在人工智能的宏大叙事中，“智能体”（Agent）是一个既古老又崭新的概念。说它古老，是因为它贯穿了人工智能诞生以来的每一次浪潮——从20世纪50年代的符号推理，到80年代的专家系统，再到90年代的强化学习，智能体始终是AI研究的核心主题之一。说它崭新，则是因为大语言模型的出现，为这一经典概念注入了前所未有的生命力。大模型赋予了智能体理解复杂自然语言、进行多步推理、动态调用工具的能力，使得原本局限于实验室和特定场景的智能体，开始真正走向通用化的广阔舞台。

理解智能体，不能只盯着当下最热门的技术实现，而应该从本源出发，系统性地把握三个核心问题：智能体究竟是什么？它经历了怎样的演进历程？我们如何从不同维度去理解和分类形形色色的智能体？ 围绕这三个问题，我们可以建立一套扎实而系统的认知体系。

一、何谓智能体？定义与四要素

任何严肃的讨论都必须始于定义。人工智能领域有一部被誉为“圣经”的经典教材——Russell与Norvig合著的《人工智能：一种现代方法》，其中给出了一个被广泛采纳的权威界定：智能体是能够通过传感器感知所处环境，并自主地通过执行器采取行动以达成特定目标的实体。

这一定义看似简洁，却如同一把精巧的钥匙，打开了理解智能体的大门。它蕴含着四个不可或缺的基本要素，每一个都指向智能体之所以成为“智能体”的关键。

环境是智能体所处的外部世界。这个“环境”可以千差万别——它可能是物理空间中的道路和交通信号，可能是虚拟空间中的金融市场数据流，也可能是信息空间中的互联网页面和数据库。智能体的一切感知和行动，都围绕着特定的环境展开；脱离了环境来谈智能体，就像离开了水来谈鱼，失去了存在的意义。

传感器是智能体感知环境的输入通道。生物体的眼睛、耳朵、皮肤是传感器，机器的摄像头、雷达、麦克风也是传感器。在LLM智能体的语境下，传感器变得更加抽象却同样关键：用户输入的Prompt文本、API调用返回的JSON数据、视觉编码器输出的特征向量，都是智能体“感知”世界的通道。没有传感器，智能体就处于“失明”“失聪”的状态，无法获取做出决策所必需的信息。

执行器是智能体对环境影响的行为输出渠道。方向盘的转动、机械臂的抓取、代码执行后返回的结果、屏幕上生成的文本回复，都是执行器在发挥作用。在LLM智能体中，执行器不仅包括生成自然语言回复，更重要的是调用外部工具函数（Tool Call）——当智能体决定“我需要查询天气”时，执行器便发起一次API调用，将决策转化为实际行动。

自主性则是整个定义的精髓所在。智能体不是被动等待人类指令的提线木偶，而是能够基于自身的感知和内部状态进行独立决策的实体。程序严格遵从工程师预设的逻辑分支，而智能体拥有在不确定、不完整信息的环境中权衡取舍、选择行动的能力。正是这种自主性，真正赋予了智能体“智能”的内核，也将其与普通软件程序泾渭分明地区分开来。

核心要素	含义解析	在LLM智能体中的具体体现
环境	智能体所处的外部世界	互联网、数据库、物理世界（机器人）、API生态系统
传感器	感知环境的输入通道	用户输入的Prompt、API返回的JSON数据、视觉编码器的输出
执行器	对环境施加影响的输出通道	生成的文本回复、调用的工具函数（Tool Call）、机械臂的控制指令
自主性	独立决策与行动的能力	自主拆解任务目标、自行选择下一步行动、根据反馈纠偏

二、传统智能体的演进脉络

在大语言模型横空出世之前，智能体已经走过了数十年的演进历程。这条发展脉络从简单到复杂、从僵化到柔性，清晰地勾勒出人工智能对“自主性”追求的不懈脚步。理解这条脉络，我们才能准确判断LLM带来的究竟是“锦上添花”还是“范式革命”。

最初的智能体形态是简单反射智能体。它仅依据“条件-动作”规则行事——如果温度高于阈值就启动制冷，如果前方有障碍就刹车。经典的自动恒温器便是如此。这种智能体没有记忆，也不理解它所处的世界，一切行为都取决于工程师预先写死的if-then规则。它的优势是快速、可靠、计算开销极低，但代价也同样明显：无法应对任何未预设的场景。

为了突破这一局限，研究者提出了基于模型的反射智能体。这类智能体在内部维护一个“世界模型”，用以描述它所处环境的结构和动态规律。即使传感器的感知不完全——比如一辆在隧道中行驶的自动驾驶汽车，GPS信号暂时丢失——它也能依靠内部模型推断自己的位置和周围的状态。世界模型使得智能体不再是对刺激的“即时反应者”，而拥有了某种程度的“内在想象”。然而，构建准确的世界模型本身就是一项极其困难的任务，严重依赖人工特征工程和领域知识。

更进一步的突破来自基于目标的智能体。它不再满足于被动地应对当前状态，而是主动地思考“我想要达到什么状态”，然后寻找达成目标的路径。GPS导航系统是这一类的典型代表：用户设定目的地（目标），系统便搜索出一条从当前位置到目的地的路线。基于目标的智能体引入了“预见”的能力——它需要在行动之前评估不同的选项，选择那些最有可能导向目标的行为序列。但它的局限在于，目标往往是非此即彼的单一标准，而现实世界的问题极少能用二元的好坏来衡量。

于是，基于效用的智能体应运而生。它将“目标”升级为“效用函数”——一个可以量化不同结果“好坏程度”的数学度量。一个智能导航系统不仅要让你到达目的地，还希望兼顾速度最快、油耗最低、路途最舒适等多个相互冲突的诉求，最终选择综合效用最高的方案。基于效用的智能体让决策变得细腻而灵活，但效用函数的设计本身就是一门极难的学问——什么算“好”？权重如何分配？这些问题的答案往往因场景而异。

这一演进路径的顶点是学习型智能体。它不再依赖工程师提前编写所有的规则或设计完备的效用函数，而是通过与环境的持续互动，在试错中总结经验、优化策略。强化学习正是这一思想的集中体现——AlphaGo Zero从零开始，只通过与自己下棋，便达到了超越所有人类棋手的水平。学习型智能体标志着我们从“教机器做事”转向了“让机器自己学会做事”，这是一个根本性的方法论跃迁。

智能体类型	核心机制	典型示例	核心局限
简单反射型	条件-动作规则（if-then）	恒温器、普通电梯控制	无记忆，无法应对未预设的场景
基于模型的反射型	内部“世界模型”+状态维护	隧道中行驶的自动驾驶汽车	模型构建依赖人工特征工程
基于目标的智能体	搜索与规划算法	GPS导航仪、国际象棋AI	需明确定义目标函数，缺乏灵活性
基于效用的智能体	多目标权衡与效用最大化	兼顾速度与油耗的智能导航	效用函数设计极其困难
学习型智能体	与环境交互试错（强化学习）	AlphaGo、自动玩游戏的AI	训练周期长，泛化能力有限

三、大语言模型带来的范式转变

如果说传统智能体的每一次进化都属于“量变”——在既有框架下不断优化和扩展，那么大语言模型的介入则带来了真正的“质变”。要理解这一判断，我们首先要对比两种智能体的本质差异。

传统智能体从设计之初就依赖工程师的显式编程。无论是条件-动作规则、世界模型的构建，还是效用函数的设定，本质上都是人类知识向机器的单向迁移。智能体的能力边界是清晰而僵化的——它能处理什么问题、不能处理什么问题，都取决于代码的覆盖范围。这就好比一本详尽的说明书：你可以查阅其中记载的所有条目，但一旦遇到未记载的新情况，就无能为力了。

LLM驱动的智能体则完全不同。通过在海量文本上进行预训练，大语言模型从人类书写的历史中汲取了隐性的世界知识和强大的涌现能力——它不再需要为每个场景编写分支逻辑，而是能够直接理解用户用自然语言表达的高层级、模糊目标。这就像把一个通晓人类知识精华的学者放进了智能体的“大脑”里，让它能够面对从未见过的任务也能举一反三。

一个具体而生动的例子是“智能旅行助手”。当用户提出“帮我规划一个周末去成都的旅行”时，这个目标模糊、开放，对传统智能体而言几乎无从下手。但LLM智能体却能自动完成以下一系列操作：首先将模糊目标拆解为查询往返机票、推荐住宿酒店、设计市内游玩路线、预订热门景点门票等多个子任务；然后按顺序或并行地执行这些任务，在执行过程中主动调用航班查询API、酒店预订平台接口、地图路线规划服务等外部工具；最后将各部分信息整合成一个完整的旅行方案呈现给用户，并根据用户的实时反馈（“预算再低一些”“不想去太挤的地方”）动态调整方案。

这个看似简单的流程背后，体现了LLM智能体的三大核心能力：规划与推理——将高层级目标自动分解为可执行的子任务序列；工具使用——识别何时需要获取外部信息，并主动调用相应的工具或API；动态修正——在执行过程中根据环境反馈和新信息灵活调整原有计划。

由此，我们正在经历一个根本性的范式迁移：从“开发专用工具”转向“引导一个通用大脑去规划、行动和学习”。智能体的角色从被动的“指令执行者”升级为主动的“任务完成者”。它不再是等待人类一步步发出指令的代码傀儡，而是能够理解意图、制定策略、调用资源、交付结果的工作伙伴。

对比维度	传统智能体（Pre-LLM）	大模型驱动的智能体（LLM Agent）
决策核心	工程师显式编写的逻辑规则	大模型隐式的神经网络参数与涌现能力
输入理解	严格的结构化数据或离散状态	模糊、高层级的自然语言指令
任务边界	固化、清晰但狭窄（窄AI）	灵活、多模态，具备跨任务泛化能力
工具调用	硬编码的API对接	模型自主决策（ReAct）何时调用何种工具
迭代能力	需人工介入修改规则	基于环境反馈的自动动态修正

四、智能体的多维分类视角

理解智能体不仅要知道“它是什么”和“它经历了什么”，还要掌握辨析不同智能体类型的分类框架。从不同维度观察，智能体呈现出迥然不同的特征，每一类设计都蕴含着独特的价值权衡。

从反应性与规划性的维度看，智能体大致可分为两个极端，以及介于之间的混合形态。反应式智能体以极快的速度响应环境变化，计算开销低，不维护复杂的内部状态——安全气囊的瞬间弹射、高频交易系统在毫秒级别的买卖决策都属于此类。它们的优势是“快”和“省”，但代价是“短视”——只能应对当前刺激，无法进行长远规划。规划式智能体则恰恰相反：它深思熟虑，利用内部模型推演不同行动在未来可能产生的结果，从而做出全局最优的决策——下棋AI在落子前搜索多步棋局、供应链规划系统统筹数月间的物流调度都是典型代表。它们的优势是“远见”，但高昂的时间和计算成本往往令人望而却步。在现代复杂系统中，纯粹的极端方案已不常见，取而代之的是混合式设计——系统在简单、常规的场景下快速反应，一旦识别到需要深思的问题，则切换至规划模式。如今的LLM智能体正是混合式设计的最佳范例：它既能对“今天天气怎么样”这样的简单查询秒级回应，也能对“帮我规划一趟旅行”这样的复杂任务进行多步推理和规划。

从知识表示方式的维度看，不同智能体承载知识的方式同样存在本质差异。这一视角将智能体分为三种类型。符号主义智能体以显式的逻辑规则和知识图谱为载体来表达世界——你可以检查它的推理链条，理解它“为什么这么决策”，因此具备高度的可解释性和透明性。但它的致命弱点是脆弱——一旦遇到规则未覆盖的场景，整个系统可能瞬间失效。亚符号主义智能体则走了一条完全不同的路：它依靠神经网络从海量数据中自动学习统计模式，将知识以神经元之间连接权重的形式隐式存储。它在处理图像、声音、非结构化文本等复杂输入时展现出惊人的能力，但代价是“黑箱”属性——即使系统做出了正确的决定，我们也很难说清楚它“为什么”这么做。神经符号主义智能体试图融合两条路径的长处：用神经网络处理感知和模式识别，用符号系统负责推理和解释。这种结合正在成为前沿研究的热点方向。

上述分类并非为了给智能体贴标签，而是为研究者和实践者提供分析工具。当你面对一个新系统时，能够从反应/规划的维度判断它的“思考风格”，从符号/亚符号的维度理解它的“知识本质”，从而更准确地评估其适用场景、优势与局限。

分类维度	类别1	类别2	类别3（中间态/结合）
反应性与规划性	反应式：快、低开销、无远见（如安全气囊）	规划式：慢、高成本、有远见（如下棋AI）	混合式：快慢结合，LLM Agent常属此类
知识表示方式	符号主义：逻辑规则，可解释但脆弱	亚符号主义：神经网络，黑箱但擅长非结构化数据	神经符号主义：两者结合，互补优劣

结语：从概念框架到AI自主时代

理解智能体的定义、演进脉络和分类维度，其价值远不止于掌握一套专业术语。它真正重要的地方在于，帮助我们理解人工智能正在经历的一场深层变革——AI的角色正在从被动的“工具”走向主动的“行动者”。这不仅仅是技术能力的提升，更是人与机器关系的根本重塑。

在AI社区中有一个流传颇广的通俗比喻：会聊天的大模型就像装满知识的“大脑”，而智能体则是给这个大脑装上“手脚”——让它不仅能思考，还能主动调用工具、执行任务、完成目标。 这一比喻虽非学术定义，却精准地勾勒出了智能体的本质——它不是大模型的附属品，而是AI从“理解世界”迈向“改变世界”的关键一步。

智能体的发展史、大语言模型的内在机理、经典构建范式、多智能体协作框架……这些更深入的主题，都建立在我们刚刚梳理的这个基础之上。根基扎得越深，对上层建筑的理解就越透彻。

本文参考：Datawhale《Hello-Agents》教程第一章《初识智能体》的内容框架与核心知识点。本文在忠实呈现该教程内容的基础上进行了独立整理与阐述。