智能体（Agent）完整概念

一、标准定义（人工智能经典定义，出自《人工智能：一种现代方法》）

智能体（Intelligent Agent）：一个实体，可以通过传感器感知环境，依靠内部逻辑自主决策，再通过执行器作用于环境，持续追求预设目标。
简单一句话：感知环境 → 自主思考 → 采取行动，形成闭环，主动完成目标。

区分广义与当下热门的狭义概念：

1. 广义智能体（传统AI概念）
   不限大模型，可以是硬件机器人、规则脚本、爬虫、游戏NPC、强化学习智能体，只要满足感知—决策—行动都可称为智能体。
2. 狭义智能体（行业现在常说的 LLM Agent / AI智能体）
   以大语言模型LLM为认知大脑，搭配记忆、任务规划、工具调用、反思模块，可以自主拆解复杂任务、调用外部工具（搜索、代码、API），不再只是被动问答。

二、四大核心特征（区分普通程序/脚本）

1. 自主性
   无需人类每一步下达指令，独立做出决策；不是死板按固定脚本运行。
2. 反应性
   实时感知环境变化，及时响应外部状态。
3. 主动性（目标导向）
   主动朝着目标发起行动，而不是等待触发。
4. 社会性
   能够与人、其他智能体通信、协作、分工（多智能体系统）。
   进阶能力：学习能力，通过交互持续优化自身决策。

三、基础交互结构（通用模型）

• 传感器（感知）：获取环境信息
  实体机器人：摄像头、雷达、麦克风
  软件智能体：用户输入、API返回数据、网页信息
• 决策模块（大脑）：规则/模型/大模型，推理、规划
• 执行器（行动）：对外输出动作
  实体：机械臂、电机；软件：调用接口、生成文本、运行代码
• 环境：智能体所处外部世界，动作会改变环境，并产生新感知

四、智能体常见分类（由简单到复杂）

1. 简单反射智能体
   仅依据当前感知执行if-else规则，无记忆。
   例子：自动门、基础温控器、扫地机器人避障逻辑。
2. 基于模型的智能体
   内置环境模型，记住历史状态，理解看不见的环境信息。
3. 基于目标的智能体
   能够对比当前状态与目标，主动规划多条行动路径。
4. 基于效用（收益）的智能体
   不止达到目标，还能评估方案好坏，选择最优路径。
   例子：自动驾驶路线规划、AI交易系统。
5. 学习型智能体
   自带学习模块，从经验改进策略（强化学习Agent属于此类）。

五、【重点】LLM智能体组成（当前产业主流）

LLM（推理大脑）
├─ 记忆系统：短期上下文记忆 + 长期知识库
├─ 规划模块：任务拆解、思维链、反思校验
├─ 工具集：搜索引擎、代码解释器、各类API
└─ 行动输出：执行调用、整理结果、反馈给用户

✅ 和普通大模型最核心差别：
普通LLM：一问一答，被动输出文本；
智能体：自主拆解任务、主动调用工具、循环执行直到目标完成。

六、通俗例子对比

• 普通聊天模型：你问“规划北京一日游”，直接生成一段行程，不会联网核实景点开放时间。
• 智能体：

1. 理解目标 → 拆分任务：查天气→筛选景点→查开放时间→规划路线→预估交通；
2. 自主调用搜索工具获取实时信息；
3. 整合信息生成方案；
4. 如果发现景点闭馆，自动更换备选方案。

如果你需要，我可以再整理智能体、大模型、自动化脚本、RAG四者简明对比表，方便考试或汇报使用。