什么是 AI 智能体？从定义、工作原理到五大类型全解析
# 什么是 AI 智能体？从定义、工作原理到五大类型全解析 **原文链接：https://www.ibm.com/cn-zh/think/topics/ai-agents** **来源：AnySearch 企业AI** 人工智能（AI）智能体是一种通过使用可用工具设计工作流来自主执行任务的系统。它的能力远不止自然语言…
# 什么是 AI 智能体？从定义、工作原理到五大类型全解析 **原文链接：https://www.ibm.com/cn-zh/think/topics/ai-agents** **来源：AnySearch 企业AI** 人工智能（AI）智能体是一种通过使用可用工具设计工作流来自主执行任务的系统。它的能力远不止自然语言处理，还包括决策制定、问题求解、与外部环境交互以及执行各种操作。 在企业应用中，AI 智能体被用于软件设计、IT 自动化、代码生成和对话协助等复杂任务。它们借助大语言模型（LLM）的自然语言处理能力，逐步理解并响应用户输入，并自行判断何时调用外部工具。 一个典型例子是 Dynamiq 基于 IBM watsonx Orchestrate 为一家大型保险客户构建的多智能体法律研究助手：系统先用低成本的 IBM Granite 分类器对法律查询进行路由，仅把复杂案件升级给能力更强的研究智能体。这种在专用智能体之间智能路由的模式，将合同审查时间从 90 分钟缩短到 45 分钟，同时保证每项决策可审计、成本可控。 ## 工作原理：LLM 是核心 AI 智能体的核心是大语言模型，因此常被称为 LLM 智能体。传统 LLM 依据训练数据生成回答，受限于自身知识与推理能力；而智能体技术通过「工具调用」在后台获取最新信息、优化工作流并自主创建子任务，从而完成复杂目标。在此过程中，自主智能体会随着时间推移学习适应用户期望，把过去的交互存入记忆中并规划未来行动，提供个性化体验与更全面的回答。其运作可归纳为三个阶段： **1. 目标初始化与规划。** 尽管决策流程是自主的，智能体仍需由人确定目标和预定义规则。影响因素有三个：开发智能体式 AI 系统的团队、部署并授予访问权限的团队，以及提供具体目标与可用工具的用户。在此基础上，智能体会做任务分解，形成包含具体任务和子任务的计划。对于简单任务，规划并非必需，智能体可直接迭代反思并改进回答。 **2. 使用工具进行推理。** 智能体依据感知到的信息行动，但往往缺乏处理每个子任务所需的全部知识。为此它会求助于外部数据集、网络搜索、API 甚至其他智能体。收集到缺失信息后，智能体更新知识库并自主推理，不断重新评估行动计划、自我修正，做出更明智的决策。 以规划假期为例：用户要求智能体预测明年哪一周最适合去希腊冲浪。由于核心 LLM 并不专精天气模式，智能体先从包含希腊历年每日天气报告的外部数据库取数；仍无法判断最佳冲浪条件时，它再创建子任务，与专责冲浪的外部智能体通信，得知涨潮、晴天且几乎无雨时条件最佳；最后综合各工具信息识别规律，给出预测。这种跨工具的信息共享，使 AI 智能体比传统 AI 模型更通用。 **3. 学习与反思。** 智能体通过其他智能体和「人在回路」（HITL）等反馈机制提升准确性。形成回答后，它会把学到的信息连同用户反馈一起存储，以便未来目标下更好地适配偏好；若使用了其他智能体，其反馈也会被采纳。多智能体反馈能显著减少人工指导所耗时间，用户也可在智能体整个动作与内部推理过程中提供反馈。这种迭代改进提升了推理能力与准确性；为避免重蹈覆辙，智能体还会在知识库中存储过往障碍的解决方案。 ## 智能体式与非智能体式聊天机器人的区别 AI 聊天机器人使用会话式 AI 技术（如 NLP）理解问题并自动回复，它是一种模式，而智能体是一种技术框架。非智能体式聊天机器人缺少可用工具、记忆与推理能力，只能实现短期目标，无法提前规划，需要用户持续输入才能响应；它们对常见提示尚可，但针对特定用户及其数据的问题表现不佳，且因没有记忆，无法从失败中学习。 相比之下，智能体式聊天机器人会随时间学习适应用户期望，提供更个性化、更全面的回答；能自主创建子任务、权衡不同计划来完成复杂任务，并可按需自我更正与更新；它还会评估自身工具，用可用资源填补信息空白。 ## 两种主流推理范式 目前没有构建 AI 智能体的标准架构，但存在若干解决多步骤问题的范式： **ReAct（推理与行动）**：指示智能体在每次行动和每个工具响应后「思考」并规划下一步使用哪个工具。这些循环被称为「思考—行动—观察」循环，用于逐步解决问题并迭代改进。通过提示结构可要求智能体缓慢推理并展示每个「想法」，从而洞察其输出过程；智能体依据新推理不断更新上下文，可视为思路链提示的一种形式。 **ReWOO（无观察推理）**：与 ReAct 不同，ReWOO 让行动规划不依赖工具输出，而是提前制定计划。收到初始提示后即预测将使用哪些工具，避免重复调用。从人的角度看这更可取，因为用户可在执行前确认计划。其工作流包含三个模块：计划模块预测后续步骤；执行阶段收集工具调用产生的输出；最后将初始计划与工具输出配对形成回答。提前规划可大幅降低令牌消耗与计算复杂度，…
https://www.fde.pub/news/875