Agent

任何通过传感器（sensor）感知环境（environment）并通过执行器（actuator）作用于该环境的事物都可以被视为智能体（agent）

比如：

• 智能驾驶：根据道路情况，决定加速或刹车
• 扫地机器人：根据地面情节状况，决定清扫或离开
• 智能家居：根据屋内温度湿度，决定是否开启空调
• 游戏中的人机：根据玩家游戏动作，做出针对性动作
• AI英语教练：根据学生发音，用词，提出改进意见

Agent 应用开发

Agent类型

• 按照场景
  • Action: 执行具体动作/任务的 Agent
  • Simulation: 模拟环境或行为的 Agent
  • Autonomous: 自主决策、独立运行的 Agent
• 按照技术
  • Chatbot: 对话型智能体
  • Multi-Agent: 多智能体协作
  • RAG: 检索增强生成，结合外部知识库
  • Planning: 具备任务规划能力
  • Reflection: 具备自我反思能力
  • Evaluation: 具备评估/评判能力
• 按照智能
  • Simple Reflex: 简单反射智能体
  • Model-basedReflex: 基于模型的反射智能体
  • Goal-based: 基于目标的智能体
  • Utility-based: 基于效用的智能体
  • Learning: 学习型智能体

核心能力

• Planning（规划）
• Memory（记忆）
• Tools（工具）
• Action（执行）

开发框架

• LangChain
• LlamaIndex
• Semantic Kernel

AI Agent分类详细说明

基于智能水平、决策过程分类

• 简单反射智能体：这些智能体仅根据当前环境状态采取行动，并通过一组预定义的规则做出决策
• 基于模型的反射智能体：与简单的反射智能体不同，这些智能体维护着一个内部世界模型，使他们能够考虑过去的行为并预测未来的状态。
• 基于目标的智能体：这些智能体在工作时会考虑特定目标，并做出决策来使其更接近视线这些目标。
• 基于效用的智能体：这些智能体会考虑他们所采取的行动的长期影响，而不是仅仅考虑短期利益，仅追求"做到"，还追求"做好"
• 学习型智能体：这些智能体会不断学习，以便更好地适应他们的环境。