是时候停止vibe，看清AI智能体的本质了！

0 前言

AI快速发展大时代，一些术语几乎每周甚至每天都会被赋予新含义，让人一时失措，忽略很多基本原则。

本文从其中一个术语开始——智能体（Agent）。

1 2025：智能体之年

2025的确是“智能体之年”。近年LLM飞速发展带来文本、图像甚至视频生成的惊天之力，但如今关注点已从“生成”转向能在数字或现实世界中采取行动的系统。

人们的氛围感兴奋可以理解。AI价值会随其“可行动性”呈指数级增长。尽管已有多年的软件自动化，但大多系统仍是静态且脆弱。如能将它们与更灵活的决策能力结合，将带来巨大突破。但真正做到这点不易！

时至今日，仍有人会问：“到底智能体是个啥？”

2 智能体定义

不同机构对“智能体”的定义并不一：

• OpenAI 的定义
• IBM 的定义
• Simon Willison 在 AI 工程师大会上收集的六种不同定义

都有其合理性，但也都存在局限性。智能体的定义其实早有，并且还有专门研究多智能体系统的学术领域。

3 过去的智能体定义

回顾历史，“智能体”从无固定定义。学术研究中的智能体可以是：

• 完全具象的机器人，能探索其环境
• 模拟市场中的独立行为者，以预测价格动态
• 具备内部知识表示和世界模型，并用标准化智能体语言进行通信的软件系统
• 由多个简单个体组成的群体，可以通过自组织实现复杂行为

4 现代智能体定义

由于AI井喷式发展，智能体定义越来越多。但许多定义要么过于复杂，要么忽略一些关键点。看如下常见智能体定义，并分析可能问题：

• “智能体是一个具备行为指令、可访问扩展能力的工具，并在动态生命周期中运行的模型。”（智能体一定需要指令吗？一定是个“模型”吗？）
• “一个能够自主学习、适应和执行分配目标的应用程序。”（智能体一定要会学习吗？目标一定要被分配吗？）
• “能够执行长期、开放式任务的AI系统。”（任务必须长期吗？必须要完成任务吗？）
• “智能体 = LLM + 记忆 + 规划 + 工具 + While 循环。”（一定需要记忆吗？一定需要LLM吗？或者一定要用While循环吗？）
• “一个可以代表用户做出重要决策的系统。”（它必须代表用户吗？能否代表自己？人类是否也是智能体？）
• “应用程序的智能体化程度越高，LLM对控制流程的决定权越大。”（智能体必须依赖LLM吗？智能体是一个渐变的概念还是一个二元状态？）
• “一个执行复杂、多步骤操作的AI组件，这些操作以前需要人类完成。”（任务必须是复杂的吗？如果AI执行的是人类无法完成的任务呢？杀毒软件算智能体吗？）

并非杠精批评这些定义，而是强调：“智能体”这个概念本就难定义。

历史上的智能体定义过于简化，因为限制于生产力发展，很难想象软件系统能拥有如今LLM所具备能力。而现代定义则存在相反问题，过于依赖LLM，认为智能体一定要具备高度复杂功能。

5 “智能体”本质含义

可基于过去的研究成果和现代技术发展，归纳较本质的定义：

智能体是一个能够自主决策并采取行动，以在其环境中实现一个或多个目标的系统。

该定义涵盖：

• 软件智能体（Software Agent）：如自动化脚本、推荐系统
• AI智能体（AI Agent）：如大模型驱动的聊天机器人、自动驾驶系统
• 生物智能体（Biological Agent）：如咬坏你家电线的老鼠😅

5.1 该定义的关键

1. 它是一个系统——智能体是一个独立实体
2. 它是自主的——智能体可根据某些标准决定是否行动
3. 它具备行动能力——智能体可以在环境中执行操作，如采集信息、影响物理世界等
4. 它存在于环境中——环境可以是物理的（现实世界），也可以是数字的（如网络）
5. 它有目标——目标可以是内置的（预设），可以由外部分配，也可能动态生成

以下两点虽非严格必要，但大多有用智能体都具备：

• 长期运行性——智能体通常长期存在，而不仅是执行一次任务后消失
• 感知反馈机制——它通常需监测环境，以便在需要时调整行动

6 “多智能体系统”又是啥？

很多人把某些任务拆分到多个系统，就称“多智能体系统”，但实际上，这些系统只是多个组件协同工作，并非真正多智能体系统。

一个真正的多智能体系统，应该满足：

1. 每个智能体都是自主的，而不仅仅是执行上一级任务的命令。
2. 智能体之间可以产生冲突或竞争，而不仅仅是流水线式的合作。

如多个AI可共享相同资源库，而它们的交互方式可能导致竞争或协作，这才是真多智能体系统。

7 你真需要智能体吗？

如你在构建可“采取行动”的AI系统，那大概率已在构建智能体。了解智能体的本质定义，可助你更好设计系统，并考虑环境、目标、行动能力和自主性等关键因素。

诸君 2025 智能体工程（AgentEngineering）之旅愉快！