在当下的 AI 领域，“智能体（Agent）” 无疑是备受关注的热门概念。它并非全新产物，却在 ChatGPT 出现后重新焕发生机，被广泛视为通往通用人工智能（AGI）的关键路径。

一、智能体 Agent 的概念溯源
“智能体” 这一概念最早源于上世纪 90 年代的哲学领域，当时它指代人、动物，或是一些抽象的概念与实体。随着 AI 技术的发展，这一概念被引入 AI 领域，其含义也随之发生改变。在 AI 领域，智能体成为了一种计算实体，它能够通过传感器感知环境，自主决策，并借助执行器采取行动，核心目标便是模仿人类的行为方式。

从本质上来说，智能体是一种思想，是人类为了让大模型更好地解决问题而设计的手段。有了智能体，大模型在实际应用中能有条不紊地推理，规划解决问题的步骤，通过调用工具逐步解决问题，还能观察结果是否正确并及时纠错，就像拥有了 “智慧大脑”。

二、智能体 Agent 的核心框架
人类处理问题和任务时，会经历信息输入（感知）、信息处理（规划与决策）、信息输出（行动）三个基本过程。智能体的抽象框架也与之对应，包含感知、规划与决策、行动三个核心模块。在论文《The Rise and Potential of Large Language Model Based Agents: A Survey》中，有一张经典图片将 Agent 在处理问题时的思考过程分为感知（Perception）、大脑（Brain）和行动（Action）三部分，让我们能更清晰地理解其工作机制。

（一）感知（Perception）
就像人类拥有五感一样，大模型也能通过各种传感器获取输入信息，这被称为多模态输入，主要包括以下几种类型：

文本输入：这是我们最常见的方式，比如用文字和 ChatGPT 聊天，或者上传文件让 ChatGPT 分析内容。
视觉输入：例如将一张蒙娜丽莎的图片上传到 ChatGPT - 4，让它对图片内容进行说明。
语音输入：人们可以直接通过语音与大模型交流，大大提升了交互的便捷性。
其他输入：在物联网时代，各类传感器实现了设备互联，现在也能为大模型配置温湿度传感器等，赋予其更多样的感官能力。
（二）大脑（Brain）
如果大模型只有信息输入而不进行加工，那么输入的信息就毫无意义，这就像人类 “左耳进，右耳出” 的情况。在智能体框架中，“大脑” 的工作主要分为三个部分：

1. 自然语言处理
   多轮对话处理能力：大模型能够结合对话上下文，理解人类的对话意图，最终达成对话目标。当上下文对话过长时，可通过摘要（Summary）等方式对上文对话进行总结，从而节省 token。
   语义理解与高质量文本生成：不同人提问的语种和方式各不相同，但大模型能够准确理解人类的提问，并给出相应的文本回复。
2. 存储
   框架中展示了记忆（Memory）和知识（Knowledge）两种存储形式。记忆有助于大模型更好地理解人类意图，进而更有效地处理问题。比如，当人类先询问 “北京的天气如何？”，得到回复后再问 “济南呢？”，若没有记忆，大模型无法参考历史对话，就不能理解 “济南呢？” 实际是在询问济南的天气；而有了记忆，就能准确领会意图。

记忆可分为长期记忆和短期记忆，长期记忆能将对话历史存储到 Redis 等数据库中，短期记忆则是在内存中存储的上下文对话。当记忆过长时，同样可通过摘要方法节省 Token，方便大模型参考。

除了记忆，知识也至关重要。由于大模型训练数据存在局限性，对于很多垂直领域的问题无法准确回答。因此，可通过 RAG（检索增强生成）的方式为大模型提供知识库，以此提高回答的准确度。

3. 决策
   决策是 Agent 获取信息输入并理解其含义后，思考应采取何种行为解决问题的过程，主要分为推理（Reasoning）和规划（Planning）两种类型。

推理：这是 Agent 解决复杂问题的关键。人类为大模型设计了思维链（COT）、Self - Consistency 等多种推理方法，这些方法主要基于演绎、归纳和溯因。
规划：Agent 在推理的基础上，会将复杂任务拆解成一个个小任务，并为每个小任务设计合适的完成方法，最终实现大任务的完成。在此过程中，Agent 还能观察每个小任务的完成情况并进行自我纠错。
（三）行动（Action）
行动是 Agent 在完成决策后，与外部环境交互时所要执行的动作，其形式多种多样：

文本输出：这是大模型最常规的能力，比如为人类提供文本回复。
工具调用：这是 Agent 最常见的用法，Function Calling（函数调用）就是典型的工具调用方式。
具身智能：当 Agent 与物理世界相结合，就产生了具身智能的概念，像餐饮行业的炒菜机器人、无人驾驶技术等都属于这一范畴。
三、智能体 Agent 的发展历程
上世纪 90 年代，人们就已经对智能体的理论框架有了基本了解。然而，当时深度学习尚未出现，移动互联网带来的大数据浪潮也未到来，智能体涉及的感知、推理能力及工具集都十分落后。所以，智能体在短暂火热后便陷入了沉寂。

直到 ChatGPT 的出现，智能体才被重新唤醒。OpenAI 提出的 AI 智能体模型与上世纪 90 年代的框架基本一致，但经过 30 多年的发展，AI 技术让智能体的各项能力有了大幅提升。尤其是在推理能力方面，如今大模型的水平相较于 90 年代的贝叶斯网络，差距如同博士生和 3 岁小孩。虽然智能体的 “外表” 没有改变，但其内在能力却实现了质的飞跃，就好比从木头升级成了太空铝。

四、智能体 Agent 在 AI 工具中的等级地位
我们可以通过一张等级表，更直观地了解智能体在 AI 工具中的地位。从表中能够清晰看到，不同等级的 AI 工具在自主性和任务处理能力上存在显著差异：

从等级表中不难看出，像 ChatGPT 这类对话机器人基本处于 L2 级别，而真正的智能体已能达到 L4 阶段，具备更强的自主性和复杂任务处理能力。

五、总结
智能体是具有感知环境、决策和执行能力的实体，通俗来讲，就是 “数字劳动力”“天选打工人”。自 OpenAI 重新唤醒智能体概念后，它在 AI 界的地位愈发重要，成为了通往通用人工智能的关键路径。随着 AI 技术的不断进步，相信未来智能体还会不断进化，在更多领域发挥重要作用，为我们的生活和工作带来更多便利与变革。