智能体定义与分类

本系列第一篇，介绍智能体的基本定义与三种主要类型：反应式、慎思式、混合型。

什么是智能体？

智能体（Agent） 是一个能够感知环境、自主决策并采取行动以实现目标的实体。这个定义来自人工智能的经典理论，但在大语言模型时代，智能体被赋予了新的生命力。

核心特征

一个智能体通常具备以下特征：

1. 自主性（Autonomy） - 能够独立运行，无需持续的人工干预
2. 反应性（Reactivity） - 能够感知环境变化并及时响应
3. 主动性（Proactivity） - 能够主动采取行动实现目标，而非仅被动响应
4. 社交性（Social Ability） - 能够与其他智能体或人类交互

形式化定义

在学术上，智能体可以形式化定义为：

Agent = <Perception, Decision, Action, Environment>

其中：
- Perception: 感知函数，将环境状态映射为感知输入
- Decision: 决策函数，根据感知和内部状态选择行动
- Action: 行动函数，执行决策产生的行动
- Environment: 智能体所处的外部环境

---

智能体的三种类型

根据内部架构和决策机制，智能体可分为三种主要类型：

1. 反应式智能体（Reactive Agent）

特点： 直接将感知映射为行动，不维护内部世界模型。

感知 → 行动（无中间状态）

优势：

• 响应速度快
• 实现简单
• 计算资源消耗低

劣势：

• 缺乏长期规划能力
• 无法处理需要记忆的任务
• 对复杂环境适应性差

典型应用：

• 简单的客服机器人
• 游戏中的基础 NPC
• 实时监控系统

代码示例：

class ReactiveAgent:
    """简单的反应式智能体"""
    
    def __init__(self, rules: dict):
        self.rules = rules  # 感知-行动映射规则
    
    def act(self, perception: str) -> str:
        """直接根据感知选择行动"""
        return self.rules.get(perception, "default_action")

# 使用示例
rules = {
    "用户问好": "回复问候",
    "用户投诉": "转接人工客服",
    "用户咨询": "查询知识库"
}

agent = ReactiveAgent(rules)
print(agent.act("用户问好"))  # 输出: 回复问候

---

2. 慎思式智能体（Deliberative Agent）

特点： 维护内部世界模型，进行推理和规划后再行动。

感知 → 更新内部模型 → 推理/规划 → 行动

优势：

• 具备长期规划能力
• 能处理复杂任务
• 可解释性强

劣势：

• 响应速度较慢
• 实现复杂
• 计算资源消耗高

典型应用：

• 自动驾驶系统
• 复杂游戏 AI（如围棋、星际争霸）
• 机器人路径规划

代码示例：

class DeliberativeAgent:
    """慎思式智能体 - 基于目标规划"""
    
    def __init__(self, goal: str):
        self.goal = goal
        self.world_model = {}  # 内部世界模型
        self.plan = []  # 当前计划
    
    def perceive(self, observation: dict):
        """更新内部世界模型"""
        self.world_model.update(observation)
    
    def deliberate(self) -> list:
        """推理并生成计划"""
        # 这里简化为基于目标的计划生成
        # 实际应用中可能使用 PDDL、规划算法等
        if self.goal == "预订机票":
            return ["查询航班", "比较价格", "确认预订", "支付"]
        return []
    
    def act(self) -> str:
        """执行计划中的下一步"""
        if not self.plan:
            self.plan = self.deliberate()
        
        if self.plan:
            return self.plan.pop(0)
        return "无行动"

# 使用示例
agent = DeliberativeAgent("预订机票")
agent.perceive({"用户位置": "北京", "目的地": "上海"})
print(agent.act())  # 输出: 查询航班

---

3. 混合型智能体（Hybrid Agent）

特点： 结合反应式和慎思式，根据情况选择不同层次的决策。

         ┌→ 反应层（快速响应）
感知 → │
         └→ 慎思层（复杂规划）

优势：

• 兼顾响应速度和规划能力
• 灵活性强
• 适应复杂多变的环境

劣势：

• 架构最复杂
• 需要协调多个子系统
• 调参难度大

典型应用：

• 现代 AI 助手（如 ChatGPT、Claude）
• 高级机器人系统
• 复杂业务流程自动化

架构示例：

class HybridAgent:
    """混合型智能体 - 分层架构"""
    
    def __init__(self):
        # 反应层：处理简单、紧急的任务
        self.reactive_rules = {
            "紧急情况": "立即响应",
            "简单查询": "直接回答"
        }
        
        # 慜思层：处理复杂任务
        self.world_model = {}
        self.current_plan = []
    
    def act(self, perception: str, is_urgent: bool = False) -> str:
        """根据情况选择反应式或慎思式处理"""
        
        # 紧急情况 → 反应层
        if is_urgent or perception in self.reactive_rules:
            return self._reactive_act(perception)
        
        # 复杂任务 → 慜思层
        return self._deliberative_act(perception)
    
    def _reactive_act(self, perception: str) -> str:
        """反应式决策"""
        return self.reactive_rules.get(perception, "默认反应")
    
    def _deliberative_act(self, perception: str) -> str:
        """慎思式决策"""
        # 更新世界模型
        self.world_model["last_perception"] = perception
        
        # 生成或执行计划
        if not self.current_plan:
            self.current_plan = self._make_plan(perception)
        
        if self.current_plan:
            return self.current_plan.pop(0)
        return "需要更多信息"

# 使用示例
agent = HybridAgent()
print(agent.act("紧急情况", is_urgent=True))  # 输出: 立即响应
print(agent.act("帮我规划旅行"))              # 输出: 确定目的地

---

三种类型对比

特性	反应式	慎思式	混合型
响应速度	⚡ 快	🐢 慢	⚖️ 中等
规划能力	❌ 无	✅ 强	✅ 强
实现复杂度	🟢 简单	🟡 中等	🔴 复杂
资源消耗	🟢 低	🔴 高	🟡 中等
适用场景	简单响应	复杂规划	通用场景

---

LLM 时代的智能体

在大语言模型（LLM）出现后，智能体的实现方式发生了革命性变化：

传统 vs LLM-based Agent

维度	传统智能体	LLM-based Agent
知识表示	人工设计规则	模型隐式学习
推理能力	符号推理	神经推理
泛化能力	有限	强大
开发成本	高（需领域专家）	低（提示工程）
可解释性	高	较低

LLM Agent 的特点

现代 LLM-based Agent 通常采用混合架构：

• 反应层：处理简单对话、格式化输出
• 慎思层：复杂推理、任务规划、工具调用

---

小结

1. 智能体是能够感知、决策、行动的自主实体
2. 三种主要类型：反应式（快但简单）、慎思式（慢但智能）、混合型（兼顾两者）
3. LLM 时代的智能体大多采用混合架构，以 LLM 为核心推理引擎

---

下一篇

感知-决策-行动闭环 - 深入理解智能体的核心工作循环

---

参考资料

• Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach
• Wooldridge, M. (2009). An Introduction to MultiAgent Systems
• LangChain Agents Documentation