是规划与推理。

以下是向AI智能体发起查询时的流程：

AI智能体架构

5.1 编排层（控制中心）

假设我要创建一个AI会议智能体，我会跟调度器说“我想为学生举办一场网络研讨会”。

该查询将触发AI智能体。

编排层

查询可以是文本、音频、视频或图像（数据最终会转换为机器可处理的数值）。

查询由编排层（即智能体控制中心）处理。

编排层的四大职责：

• 记忆：维护完整交互记录。
  
• 状态：存储进程的当前状态。
  
• 推理：引导智能体的推理过程。
  
• 规划：确定步骤及下一步行动。
  

编排层会与模型（LLM）进行交互。

5.2 模型（大脑）

模型是整个智能体的中央决策者。

AI模型通常为大语言模型（LLM）。

AI智能体的模型

为了理解查询、制定计划并决定行动，模型采用以下推理与逻辑框架：

• ReAct（推理+行动）
  

（推理+行动）确保审慎行动

• 思维链
  

通过中间步骤推理

• 思维树
  

探索多路径以寻找最优解

模型决定采取何种行动，并利用工具实行。

5.3 工具（手）

工具让智能体得以跟外部世界交互。

如计算器、API、网络搜索、外部数据库等都属于工具。

工具让智能体能实行模型无法独立完成的任务、获取实时信息或处理现实世界的任务。

6.  何时使用智能体 /  何时应避免使用

当你需要LLM来决定应用的工作流时，智能体是有用的，但常被滥用。关键在于：你是否真的需要灵活工作流来高效解决任务？如果预设工作流经常失效的话，就需更高的灵活性。

以冲浪旅行网站客服应用为例：

若用户请求一般只有预设的两类（基于用户选择），且两类均有预设工作流：

<ol>

用户需旅行信息  提供搜索栏访问常识库

用户需联系销售  提供联系表单
</ol>
如果这种确定型工作流已覆盖所有查询，直接编码即可！这样的系统是100%可靠的，避免了LLM的不可预测。

出于简单性与健壮性的考虑，不建议优先采用智能体。

但如果工作流无法预先确定呢？

比方说，用户问：“我原计划周一到达，但忘带护照可能延迟至周三。能否在周二上午带上我和装备去冲浪？费用需包含取消险。”

这个问题涉及到多种因素，预设标准无法覆盖。

如果预设工作流经常覆盖不到的话，则需更高灵活性。

此时智能体架构便可派上用场。

上述案例中，可构建多步骤智能体，访问天气API获取预报、GOOGLE地图API计算距离、员工空闲情况面板及常识库RAG系统。

此前，计算机程序受限于预设工作流，试图通过堆叠if/else处理复杂性，仅能处理“数字求和”或“寻找最短路径”等范围狭窄的任务。但预设流程通常无法匹配上现实世界的任务（如上述旅行案例）。智能体系统为程序开启了处理现实任务的大门！

7. 应用领域

AI智能体是通用工具，可提升多领域生产力、效率与智能，正日益应用于日常场景与高影响领域。

8. 总结

AI智能体正改变大家与技术的互动方式，提供空前的自主性、智能与适应性。

从简单反射型智能体到复杂学习系统，AI智能体正应用到多个行业来解决复杂问题并增强人类能力。但构建高效智能体面临伦理关切、数据依赖与可扩展性等挑战。

随着AI技术的不断进步，AI智能体潜力巨大。通过关注通用AI、