智能体核心概念
智能体这个领域的几个基础概念集中在这里：判据、分类、结构。
定义与四要素
智能体：能够通过传感器（Sensors）感知其所处环境（Environment），并自主地通过**执行器（Actuators）采取行动（Action）**以达成特定目标的实体。
| 要素 | 含义 |
|---|---|
| 环境 | 智能体所处的外部世界 |
| 传感器 | 感知环境状态：摄像头、麦克风、雷达，或 API 返回的数据流 |
| 执行器 | 对环境施加影响：机械臂、方向盘；执行一段代码、调用一个服务 |
| 自主性 | 基于感知和内部状态独立决策，而非被动响应刺激或执行预设指令 |
判据落在自主性上。 严格按这个定义，被动响应外部刺激、或只会执行预设指令的程序不算智能体。
四个要素构成一个闭环，缺任何一环都退化成「程序」。
┌─────────────────────────────────────────────────┐
│ 环境 │
│ 外部世界。对 LLM 智能体来说就是 API、用户输入、 │
│ 其他行动者，以及它们的返回 │
└───────┬─────────────────────────────┬───────────┘
│ 感知 ▲ 施加影响
▼ │
┌────────────────────┐ ┌────────────────────┐
│ 传感器 Sensors │ │ 执行器 Actuators │
│ 摄像头 / 麦克风 / 雷达│ │ 机械臂 / 方向盘 │
│ API 返回的数据流 │ │ 执行代码 / 调用服务 │
└─────────┬──────────┘ └────────▲───────────┘
│ 感知序列 │ 动作
▼ │
┌───────────────────────────────────────┴─────────┐
│ 智能体：基于感知与内部状态自主决策 │
│ 架构（Architecture）＝ 运行它的计算平台 │
│ 程序（Program）＝ 智能体函数的那个可行近似 │
└─────────────────────────────────────────────────┘智能体函数是「感知序列 → 动作」的映射，数学上是一张可能无限大的表；程序是找出可行近似的那段代码。判据落在自主性上：被动响应外部刺激、或只会执行预设指令的程序不算智能体。
架构与程序：智能体是怎么实现的
Russell & Norvig, Artificial Intelligence: A Modern Approach, 4th ed., 2020 把实现拆成两个概念：
- 架构（Architecture）：运行智能体的计算平台（含传感器与执行器）
- 程序（Program）：实现**智能体函数（Agent Function）**的那个具体实现
智能体函数是数学意义上的映射——「感知序列 → 动作」。它是一个可能无限大的表；智能体程序则是找出可行近似的那段代码。AI 的核心挑战就在于：用少量代码产生理性行为，而不是靠一张巨大的查表。
一个基本智能体程序反复做四件事：
1. 取当前感知作为输入
2. 可选：用这个感知扩充对环境的模型（即更新「状态」）
3. 可选：基于更新后的状态 + 关于环境如何演化、动作如何影响环境的硬编码知识，
算出有助于选择下一步动作的信息
4. 选择动作第 4 步的三条路径正好对应三种智能体类型：查规则表（反射）、搜索与规划（目标）、效用函数（效用）。第 2、3 步是可选的——省掉它们就是最简单的反射型。
理性智能体
定义：选择能最大化性能度量期望值的动作，给定截至目前的感知序列与智能体内置的知识。
理性依赖四个要素，任何一个变化都会改变「理性」的答案：
- 性能度量——定义成功的程度
- 感知序列——完整的感知历史
- 智能体对环境的知识
- 智能体可用的动作
三条容易被混为一谈的不等式：
理性 ≠ 全知（omniscient） —— 理性基于已有感知，不是基于世界的真实状态
理性 ≠ 先知（clairvoyant） —— 理性不预测未来，只最大化期望值
∴ 理性 ≠ 成功 —— 运气不好时，理性的选择也会失败传统智能体的五级阶梯
Russell & Norvig 的分类，也是后面所有「智能体类型」讨论的底座。
| 层级 | 决策依据 | 典型例子 |
|---|---|---|
| 简单反射 | 「条件-动作」规则，只用当前感知 | 恒温器 |
| 基于模型的反射 | 内部世界模型，追踪无法被直接感知的方面 | 隧道中的自动驾驶：看不到前车，仍维持对其位置与速度的判断 |
| 基于目标 | 搜索与规划，选择导向特定未来状态的行动 | GPS 导航用 A* 规划最优路径 |
| 基于效用 | 为世界状态赋效用值，最大化期望效用 | 时间最短 + 最省油 + 避开拥堵的多目标权衡 |
| 学习型 | 性能元件 + 学习元件，用行动结果修正策略 | AlphaGo Zero 通过自我对弈发现超出人类既有知识的策略 |
五级阶梯的每一级都在补上一级的缺口，其中有两处是质变。
① 简单反射 条件-动作规则，只用当前感知
│ 局限：只在环境完全可观察、且决策仅凭当前感知就够时有效
│ 不满足时会出现两类失败 —— 放弃最优动作，或陷入无限循环
▼ 缺口：没有任何东西告诉它「上一步试过了」
② 基于模型的反射 从感知中抽取信息，维护一个世界状态的表示
│ 模型含两样：世界如何演化 + 智能体的动作如何影响世界
│ ▶ 第一次质变：感知 → 动作 变成 感知 → 状态 → 动作
│ 处理后能看到「看不到但确实存在」的东西
▼ 缺口：行为仍硬编码在规则里，没有「告诉它要做什么」的入口
③ 基于目标 接受一组目标状态，自己搜索与规划出路径
│ ▶ 第二次质变：把「做什么」和「怎么做」分开
▼ 缺口：目标只有二值区分，表达不了「更好的达成」
④ 基于效用 接受一个把状态映射到实数的效用函数
│ 需要比较两个都达成目标、但代价不同的方案时，连续刻度才有必要
▼
⑤ 学习型 性能元件 + 学习元件，用行动结果修正策略
└─ 学习能力横切前四级，不是并列的第五级简单反射的局限，正是阶梯的驱动
简单反射智能体只在环境完全可观察、且决策可以仅凭当前感知做出时才有效。不满足时会出现两类失败：放弃最优动作，或者陷入无限循环——因为没有任何东西告诉它「上一步试过了」。
由此引出「状态」：与其只存感知，不如从感知中抽取相关信息并维护一个世界状态的表示。这就是基于模型的反射智能体，它的「模型」包含两样东西：
- 世界如何演化（与智能体的动作无关的那部分变化）
- 智能体的动作如何影响世界
有了状态，智能体的行为不再被当前感知完全决定，可以处理「看不到但确实存在」的东西。这是阶梯上第一次质变：从「感知 → 动作」变成「感知 → 状态 → 动作」。
目标与效用的区别
前两级的行为是硬编码在规则里的——没有办法「告诉它要做什么」，只能事先把每条规则都写好。要获得自主性，必须能把「做什么」和「怎么做」分开：我们说目标，它自己找路径。
| 层级 | 接受什么输入 | 局限 |
|---|---|---|
| 基于目标 | 一组目标状态 | 目标只有二值区分——达成或不达成，无法表达「更好的达成」 |
| 基于效用 | 一个把状态映射到实数的效用函数 | —— |
目标式智能体的现实问题：目标通常不能靠单个动作达成，于是需要搜索与规划——找出能达成目标的动作序列，这正是 AI 的两个子领域。
效用式的引入是因为目标只给出「满意 / 不满意」的粗糙二分。一旦需要比较两个都达成目标、但代价不同的方案（更快？更省油？更少走弯路？），就需要效用函数给出连续刻度。
三个分类维度
| 维度 | 取值 |
|---|---|
| 决策架构 | 反应式 / 模型式 / 目标式 / 效用式（即上表前四级），学习能力横切 |
| 时间与反应性 | 反应式 / 规划式 / 混合式 |
| 知识表示 | 亚符号主义 / 符号主义 / 神经符号主义 |
反应性 vs 规划性的权衡。 反应式智能体从感知到行动近乎直接映射，延迟低、开销小，代价是短视、易陷局部最优（安全气囊的毫秒级响应、高频交易）。规划式智能体先用世界模型评估不同行动序列的后果再动手，有远见但时间与计算成本高，环境变化快时可能错过行动时机（棋手预想十几步）。LLM 智能体属于混合式——在「思考-行动-观察」循环里，把审议（思考阶段）和反应（行动与观察阶段）拆成一系列微循环。
知识表示三派。
| 范式 | 优势 | 缺陷 |
|---|---|---|
| 亚符号主义（连接主义） | 模式识别强、对噪声鲁棒、能处理图像声音等非结构化数据 | 黑箱不可解释；纯逻辑推理差；会产生看似合理却错误的幻觉 |
| 符号主义 | 透明可解释，推理步骤可完整追溯 | 脆弱：依赖完备规则体系，「知识获取瓶颈」——任何未被覆盖的新情况都可能让系统失灵 |
| 神经符号主义 | 融合两者 | —— |
卡尼曼的双系统理论是现成的类比（KAHNEMAN D. Thinking, Fast and Slow. 2011）：系统 1（快、直觉、并行）≈ 亚符号主义；系统 2（慢、有条理、逻辑）≈ 符号主义。LLM 智能体是神经符号主义的实践范例——内核是神经网络，工作过程中又生成思想、计划、API 调用这些明确的符号。
任务环境
PEAS：把环境写清楚
描述任务环境的框架是 PEAS：
| 字母 | 问的问题 |
|---|---|
| Performance | 智能体怎么知道自己在做该做的事？ |
| Environment | 智能体在与什么交互？ |
| Actuators | 智能体如何影响环境？ |
| Sensors | 智能体如何从环境获取信息？ |
以本书的智能旅行助手为例，完整填一遍：
| 维度 | 内容 |
|---|---|
| 性能度量 | 行程合理性与用户满意度；工具调用成功率；达成用户约束（预算、日期、偏好）；任务完成所需轮数 |
| 环境 | 航司与酒店预订 API、天气服务、景点搜索；其他用户的预订行为与动态调价系统 |
| 执行器 | 调用天气/航班/酒店 API；检索景点；生成自然语言回复 |
| 传感器 | 用户输入；各 API 的返回数据（JSON）；上一步动作的执行结果 |
原书表 1.2（智能旅行助手的 PEAS 描述）以图片形式给出，具体条目无法从文本提取。上表是按 PEAS 四项自行填写的，仅用于示范怎么填。
任务环境定义了「问题」，理性智能体是这个问题的解。 所以 PEAS 写不出来，后面所有设计都是猜的。
环境分类的七个维度
R&N 给出一套正交的分类维度。每个维度的前一个选项，都让智能体的工作更容易：
| 维度 | 两端 | 判据 |
|---|---|---|
| 可观察性 | 完全可观察 / 部分可观察 | 传感器能否检测到与动作选择相关的全部方面 |
| 确定性 | 确定性 / 随机性（含策略性） | 下一个状态是否完全由当前状态和动作决定。策略性（strategic）＝ 除了其他智能体的动作之外都是确定的 |
| 回合性 | 回合式 / 序贯 | 当前决策是否影响后续决策。回合式环境里只有当前（或最近的）感知相关，每次都是独立的一次性动作 |
| 静态性 | 静态 / 半动态 / 动态 | 智能体思考时环境是否会变。半动态＝ 环境不变，但思考太久会降低性能度量 |
| 离散性 | 离散 / 连续 | 适用于状态集、感知集、动作集、以及时空的解释 |
| 智能体数量 | 单智能体 / 多智能体 | 环境中是否存在其他智能体。多智能体还要看它们是漠不关心、合作还是竞争 |
| 知识 | 已知 / 未知 | 智能体是否事先知道所有动作的结果（如国际象棋里知道棋子被吃就会离场） |
「难」是叠加的。 如果一个智能体处在随机、动态、部分可观察、多智能体、未知、序贯、连续的环境里，它的工作会难得多——七个维度的不利端全占了。
几个经典例子的落点（来自 R&N 的示例表）：
| 环境 | 可观察 | 确定性 | 回合性 | 静态性 | 离散 | 单/多智能体 |
|---|---|---|---|---|---|---|
| 单人纸牌 | 否 | 是 | 否 | 是 | 是 | 单 |
| 双陆棋 | 是 | 否 | 否 | 半动态 | 是 | 多 |
| 网络购物 | 否 | 部分 | 否 | 半动态 | 是 | 多（拍卖除外） |
| 出租车驾驶 | 否 | 否 | 否 | 否 | 否 | 多 |
多智能体的四种关系值得单独记：漠不关心、合作、竞争。竞争环境里还需要「随机化行为」——可预测的策略会被对手利用。
环境分类的七个维度里，前一个选项都让智能体的工作更容易。
维度 容易端 ←────────────────────────→ 困难端
可观察性 完全可观察 ────────────────────── 部分可观察
确定性 确定 ──────────────────────────── 随机（含策略性）
回合性 回合式 ────────────────────────── 序贯
静态性 静态 ──────── 半动态 ──────────── 动态
离散性 离散 ──────────────────────────── 连续
智能体数量 单智能体 ──────────────────────── 多智能体
知识 已知 ──────────────────────────── 未知
难点是叠加的：随机 + 动态 + 部分可观察 + 多智能体 + 未知 + 序贯 + 连续，
七个不利端全占，就是最难的那一类环境。
LLM 智能体实际落在哪：四条不利端同时成立
部分可观察 ──▶ 必须有记忆（存已获得的状态）与主动探索（补齐信息）
随机性 ──▶ 要能处理不确定性、监控变化、及时重新决策
多智能体 ──▶ 其他用户、自动化脚本、动态调价系统都是行动者
序贯 + 动态 ──▶ 循环必须持续运行并适应变化，不能假设环境静止LLM 智能体的数字环境落在哪
对照上面七个维度，LLM 智能体所处的环境有四个特性值得单独拎出来（这是原书强调的四条）：
| 环境特性 | 对照七维分类 | 对应工程要求 |
|---|---|---|
| 部分可观察 | 部分可观察 | 记忆（存已获得的状态）+ 探索（主动补齐信息） |
| 随机性 | 随机性 | 处理不确定性、监控变化、及时重新决策 |
| 多智能体 | 多智能体（其他用户、自动化脚本、调价系统） | 快速响应，把其他行动者纳入策略 |
| 序贯 + 动态 | 序贯 + 动态 | 循环必须持续运行并适应变化，不能假设环境静止 |
「部分可观察」是这一层最硬的约束——它直接决定了 10-智能体记忆系统 和 02-Agent Loop 的形状。而「序贯」意味着不能把 03-ReAct 的每一步当成独立回合处理。
Workflow 与 Agent 的边界
Workflow 让 AI 按部就班执行指令，Agent 赋予 AI 自由度去自主达成目标。
| 维度 | Workflow | Agent |
|---|---|---|
| 分支从哪来 | 编写时由人枚举 | 运行时由模型推理产生 |
| 覆盖不到的分支 | 系统失灵或走兜底 | 可能自行得出合理处理 |
| 结果可复现性 | 同输入必同输出 | 同输入可能不同输出 |
| 可审计性 | 每条路径可追溯 | 推理链需要额外记录 |
判据是决策逻辑是否需要在运行时确定，而不是任务复杂度。环境越确定、分支越可枚举，Workflow 越够用。这跟 Rule 与 LLM 的边界 是同一类问题：边界画不清时，混合方案（Workflow 管确定性主干，Agent 管开放语义分支）比纯某一种更可靠。
协作架构的三种范式
| 范式 | 编排单位 | 代表 | 主要代价 |
|---|---|---|---|
| 单智能体自主循环 | 一个智能体的「思考-规划-执行-反思」迭代 | BabyAGI、AutoGPT | 上下文容量是硬上限 |
| 多智能体协作 | 角色之间的对话 | 角色扮演式：CAMEL；组织化工作流 + SOP：MetaGPT、CrewAI；对话网络：AutoGen、AgentScope | 通信开销与角色协调成本 |
| 高级控制流架构 | 状态图上的节点与边 | LangGraph | 需要显式建模流程，换来循环、分支、回溯、人工介入 |
越靠下的范式，流程中被预先定义的部分越多、可审计性越强；越靠上，运行时自主决策的比例越高。
三种协作范式沿「预定义了多少」这条轴排列，越往下可审计性越强。
预定义少、运行时自主决策的比例高
▲
│ ① 单智能体自主循环
│ 编排单位：一个智能体的「思考-规划-执行-反思」迭代
│ 代表：BabyAGI、AutoGPT
│ 代价：上下文容量是硬上限
│ └─ 流程里几乎没有预定义的部分，全靠模型临场决定
│
│ ② 多智能体协作
│ 编排单位：角色之间的对话
│ 三种组织方式：角色扮演（CAMEL）/ 组织化工作流 + SOP（MetaGPT、CrewAI）
│ / 对话网络（AutoGen、AgentScope）
│ 代价：通信开销与角色协调成本
│ └─ 预定义了「有哪些角色」，没预定义「它们怎么谈」
│
│ ③ 高级控制流架构
│ 编排单位：状态图上的节点与边
│ 代表：LangGraph
│ 代价：需要显式建模流程
│ └─ 换来的是循环、分支、回溯、人工介入都能被表达出来
▼
预定义多、可审计性强相关
- 02-Agent Loop —— 上面这些概念的运行结构
- 10-智能体记忆系统 —— 「部分可观察」这个约束的直接产物
- Rule 与 LLM 的边界 —— Agent 侧的同源问题：确定性交给规则、开放语义交给模型
参考
- Datawhale. Hello-Agents 第一章. https://hello-agents.datawhale.cc/
- RUSSELL S, NORVIG P. Artificial Intelligence: A Modern Approach[M]. 4th ed. London: Pearson, 2020.
- KAHNEMAN D. Thinking, Fast and Slow[M]. New York: Farrar, Straus and Giroux, 2011.
- https://wikibooks.cn/wiki/Artificial_Intelligence/AI_Agents_and_their_Environments 、https://cs.lmu.edu/~ray/notes/agents/
YJ