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** AI 智能体（AI Agent）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。它的能力范围…
# 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** AI 智能体（AI Agent）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。它的能力范围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 智能体被用于解决软件设计、IT 自动化、代码生成和对话协助等复杂任务。它借助大语言模型（LLM）的自然语言处理能力，逐步理解并响应用户输入，并判断何时调用外部工具。 一个典型案例是 Dynamiq 使用 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。该系统先用低成本的 IBM Granite 分类器对法律查询进行路由，只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进行智能路由的模式，把合同审查时间从 90 分钟缩短到 45 分钟，同时确保每项决策可审计且具备成本效益。 一、AI 智能体如何工作 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 根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，从而实现复杂目标。在此过程中，智能体会逐渐适应用户期望，将过去的交互存入记忆并规划未来行动，从而提供个性化体验和更全面的回答。整个过程可归纳为三个阶段： 1. 目标初始化与规划 虽然决策流程是自主的，但智能体仍需要由人确定目标和预定义规则。影响自主智能体行为的主要有三方：设计和训练智能体系统的开发团队；部署智能体并为用户提供访问权限的团队；以及向智能体下达具体目标、界定可用工具的用户。在明确目标与工具后，智能体会进行任务分解，生成包含具体任务与子任务的计划。对于简单任务，规划并非必需，智能体可以直接迭代反思并改进回答。 2. 使用可用工具进行推理 智能体根据感知到的信息采取行动，但往往缺乏完成每个子任务所需的全部知识。为弥补差距，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，从而做出更明智的决策。 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 并不专门掌握天气模式，智能体先从包含希腊历年每日天气报告的外部数据库收集信息；仍无法确定最佳冲浪条件时，它再创建一个子任务，与专门负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。随后智能体整合各工具的信息识别规律，预测出最合适的一周并呈现给用户。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 智能体利用其他智能体和“人在回路”（HITL）等反馈机制提升回答准确性。在给出回答后，它会把学到的信息与用户反馈一并存储，以便改进性能并适配用户未来目标。若使用了其他智能体，其反馈也可能被采纳；多智能体反馈能显著减少人工指导所需时间。用户也可在智能体的行动和内部推理过程中提供反馈，使结果更贴近预期。这种迭代改进提升了推理能力与准确性。为避免重复犯错，智能体还会在知识库中存储以往障碍的解决方案。 二、智能体型与非智能体型聊天机器人的区别 AI 聊天机器人使用会话式 AI 技术（如自然语言处理）理解问题并自动回复。聊天机器人是一种模式，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、记忆和推理能力，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。它们能应对常见提示，但对只针对该用户及其数据的问题表现不佳；由于没有记忆，回答不理想时也无法从错误中学习。 相比之下，智能体式聊天机器人会随时间适应用户期望，提供更个性化、更全面的回答。它能创建无需人工干预的子任务、考虑不同计划，并按需自我更正与更新；它会评估可用工具，用自身资源填补信息空白。 三、两种主流推理范式 目前没有构建 AI 智能体的标准架构，但已有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。“思考—行动—观察”循环逐步解决问题并迭代改进回答。借助提示结构，智能体被要求缓慢推理并展示每个“想法”，从而让分析过程可见；它依据新的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 消除了行动规划对工具输出的依赖，智能体提前制定计划，在收到初始提示后预测要使用哪些工具，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；收…
https://www.fde.pub/news/876