- AI代理从仅对当前输入做出反应的简单反射系统，到能够规划、学习并协调各类复杂任务的高级代理，应用领域广泛。
- 简单反射代理仅根据当前环境条件采取行动，而基于模型的反射代理则通过内部模型跟踪和预测环境变化，从而提升决策能力。
- 多代理系统包含多个AI代理协同或竞争工作，使自动驾驶汽车在交通中协调、或管理复杂供应链等高级应用成为可能。
近年来，AI代理发展迅猛。随着技术和能力的提升，如今AI代理的类型也变得多样化。
AI代理是一种执行任务的软件。与普通聊天机器人不同，它可以代表用户执行操作。
AI代理的类型非常丰富，从智能温控器、自动驾驶汽车，到带有聊天界面的代理。所有这些用例都属于七大AI代理类型之一。本文将介绍七种主要AI代理类型，并分享一些AI代理的实际案例。
1. 简单反射代理
简单反射代理是一种仅根据当前环境输入做出决策的AI系统。
它通过一组条件-动作规则，将观测到的输入映射为特定响应。当检测到环境中的某种状态时，会执行相应的规则。
它没有记忆或内部世界模型——因此只能在完全可观测的环境中有效运行，每次决策都仅依赖当前输入。
简单反射代理示例
- 温度过低时自动开启加热的恒温器
- 遇到墙壁就转向的机器人（比如顶着猫的Roomba）
- 一个基础的聊天机器人，当用户说“Hi”时会回复“Hello！”
.webp)
2. 基于模型的反射代理
基于模型的反射代理是一种既依赖当前输入，也依赖内部世界模型做决策的AI代理。
与简单反射代理不同，这类代理会持续跟踪环境状态的变化。它利用模型——即储存的世界运行信息——在环境不可完全观测时填补信息空白。
每当收到新输入时，会更新内部状态，查阅条件-动作规则，并结合当前感知和以往经验选择最佳响应。
基于模型的反射代理示例
- 记住房间布局并避开已清扫区域的扫地机器人
- 能够在对话中持续追踪用户输入的LLM代理
- 不仅根据当前所见，还结合比赛早期信息做出反应的游戏AI
3. 学习型代理
学习型代理是一种通过经验不断提升自身表现的AI代理。
它包含四个主要组成部分：学习单元、执行单元、评价器和问题生成器。
执行单元负责选择行动，学习单元则根据反馈调整行为。评价器依据预设标准评估行动结果，问题生成器则提出新行动建议以促进更好学习。
这种结构使代理能够适应变化，优化策略，即使在陌生环境下也能有效运作。
学习型代理示例
4. 基于效用的代理
基于效用的代理是一种根据预期结果能带来最大整体价值（即“效用”）来选择行动的AI代理。
这种代理不仅仅追求达成目标，而是评估不同可能结果，选择能最大化预设效用函数的方案。
这样可以应对实现目标方式多样或需要权衡取舍的情形。它需要比较选项、预测后果，并根据偏好或优先级对结果排序。
基于效用的代理示例
- 根据转化可能性优先跟进线索的销售聊天机器人
- 在风险与收益间平衡以实现长期收益最大化的股票交易机器人
- 安排会议以最小化冲突、最大化便利性的商务聊天机器人
5. 分层代理
分层代理是一种将决策过程分为多个层级的AI代理，高层负责抽象目标，低层负责具体行动。
这种代理将复杂任务拆分为更小的子任务，每个层级负责不同范围的决策。
高层可能规划长期策略，低层则处理即时传感器数据和实时响应。各层之间相互沟通，使代理能够协调总体目标与具体执行。
这种结构有助于管理复杂性，并能在不同时间尺度或优先级下扩展行为。
分层代理示例
- 制造业中，高层代理规划装配流程，低层则控制机械臂和时间安排
- 在智能工厂中，不同层级分别管理生产计划、设备协调和实际操作
6. 基于目标的代理
基于目标的代理是一种通过评估哪些行动有助于实现特定目标来做决策的AI代理。
代理被赋予一个或多个目标——即期望达成的结果。它利用搜索或规划算法探索可能的行动序列，并选择最有可能实现目标的方案。
与反射型代理不同，它不仅仅做出反应，而是在行动前推理未来后果。这使其在动态或陌生环境中更灵活、更有能力，但也更依赖计算资源。
基于目标的代理示例
- 计算最佳路线到达目的地的导航系统
- 通过搜索找到完成拼图步骤的解谜AI
- 规划一系列动作以成功组装产品的机器人手臂
7. 多代理系统（MAS）
最后但同样重要的是：多代理系统。
多代理系统（MAS）是由多个相互作用的AI代理组成的系统，这些代理协作（有时也会竞争）以实现各自或共同的目标。
系统中的每个代理独立运行，拥有自己的能力、目标和对环境的感知。
这些代理通过消息直接沟通，或通过观察环境变化间接协调。整个系统能够解决单一代理难以应对的复杂或分布式问题。
多代理系统可以是协作型、竞争型，或两者结合，具体取决于设计和目标。
多代理系统示例
构建自定义AI代理
构建一个定制化的AI代理并不难——而且你可以免费完成。
Botpress 提供可拖拽的可视化流程编辑器、企业级安全保障、丰富的学习资料库，以及拥有 20,000 多名机器人开发者的活跃 Discord 社区。
我们的可扩展平台让您可以构建任何自定义聊天机器人并集成任何自定义功能——而我们的 集成中心 已内置了主流渠道的连接器。
立即开始构建。 免费使用。
常见问题解答
AI代理有哪7种类型？
这7种类型包括：简单反射型代理、基于模型的反射型代理、基于目标的代理、基于效用的代理、学习型代理、分层代理和多智能体系统。
ChatGPT是AI代理吗？
是的，ChatGPT可以被视为AI代理——它接收输入、进行处理并生成响应，根据部署方式通常采用目标驱动或效用驱动的方法。
什么是智能体，它们在数字环境中如何运作？
智能代理是为在各种数字环境中行动而设计的实体。它们从周围环境中收集信息，评估当前状况，并执行行动以实现预定目标。代理的表现受其在可观测环境中采取的外部行动影响。
人工智能在智能体功能中扮演了什么角色？
人工智能赋予智能代理学习、推理和适应的能力。代理利用AI增强其知识库，从而在不同环境中做出更复杂的决策。
智能体的知识库包括哪些内容？
智能代理的知识包括关于环境的信息、预设规则以及对当前情境的基本理解。这些知识构成了其决策过程的基础。
在智能体的语境下，什么是性能要素？
智能代理的性能要素指的是其在特定环境中实现目标并做出优化行动决策的能力。这是决定代理效率和效能的关键组成部分。
智能体可以在分层结构中运行吗？
可以，分层代理是一种在结构化层级中运行的智能代理。高层代理负责总体决策，低层代理则在更大框架下处理具体任务。这种分层结构有助于在复杂环境中高效运作。
智能体是否以有限的智能进行操作？
是的，许多智能代理的智能是有限的，这意味着它们拥有有限的知识和能力范围。这种限制有助于它们专注于特定任务和它们最擅长的环境。
.webp)
