当我们向 AI 提出“帮我规划一次旅行”时，我们期待的往往不只是一段旅游建议，而是一个能够理解需求、查询信息、比较方案，并根据反馈调整行程的助手。

从“回答问题”走向“采取行动”，正是理解智能体（Agent）的一个切入点。

这篇文章是 Agent 学习系列的第一篇。我们沿着“什么是智能体 → 智能体如何运行 → 智能体如何与人协作”的顺序，建立一套基础认知，为后续学习大语言模型、工具调用和智能体开发打下基础。

1. 什么是智能体

先从一个基本定义开始：

智能体（Agent）是能够通过传感器感知环境，并通过执行器采取行动，以达成特定目标的实体。

这里的“实体”不局限于一段程序。机器人、自动驾驶系统，以及能够调用外部工具的软件助手，都可以放在这个框架下理解。

定义中的几个关键词，可以拆开来看：

要素	含义	软件智能体中的例子
环境（Environment）	智能体所处并与之交互的外部世界	网页、文件系统、数据库、业务系统
传感器（Sensors）	获取环境信息的入口	用户输入、搜索结果、API 返回值
执行器（Actuators）	执行操作的能力	调用工具、修改文件、执行代码
目标（Goal）	希望完成的任务或达到的状态	制定行程、修复程序、整理资料

理解智能体时，不要只盯着模型或代码，而要把它放进“环境—感知—决策—行动”的关系中。

另一个重要概念是自主性（Autonomy）：系统能够在给定的目标和约束下，根据获得的信息选择行动，而不需要人类逐步指定每一个操作。自主性有程度之分，简单规则系统和能够动态规划的 LLM 智能体，拥有的决策空间并不相同。

1.1 传统视角下的智能体的演进

智能体并不是大语言模型出现之后才有的概念。在此之前，人工智能研究已经围绕“如何感知环境、如何选择行动”发展出了多种架构。

理解这条演进脉络，可以从五类智能体入手。

（1）简单反射智能体：根据当前输入直接行动

简单反射智能体（Simple Reflex Agent）的核心，是预先设定的“条件—动作”规则。

例如，自动恒温器检测到室温高于设定值，就启动制冷；温度降到设定范围，就停止制冷。

它只需要回答：“当前满足了什么条件？对应应该执行什么动作？”

这类系统实现简单、响应迅速，但通常只依赖当前感知，不会记住过去发生的事情。当眼前的信息不足以判断下一步时，它的能力就受到了限制。

（2）基于模型的反射智能体：借助内部状态理解环境

基于模型的反射智能体（Model-Based Reflex Agent）引入了内部状态和世界模型（World Model），用来描述环境如何变化，以及行动可能带来的影响。

这里的“模型”不一定是大语言模型，也可以是一组状态转移规则或对环境的内部表示。

例如，自动驾驶系统发现前方车辆被其他物体短暂遮挡时，不会立即认定这辆车消失了，而是结合之前观察到的位置、速度等信息，估计它当前可能在哪里。

与简单反射智能体相比，它能够利用历史信息维护对环境的理解。决策依据由“这一刻看到了什么”，扩展为“根据已有信息，环境现在可能是什么状态”。

（3）基于目标的智能体：选择有助于实现目标的行动

有了环境状态，还需要明确要去哪里。

基于目标的智能体（Goal-Based Agent）会围绕目标选择行动，并借助搜索或规划，寻找从当前状态到目标状态的路径。

GPS 导航就是一个容易理解的例子：地图提供环境信息，目的地给出目标，路径规划则负责寻找一条能够到达目的地的路线。

它关注的问题是：“为了达成目标，我接下来应该做什么？”

（4）基于效用的智能体：在多种方案之间进行权衡

现实中的目标往往有多个评价维度。去公司不仅要能够到达，还可能希望耗时更短、费用更低、换乘更少。

基于效用的智能体（Utility-Based Agent）通过效用函数表示不同结果的好坏，并据此比较候选行动。在存在不确定性时，它通常需要考虑行动的期望效用。

例如，两条路线都能到达目的地：一条更快，但收费较高；另一条免费，却需要多花半小时。选择哪条路线，取决于用户对时间和费用的偏好。

它关注的问题进一步变成：“在这些可行方案中，哪一种结果更符合我的偏好？”

（5）学习型智能体：通过经验改进决策

前面几类架构描述了如何做决策。学习型智能体（Learning Agent）进一步关注：决策能力能否通过经验得到改进？

我们可以把它理解为两个部分的配合：性能元件负责根据当前能力选择行动，学习元件则利用反馈改进相关知识或策略。完整的学习架构还可以包含评价反馈、鼓励探索等机制。

强化学习（Reinforcement Learning，RL）是实现这一思想的一条重要路径。例如，下棋 AI 可以通过大量对弈，根据胜负反馈调整策略，逐渐学会更有效的下法。

学习能力并不只属于演进链条的最后一类，它也可以与基于模型、目标或效用的架构结合。

沿着这条脉络，我们看到智能体逐步具备了响应、记忆、规划、权衡和学习的能力。后面讨论 LLM 智能体时，仍然会反复遇到这些概念。

1.2 大语言模型驱动的新范式

大语言模型（Large Language Model，LLM）为智能体提供了新的构建方式：它可以理解自然语言任务，结合上下文生成计划，并选择下一步需要调用的工具。

传统智能体常常需要开发者显式设计领域规则、状态表示和规划方法。LLM 智能体则利用模型从训练中获得的语言能力和知识，在更广泛的任务中解释指令、组织信息和生成行动方案。

不过，这并不意味着传统智能体只能依赖固定规则，也不意味着 LLM 智能体可以脱离工程设计。工具接口、状态管理、权限边界和执行控制，仍然需要系统来提供。

我们继续用“智能旅行助手”来理解这种变化。

用户只说了一句：“帮我规划一次厦门之旅。”这不是一条可以直接执行的具体操作，而是一个还需要补全信息的目标。一个具备相应工具的智能体，可以围绕这个目标开展工作：

1. 规划与推理：识别需要确认的信息，例如出行日期、预算、同行人数和游玩偏好，再拆分为查询交通、寻找住宿、安排景点等子任务。
2. 工具使用：通过天气、地图或搜索工具获取外部信息，将结果纳入行程安排。例如，发现某天可能下雨，就增加室内活动的备选方案。
3. 动态修正：用户反馈“这家酒店超出预算”后，更新约束，重新筛选住宿，并调整后续安排。

这里的关键是：LLM 帮助系统解释目标和选择行动，工具让系统获得外部信息或执行操作，反馈则让后续决策能够随情况变化。

也因此，大语言模型本身并不等于一个完整的智能体。只有把模型放入能够感知、行动并接收反馈的系统中，才能让它持续推进任务。

1.3 智能体的类型

智能体可以从多个维度分类。下面三种视角分别回答不同的问题：内部如何决策、何时采取行动、知识以什么形式表示。

（1）基于内部决策架构的分类

这一分类与前面的演进过程相对应：

类型	决策依据	主要特点
简单反射智能体	当前感知与条件规则	直接响应当前输入
基于模型的反射智能体	当前感知与内部状态	利用历史信息估计环境状态
基于目标的智能体	当前状态与目标	搜索或规划达成目标的路径
基于效用的智能体	不同结果的效用	比较方案并权衡多种偏好
学习型智能体	经验与反馈	改进知识、模型或决策策略

这里需要注意，学习能力可以与前面几类架构叠加。例如，一个基于目标的智能体，也可以通过学习改善自己的环境模型。

（2）基于时间与反应性的分类

这个维度关注的是：智能体收到信息之后，是立即响应，还是先规划再行动？

它体现了设计中的一个常见权衡：响应速度与规划深度之间的平衡。 更充分的规划可能带来更好的方案，但也会消耗更多时间和计算资源，而且并不能保证结果一定更好。

反应式智能体（Reactive Agents）

反应式智能体强调快速响应，通常根据当前感知或维护的内部状态直接选择行动。简单反射智能体和基于模型的反射智能体，都可以采用这种方式。

例如，机器人检测到近距离障碍物后立即停止前进，就属于典型的快速反应。

它的优势是延迟低、计算开销相对较小，适合需要及时应对变化的场景。但如果缺乏面向未来的规划，就很难处理需要多个步骤协调的任务。

规划式智能体（Deliberative Agents）

规划式智能体会在行动之前，利用已有信息分析不同选择的后果，再制定行动方案。

可以把它类比为下棋：选择一步棋时，需要考虑对手可能如何应对，以及后续局面可能怎样发展。

基于目标和基于效用的智能体，通常会涉及这样的规划过程。它的优势是能够考虑长期影响，代价则是更高的时间和计算成本。在快速变化的环境中，规划还没完成，原先的条件就可能已经改变。

混合式智能体（Hybrid Agents）

实际任务往往同时需要快速响应和长期规划，因此可以将两者结合起来。

一种常见方式是分层设计：底层模块处理紧急情况和基本动作，高层模块负责目标分解与长期规划。

例如，移动机器人既需要规划到达目的地的路线，也需要在行进途中及时避开突然出现的障碍物。

现代的 LLM 智能体

许多 LLM 智能体通过反复进行“推理—行动—观察”，在规划与环境反馈之间交替推进任务。ReAct 就是将推理与行动结合的一种代表性方法。

以旅行助手为例，它可以先决定查询天气，再读取查询结果，随后决定是否调整景点安排。计划不必一次性固定下来，而可以随着新信息不断更新。

这种机制具有灵活性，但调用 LLM 和外部工具本身需要时间，因此不能把它直接等同于能够满足毫秒级要求的实时反应系统。

（3）基于知识表示的分类

前面讨论的是“如何做决策”，这里进一步追问：智能体用于决策的知识，究竟以什么形式存在？

可以先用一张表建立直观印象：

类型	知识如何表示	如何做判断	便于理解的类比
符号主义 AI	明确的事实、规则、逻辑关系或知识图谱	根据规则进行推理	按规则、列公式解题
亚符号主义 AI	神经网络参数中的分布式表示	利用从数据中学到的模式	通过大量练习形成识别能力
神经符号主义 AI	神经网络与显式符号结构相结合	结合学习能力和符号推理	既识别模式，也运用规则推导

符号主义 AI（Symbolic AI）

符号主义强调用人类能够理解的符号、事实和规则表示知识，再通过逻辑操作得出结论。

例如，系统已知“所有需要冷藏的商品都应放入冷藏区”和“某件商品需要冷藏”，就可以推出这件商品应该放入冷藏区。

它的优势是规则明确、推理过程便于追溯；困难则在于知识需要被显式表达。面对大量模糊情况和例外，建立并维护足够完整的规则体系会变得非常复杂。

亚符号主义 AI（Sub-symbolic AI）

亚符号主义以神经网络等方法为代表。知识不再主要表现为一条条显式规则，而是分布在通过训练得到的参数中。

例如，图像识别模型通过大量样本学习猫的视觉特征，不需要开发者事先逐条写出“如何识别一只猫”的规则。

这类方法擅长从数据中学习复杂模式，能够处理图像、语音、文本等信息。不过，模型为什么给出某个判断，通常不像规则系统那样容易追溯；语言模型也可能生成看似合理、实际上不准确的内容。

神经符号主义 AI（Neuro-Symbolic AI）

神经符号主义尝试结合两类方法：利用神经网络处理感知和语言理解，再结合显式知识、逻辑规则或符号求解机制完成推理。

例如，系统先从自然语言问题中提取约束，再交给规则引擎或求解器检查方案是否满足条件。

《思考，快与慢》中的双系统思维，可以为理解这两种处理方式提供一个类比：一种偏向快速、直觉式判断，另一种偏向有步骤的分析。这里的类比帮助我们理解分工，并不意味着人类认知和 AI 架构存在严格的一一对应。

LLM 智能体可以在语言模型之外结合知识图谱、规则引擎或符号求解器，从而体现这种融合思路。但仅仅输出结构化文本或调用普通 API，并不足以说明系统已经具备严格的符号推理能力。

这三种分类视角并不互斥：同一个智能体，可以同时是基于目标的、采用混合式决策的，并结合神经网络与符号知识。

2. 智能体的构成与运行原理

理解了智能体的概念与类型之后，接下来看看它如何围绕一个具体任务运行。

2.1 任务环境定义

设计智能体时，首先需要说明它要完成什么任务、面对什么环境，以及能够获得哪些信息、执行哪些操作。

PEAS 模型提供了一种描述任务环境的方法：

维度	含义	智能旅行助手的例子
P：Performance Measure	性能度量，如何评价任务完成得好不好	是否符合预算、时间安排是否合理、用户是否满意
E：Environment	环境，智能体与哪些对象和系统交互	用户、天气服务、地图、交通和住宿平台
A：Actuators	执行器，智能体可以采取哪些操作	发起查询、生成或修改行程、在授权范围内提交预订
S：Sensors	传感器，智能体通过什么渠道获得信息	用户输入、API 返回值、网页内容、操作结果

除了列出这些要素，还需要认识环境本身的特点。

首先，环境可能是部分可观察的。

旅行助手查询某个平台时，只能获得该平台接口返回的信息，无法同时知道所有平台的全部余票和价格。因此，它需要保存已经获得的结果，并在必要时继续查询，补全决策所需的信息。

其次，行动结果可能存在不确定性。

查询时看到的航班余票，不代表稍后预订时仍然存在。其他用户的操作、平台更新和接口状态，都可能影响后续结果。这要求智能体根据实际反馈继续决策，而不能把预期结果当成已经发生的事实。

再次，环境中可能存在其他行动者。

其他旅客、自动化预订程序和平台调价系统，都可能改变旅行助手面对的条件。在需要显式考虑这些行动者及其相互影响时，就涉及多智能体环境。

最后，许多任务具有序贯性和动态性。

“序贯”意味着当前选择会影响后续安排，例如先确定航班，就会约束酒店入住时间；“动态”意味着智能体分析期间，环境也可能继续变化，例如机票售罄或景点临时关闭。

所以，一个合理的初始计划只是起点。智能体还需要在执行过程中持续读取反馈、更新状态和调整行动。

2.2 智能体的运行机制（ReAct）

智能体通常通过反复与环境交互，逐步推进任务。这个过程可以概括为智能体循环（Agent Loop）。

ReAct 是组织这种交互的一种代表性方式，其核心是将推理与行动交替进行，并根据行动得到的观察结果决定下一步。需要区分的是，Agent Loop 是更宽泛的概念，并非所有智能体循环都采用 ReAct。

为了理解这个循环，我们可以把它分成四个相互关联的环节。

1. 感知（Perception）：接收当前信息

智能体首先获得用户请求、已有任务状态，以及外部环境返回的信息。例如，用户提出“根据北京的天气推荐一个旅游景点”，这就构成了任务的初始输入。

2. 思考（Thought）：决定下一步怎么做

对于 LLM 智能体，模型会结合目标、上下文和已有结果，选择下一步行动。这个阶段可以涉及两个方面：

• 规划（Planning）：把任务拆分为查询天气、筛选景点等步骤，并根据新信息调整安排。
• 工具选择（Tool Selection）：确定需要使用哪个工具，以及应传入什么参数。

3. 行动（Action）：由系统执行具体操作

智能体发出操作请求，例如调用天气查询工具。运行程序负责接收请求、检查参数，并执行对应的工具。

行动既可以是查询信息，也可以是修改环境。读取天气不会直接改变天气，但它能补充后续决策所需的信息；修改行程文件则会实际改变文件内容。

4. 观察（Observation）：接收行动结果

工具返回结果后，系统将其提供给智能体。新的信息会成为下一轮决策的依据。

例如，天气查询结果显示有雨，智能体就可以继续查找室内景点；如果查询失败，则需要判断是否重试、换用其他信息来源，或向用户说明当前缺少的信息。

整个过程可以概括为：

接收任务 → 选择下一步 → 执行工具 → 读取结果 → 调整行动 → 继续推进或结束任务。

循环还需要明确的停止条件，例如已经获得足够信息、目标已完成，或达到了执行次数和时间限制。反馈决定如何继续，停止条件决定何时交付结果。

2.3 智能体的感知与行动

要让前面的循环真正运行起来，模型和工具之间需要一套明确的交互协议（Interaction Protocol）。

模型输出“我准备查询天气”，并不意味着天气已经被查询。系统必须能够识别具体的行动请求，并把它转换成真实的函数调用。

在经典的 ReAct 教学示例中，常用以下几个字段描述交互：

字段	作用
Thought	简要说明当前行动依据或计划
Action	指定需要执行的工具及其参数
Observation	记录工具或环境返回的结果

例如，下面是一段用于说明协议的示意文本：

Thought: 需要先获取北京的天气，再据此筛选景点。
Action: get_weather(city="北京")

其中，真正需要程序处理的是 Action：调用哪个工具、传入什么参数。外部解析器或工具调用机制会读取这些信息，执行对应的 get_weather 函数。

假设工具返回如下结果，系统就可以将其作为观察信息传回模型：

Observation: 北京天气为晴，气温 25 摄氏度，微风。

这里的天气只是示例数据。智能体随后可以结合这条观察继续筛选景点，或者在信息已经充分时组织最终回复。

实际工程中的协议不一定使用上述文本格式，也可以采用结构化的工具调用。Thought 也不是必须向用户展示的字段，更不能把一段说明文字视为模型内部计算过程的完整记录。

对于工具结果，系统可以根据需要做筛选和整理，保留与任务相关的信息。观察既可以是自然语言，也可以是 JSON 等结构化数据，并不要求全部转换成文字描述。

理解这里的职责分工很重要：模型提出行动请求，运行程序执行工具，环境返回真实结果，模型再根据结果决定后续步骤。 这几个环节连接起来，才构成能够实际推进任务的交互闭环。

3. 智能体应用的协作模式

从使用者的角度看，智能体不仅涉及内部架构，也改变了人们分配任务和参与执行的方式。

按照智能体承担的角色和自主性程度，可以先理解两种常见模式：作为工作流中的辅助工具，以及作为接受目标委托的协作者。

3.1 作为开发者工具的智能体

在这种模式下，智能体融入开发者的日常工作，帮助处理代码阅读、修改、测试和问题定位等任务。

以 Claude Code 这类编程助手为例，可以从一个具体任务理解它的作用：开发者提出“定位并修复这个测试失败的问题”，助手读取相关文件、分析失败信息、修改代码，再通过运行测试检查结果。

开发者仍然需要明确需求、判断方案是否合理，并检查最终改动。智能体承担的是其中一部分分析和执行工作。

这种模式的价值，是把重复操作和上下文整理交给工具，让开发者将更多精力放在需求理解、设计选择和结果审核上。

3.2 作为自主协作的智能体

当智能体拥有更大的任务决策空间时，人类可以交付一个相对完整的目标，由它自行拆解步骤、调用工具，并依据反馈推进任务。

例如，用户提出：“根据这些资料整理一份行业分析初稿，并列出主要结论的依据。”智能体可以围绕这个目标，安排资料读取、信息归纳、观点组织和文稿检查等步骤。

在这种模式下，人类更多地负责给出目标、约束和验收标准；智能体则负责决定一部分具体执行路径。

复杂系统还可以让多个智能体分工，例如分别承担资料检索、内容撰写和结果核查。但“多个智能体”与“更高自主性”不是同一个概念：单个智能体也可以自主推进任务，多智能体系统同样可能遵循预设流程。

从辅助工具到自主协作者，变化主要体现在人类委托了多少决策空间，以及系统能够在多大范围内自行组织行动。

3.3 Workflow 和 Agent 的差异

Workflow 和 Agent 都能用于任务自动化，但理解它们时，需要关注一个关键问题：执行路径主要由谁决定？

• Workflow（工作流）：开发者预先定义步骤、分支和流转规则，系统按照这套编排执行。
• Agent（智能体）：在目标、工具和约束范围内，由模型根据当前情况动态选择一部分执行步骤。

先看 Workflow。

假设一个报销流程规定：员工提交报销单后，金额不超过 500 元时由部门经理审批；超过 500 元时，还需要财务总监审批；全部通过后，再通知财务处理。

这里虽然存在不同分支，但分支条件和流转方式都已经提前确定。执行过程中，系统只需要按照规则选择对应路径。

工作流也可以包含循环、异常处理和 LLM 调用，因此不能简单地把它理解为只能从头到尾顺序运行的脚本。它的主要特点是：控制流程由开发者预先编排。

再看 Agent。

用户向旅行助手提出：“请根据北京的天气和我的偏好，推荐一个合适的旅游景点。”

智能体可以先判断已有信息是否充分。如果缺少出行日期，就补充确认；如果缺少天气信息，就调用查询工具；如果发现候选景点当天不开放，就重新搜索其他选项。

收到不同反馈后，它可能需要执行不同数量和顺序的操作。这里的一部分控制流程，是在运行过程中根据任务状态决定的。

但也要注意：如果我们把“查询天气 → 查询景点 → 生成推荐”三个步骤全部写死，即使每一步都使用了大语言模型，整体上仍然更接近一个工作流。

对比维度	Workflow	Agent
执行路径	主要由预设流程控制	由模型根据任务状态动态选择一部分路径
面对变化	进入已经定义的分支或异常处理	在可用工具和约束内调整后续行动
可预测性	流程通常较容易追踪和复现	可能因上下文与模型决策而变化
适合的任务	步骤明确、规则稳定、重复性高	路径不确定、需要探索和持续调整
常见例子	固定审批、定时汇总、标准化处理	开放式资料研究、复杂问题排查

二者可以组合使用。例如，用工作流控制资料接收、人工审核和结果发布，在资料分析阶段交给 Agent 自主选择检索与整理步骤。

选择哪种方式，取决于任务需要多大的灵活性，以及流程对可预测性的要求。步骤明确时，预设工作流通常更直接；执行路径难以提前穷举时，Agent 的动态决策能力才更有发挥空间。

4. 小结

作为 Agent 学习系列的第一篇，我们围绕四个问题建立了基础认识：

• 什么是智能体？ 它是能够感知环境、选择行动并围绕目标与环境交互的实体。理解智能体，需要同时关注目标、环境、信息入口和执行能力。
• 智能体如何演进？ 从简单反射，到维护内部状态、围绕目标规划、根据效用权衡，再到通过经验学习，不同架构扩展了系统解决问题的方式。
• LLM 智能体如何运行？ 大语言模型参与理解任务和选择行动，运行程序执行工具，环境返回反馈，系统通过循环持续推进任务。ReAct 是组织这种循环的一种代表性方法。
• 智能体如何用于实际协作？ 它既可以辅助人类完成具体工作，也可以在给定范围内接受目标委托。Workflow 与 Agent 的主要区别，则在于执行路径是预先编排，还是由模型根据任务状态动态选择。

后续学习工具调用、记忆和规划机制时，都可以回到这条主线：智能体如何获取信息，如何决定下一步，如何执行行动，又如何根据反馈调整自己。

如果这篇文章对你有帮助，欢迎点赞、评论、关注、收藏。你们的支持是我前进的动力！