BOYYANG/1/blog/compressed/【哲风壁纸】coser-cosplay 2-148ef284195252b638c582e0810d3ccb

什么是 Agent？从概念到应用全面解读

作者: boyyang

分类: AI

发布: 2026-07-14 02:17:11

更新: 2026-07-14 02:17:11

摘要：Agent（智能代理/智能体）是人工智能领域最核心的概念之一。本文将系统性地解读 Agent 的定义、核心特征、分类体系、技术架构以及实际应用场景，帮助读者建立对 Agent 的全面认知。

一、Agent 的定义

"Agent"一词源自拉丁语 agere，意为"去做"或"行动"。在人工智能领域，Agent 指的是能够通过感知器（sensors）感知环境，并通过执行器（actuators）对环境施加影响的实体。

这是由人工智能经典教材 Artificial Intelligence: A Modern Approach（Russell & Norvig）给出的标准定义。用更通俗的话说：Agent 是一个能够自主感知环境、做出决策并采取行动的系统。

1.1 Agent 的数学定义

一个 Agent 可以用函数来描述：

f: P* → A

其中 P* 表示所有可能感知序列的集合，A 表示所有可能行动的集合。Agent 根据其历史感知序列，选择下一个要执行的动作。这个函数 f 就是 Agent 的"行为策略"。

1.2 Agent 与程序的区别

维度	传统程序	Agent
自主性	被动等待指令	主动发起行动
环境感知	有限的输入参数	持续感知环境变化
决策能力	固定规则分支	基于目标和上下文推理
适应性	硬编码逻辑	可学习和调整
目标导向	执行特定功能	围绕目标自主规划

二、Agent 的核心特征

学术界对 Agent 的核心特征有着较为一致的共识，通常总结为以下四个方面：

2.1 自主性（Autonomy）

Agent 能够在没有人类或其他系统直接干预的情况下运行，并对自身的行为和内部状态拥有控制权。自主性是 Agent 区别于普通程序的最根本特征。

一个Agent应当在没有人类直接介入的情况下，能够控制自身的行为和内部状态。——Wooldridge & Jennings, 1995

2.2 反应性（Reactivity）

Agent 能够感知其所处环境的变化，并及时做出响应。这意味着 Agent 不是简单地执行一个预先规划好的动作序列，而是能够根据环境的实时反馈调整自己的行为。

2.3 主动性（Pro-activeness）

Agent 不仅对环境变化做出反应，还能够主动采取行动以实现其目标。这种主动行为使 Agent 能够展示出目标导向的、有意图的行为模式。

2.4 社交能力（Social Ability）

Agent 能够通过某种通信语言与其他 Agent（包括人类）进行交互和协作。多 Agent 系统（MAS）正是基于这一特征构建的。

2.5 其他重要特征

移动性（Mobility）：能够在不同系统或网络节点之间迁移
理性（Rationality）：Agent 总是选择能够最有效地达成目标的行动
学习能力（Learning）：能够从经验中改进自身性能
持续性（Temporal Continuity）：Agent 是持续运行的进程，而非一次性任务

三、Agent 的五种类型

Russell & Norvig 根据 Agent 的内部智能程度，将 Agent 分为五种类型，形成了一个从简单到复杂的谱系：

3.1 简单反射型 Agent（Simple Reflex Agent）

这种 Agent 仅根据当前的感知输入做出决策，不考虑历史感知信息。它的行为由一组"条件-动作"规则驱动。

        ┌─────────────┐
        │  环境感知    │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │ 条件-动作规则 │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │   执行动作   │
        └─────────────┘

示例：恒温器——当温度低于阈值时开启加热器。

局限性：需要环境完全可观测才能正常工作，无法处理部分可观测环境。

3.2 基于模型的反射型 Agent（Model-based Reflex Agent）

在简单反射型 Agent 的基础上，增加了对环境的内部模型，能够跟踪环境中不可直接观测的部分。

        ┌─────────────┐
        │  环境感知    │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │  内部模型    │ ← 维护环境状态
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │ 条件-动作规则 │
        └──────┬──────┘
               ↓
        ┌─────────────┐
        │   执行动作   │
        └─────────────┘

示例：自动驾驶汽车中的障碍物追踪——即使障碍物暂时被遮挡，也能根据模型推断其位置。

3.3 目标驱动的 Agent（Goal-based Agent）

这类 Agent 不仅依赖当前感知和内部模型，还拥有明确的目标信息。它会选择能够达成目标的行动路线，具有规划和搜索能力。

def goal_based_agent(percept, goal, world_model):
    state = world_model.update_state(percept)
    actions = world_model.possible_actions(state)
    best_action = plan_to_achieve_goal(actions, goal, world_model)
    return best_action

示例：导航机器人——目标是从 A 点到达 B 点，它会规划路径并沿途调整。

3.4 效用驱动的 Agent（Utility-based Agent）

当存在多个可行方案都能达成目标时，效用驱动的 Agent 会使用"效用函数"来衡量每个方案的好坏，选择效用最大化的行动。

效用 = 衡量行动结果"有多好"的量化指标
Agent 的目标：最大化期望效用

示例：出租车调度系统——多个空闲车辆可以服务多个乘客请求，系统会计算每种调度方案的总体效用（等待时间最短、行驶距离最优），选择最佳方案。

3.5 学习型 Agent（Learning Agent）

这是最复杂的 Agent 类型，它能够在运行过程中学习和改进。学习型 Agent 通常包含四个组件：

组件	功能
学习元素	从经验中改进知识
知识元素	存储 Agent 对世界的认知
执行元素	基于知识做出决策和行动
反馈元素	评估行动效果并提供反馈信号

示例：推荐系统——根据用户的点击、购买等行为反馈，不断优化推荐策略。

四、现代 AI Agent 的技术架构

随着大语言模型（LLM）的崛起，Agent 的概念被赋予了全新的内涵。现代 AI Agent（常称为 LLM Agent 或 AI Agent）以 LLM 为核心推理引擎，构建了更加强大的智能系统。

4.1 LLM Agent 架构

                  ┌─────────────────────────┐
                  │      用户 / 环境         │
                  └───────────┬─────────────┘
                              │ 感知输入
                              ↓
        ┌─────────────────────────────────────┐
        │          感知模块                    │
        │  (多模态输入：文本、图像、代码等)      │
        └──────────────────┬──────────────────┘
                           ↓
        ┌─────────────────────────────────────┐
        │        LLM 推理引擎（大脑）           │
        │   ┌───────┐  ┌──────┐  ┌────────┐   │
        │   │ 规划  │  │ 推理 │  │ 决策   │   │
        │   └───────┘  └──────┘  └────────┘   │
        └──────────────────┬──────────────────┘
                           ↓
        ┌─────────────────────────────────────┐
        │           工具系统                    │
        │  ┌──────┐ ┌──────┐ ┌──────┐ ┌────┐  │
        │  │ API  │ │ 代码 │ │ 搜索 │ │文件│  │
        │  └──────┘ └──────┘ └──────┘ └────┘  │
        └──────────────────┬──────────────────┘
                           ↓
                  ┌─────────────────────────┐
                  │        行动输出          │
                  └─────────────────────────┘

4.2 记忆系统

现代 AI Agent 拥有复杂的记忆架构，通常分为三层：

短期记忆（上下文窗口）：当前对话或任务中的临时信息
长期记忆（外部存储）：持久化的知识库、向量数据库
工作记忆：当前处理的任务状态和中间结果

class AgentMemory:
    def __init__(self):
        self.short_term = []
        self.long_term = VectorDB()
        self.working = {}

    def add_short_term(self, item):
        self.short_term.append(item)
        if len(self.short_term) > 100:
            self.consolidate()

4.3 规划与推理

Agent 的规划能力是实现复杂任务的关键。常用的规划策略包括：

ReAct（推理+行动）：交替进行推理和行动，让每一步推理指导下一步行动
Chain-of-Thought（思维链）：将复杂问题分解为一系列推理步骤
Plan-and-Execute（规划并执行）：先规划完整任务序列，再逐步执行
Tree-of-Thoughts（思维树）：同时探索多条推理路径，选择最优解

4.4 工具使用

Agent 通过调用外部工具扩展自身能力：

class Tool:
    def __init__(self, name: str, description: str):
        self.name = name
        self.description = description

    def execute(self, **kwargs) -> Any:
        raise NotImplementedError

class CodeExecutor(Tool): ...
class WebSearch(Tool): ...
class FileOperator(Tool): ...

五、Agent 的主流框架

以下是在 AI Agent 开发中广泛使用的几个主流框架：

框架	特点	适用场景
LangChain/LangGraph	模块化设计，丰富的工具生态	通用 Agent 开发
AutoGPT	自主规划与执行，长期目标驱动	自动化任务
CrewAI	多 Agent 协作，角色分工	团队协作场景
AutoGen (Microsoft)	多 Agent 对话，灵活角色定义	研究原型开发
Semantic Kernel	Microsoft 生态，.NET/ Python	企业级应用
Dify	可视化编排，低代码	快速原型搭建

5.1 一个简单的 Agent 示例

from openai import OpenAI
import json

client = OpenAI()

def get_weather(city: str) -> str:
    return f"{city}：晴，25°C"

def calculate(expr: str) -> str:
    try:
        return str(eval(expr))
    except:
        return "计算失败"

tools = [
    {"type": "function", "function": {
        "name": "get_weather",
        "parameters": {"type": "object", "properties": {
            "city": {"type": "string"}
        }}
    }},
    {"type": "function", "function": {
        "name": "calculate",
        "parameters": {"type": "object", "properties": {
            "expr": {"type": "string"}
        }}
    }}
]

def agent_loop(user_input: str, max_steps: int = 5):
    messages = [{"role": "user", "content": user_input}]
    available_functions = {
        "get_weather": get_weather,
        "calculate": calculate
    }

    for step in range(max_steps):
        response = client.chat.completions.create(
            model="gpt-4",
            messages=messages,
            tools=tools,
            tool_choice="auto"
        )
        message = response.choices[0].message
        messages.append(message)

        if not message.tool_calls:
            return message.content

        for tool_call in message.tool_calls:
            func = available_functions[tool_call.function.name]
            args = json.loads(tool_call.function.arguments)
            result = func(**args)
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": result
            })

    return "达到最大步数"

result = agent_loop("北京今天天气怎么样？顺便算一下 256*512")
print(result)

六、Agent 的应用场景

6.1 个人智能助手

Agent 可以作为个人助手，帮助用户完成日程管理、信息检索、邮件处理、文档撰写等日常任务。与传统聊天机器人不同，Agent 助手具备主动提醒和任务规划能力。

6.2 软件工程

在软件开发领域，Agent 正在改变编程方式：

代码生成与审查：基于需求生成完整代码并提出改进建议
自动化测试：自主编写和执行测试用例
Bug 修复：定位问题根因并生成修复方案
文档编写：根据代码自动生成文档

6.3 数据分析

Agent 可以像一位数据分析师那样工作：理解数据、提出分析问题、编写 SQL/Python 代码、生成可视化报告，并根据结果调整分析方向。

6.4 自动化工作流

企业可以将复杂业务流程封装为 Agent 工作流：

客户请求 → 信息提取 Agent → 分类 Agent → 处理 Agent → 审核 Agent → 反馈 Agent

6.5 多 Agent 协作

多个 Agent 可以组成团队，各司其职：

research_agent = Agent(role="研究员", skill="搜索和整理信息")
writer_agent   = Agent(role="写作者", skill="撰写和润色内容")
reviewer_agent = Agent(role="审核员", skill="检查质量和一致性")

result = crew.kickoff(
    inputs={"topic": "AI Agent 的发展历程"},
    process="sequential"
)

七、Agent 的挑战与未来发展

7.1 当前挑战

挑战	说明	应对方向
可靠性	Agent 可能产生错误决策或幻觉	验证机制、人类反馈
安全性	自主行动带来不可控风险	沙箱隔离、权限控制
成本	多次 LLM 调用导致较高消耗	缓存策略、模型蒸馏
延迟	多步推理带来响应延迟	流式处理、并行执行
评估	Agent 行为的自动评估困难	基准测试、模拟环境

7.2 未来趋势

多模态 Agent：融合视觉、听觉、触觉等多种感知通道
自进化 Agent：能够自主改进自身算法和知识结构
Agent 生态：Agent 之间的标准化通信协议和经济系统
具身智能 Agent：与物理世界交互的机器人 Agent
通用 Agent：向 Artificial General Intelligence（AGI）迈进

八、总结

Agent 是人工智能从"被动工具"走向"主动伙伴"的核心概念。它的本质是一个能够感知环境、自主决策、采取行动并持续学习的系统。

从经典的 Russell & Norvig 五类 Agent，到以 LLM 为核心的现代 AI Agent，这一概念在不断演进，但其核心——自主性、反应性、主动性、社交能力——始终未变。

理解 Agent 的概念，不仅是理解 AI 的技术基础，更是理解 AI 未来发展方向的关键。

关键要点回顾

Agent = 感知 + 决策 + 行动：这是 Agent 最本质的三要素
从简单到复杂：反射型 → 模型型 → 目标型 → 效用型 → 学习型
LLM Agent 架构：LLM（大脑）+ 记忆 + 规划 + 工具 + 感知
多 Agent 协作：多个专用 Agent 比一个通用 Agent 更有效
挑战与机遇并存：可靠性、安全性、成本是当前的主要瓶颈

参考资料

Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.
Wooldridge, M., & Jennings, N. R. (1995). Intelligent agents: Theory and practice. The Knowledge Engineering Review.
Yao, S., et al. (2023). ReAct: Synergizing Reasoning and Acting in Language Models. ICLR 2023.
Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. NeurIPS 2022.
LangChain 官方文档: https://python.langchain.com
OpenAI Function Calling: https://platform.openai.com/docs/guides/function-calling

本文旨在帮助读者全面理解 Agent 这一人工智能核心概念。

#AI

#Agent