7 种主要的人工智能代理[附示例]

1.简单反射剂

简单反射代理是一种只根据当前环境输入做出决策的人工智能系统。

它使用一系列条件-行动规则，将观察到的输入映射到特定的响应。当它检测到环境中的某种状态时，就会执行相应的规则。

它没有记忆，也没有关于世界的内部模型，因此只能在完全可观察的环境中有效运行，在这种环境中，每个决定都只能根据当前的输入做出。

简单反射代理示例

• 如果太冷，恒温器会打开暖气
• 撞墙后会转弯的机器人（你好，顶上有只猫的 Roomba）
• 一个基本的聊天机器人，当用户说 "你好 "时，它会回复 "你好！"

‍

2.基于模型的反射代理

基于模型的反射代理是一种人工智能代理，它能根据当前输入和世界的内部模型做出决策。

与简单的反射型代理不同，这种类型的代理会随时跟踪环境状态。它使用一个模型--本质上是关于世界如何运作的存储信息--来填补环境无法完全观察到的空白。

当接收到新的输入时，它会更新内部状态，查询条件-行动规则，并根据当前的感知和以往的互动经验选择最佳响应。

基于模型的反射代理示例

• 能记住房间布局并避开已清洁区域的机器人真空吸尘器
• 一个LLM 代理，可在继续对话的同时跟踪用户过去的输入信息
• 游戏人工智能不仅能对看到的情况做出反应，还能对比赛前的情况做出反应

‍

3.学习型代理

学习型代理是一种人工智能代理，它通过学习经验来不断提高自己的性能。

它有四个主要组成部分：学习元素、表演元素、评论家和问题生成器。

性能元素选择行动，而学习元素则根据反馈调整自己的行为。批评者使用预定义的标准对行动结果进行评估，而问题生成器则建议尝试新的行动，以便更好地学习。

这种结构使代理能够适应变化、完善策略，即使在陌生的环境中也能有效运作。

学习代理实例

• 根据市场表现调整交易策略的加密货币人工智能代理
• 根据用户行为更好地推荐产品的推荐引擎
• 从患者互动中学习以提高分诊准确性的医疗聊天机器人

‍

4.基于效用的代理

基于效用的代理是一种人工智能代理，它根据哪种结果有望提供最高的总体价值或 "效用 "来选择行动。

这种代理不只是为了实现目标，而是对不同的可能结果进行评估，并选择能使预定义效用函数最大化的结果。

这使它能够处理有多种方法实现目标或必须做出权衡的情况。它要求能够比较各种选择、预测后果，并根据偏好或优先顺序对结果进行排序。

5.分层代理

分层代理是一种将决策过程分为多个层次或级别的人工智能代理，较高层次处理抽象目标，较低层次管理具体行动。

这种代理将复杂的任务分解成更小的子任务，每个层级负责不同范围的决策。

高层可规划长期战略，低层则处理即时传感器数据和实时响应。各层之间的通信畅通无阻，使代理能够协调广泛的目标和详细的执行工作。

这种结构更易于管理复杂性，并在不同的时间框架或优先事项中扩展行为。

分级代理示例

• 在制造过程中，高级代理负责规划装配流程，而低级代理负责控制机械臂和时间安排
• 在智能工厂中，不同层级负责管理生产计划、机器协调和物理操作

‍

6.基于目标的代理

基于目标的代理是一种人工智能代理，它通过评估哪些行动有助于实现特定目标来做出决策。

代理被赋予一个或多个目标--它希望达到的预期结果。它使用搜索或规划算法来探索可能的行动序列，然后选择最有可能实现目标的行动序列。

与反射型代理不同的是，它不只是做出反应，而是在行动之前对未来的后果进行推理。这使它在动态或陌生的环境中更加灵活，能力更强，但对计算的要求也更高。

7.多代理系统（MAS）

最后但并非最不重要的是：多代理系统。

多代理系统（MAS）是一个由多个交互式人工智能代理组成的系统，这些代理相互协作（有时也相互竞争），以完成各自或共同的目标。

系统中的每个代理都独立运行，有自己的能力、目标和对环境的感知。

这些代理可直接通过信息或间接通过观察环境变化进行沟通和协调。整个系统可以解决过于复杂或分散的问题，而单个代理是无法处理这些问题的。

多代理系统可以是合作性的，也可以是竞争性的，或者两者兼而有之，具体取决于设计和目标。

多代理系统实例

• 自动驾驶汽车在十字路口协调行驶以避免碰撞
• 一组财务机器人通过人工智能工作流程自动化管理发票开具、欺诈检测和报告工作
• 由不同代理商管理库存、运输和需求预测的供应链系统

构建自定义人工智能代理

建立一个定制的人工智能代理并不难，而且可以免费实现。

Botpress 提供拖放式可视化流程生成器、企业级安全性、丰富的教育资料库以及由 20,000 多名机器人构建者组成的活跃Discord 社区。  

我们的平台具有可扩展性，这意味着您可以使用任何自定义集成构建任何自定义聊天机器人--我们的集成Hub预置了大量连接最大渠道的连接器。

今天就开始建设。它是免费的。