近两年，大语言模型的爆发让「智能体」从一个学术概念迅速走向工程实践。从能够自主规划任务的 AutoGPT，到可以协作完成开发的 MetaGPT，再到深度嵌入日常开发流程的各类 AI 编程助手，智能体正在重新定义人与系统协作的方式。
不过，智能体并不是大模型时代的全新发明。早在经典人工智能研究中，它就已经形成了一条从简单反射、基于模型、基于目标到基于效用与学习的清晰演进路线。理解这条路线，才能看透大语言模型究竟为智能体带来了哪些本质改变。
本文将从智能体的基本概念出发，先回顾传统视角下的演进脉络，再分析大语言模型驱动的新范式；随后拆解智能体的类型划分、Agent Loop 核心循环、感知与行动机制，以及当下主流的协作模式，帮助你建立一张完整的智能体认知地图。
1.什么是智能体
在人工智能领域，智能体（Agent） 是指可以通过传感器感知外部环境，自主利用执行器采取行动，最终完成特定目标的实体。
智能体包含 4 个核心基础要素：
- 环境：智能体所处的外部世界。例如自动驾驶面对的道路交通、量化交易算法面对的金融市场。
- 传感器：用于感知环境状态。可以是摄像头、雷达这类硬件，也可以是 API 接口、数据流这类虚拟感知手段。
- 执行器：作用于环境、改变环境状态。既可以是机械臂、方向盘等物理设备，也可以是调用接口、执行代码这类虚拟工具。
- 自主性：智能的核心。不是简单被动执行预设指令，而是结合感知信息与自身内部状态独立做决策，形成「感知 → 决策 → 行动」的闭环。
简单理解：智能体不断感知环境，自主做出决策，再通过行动去影响环境，循环闭环来完成目标。
2. 传统视角下智能体的演进
在大模型 Agent 兴起之前，传统人工智能已经走过了一条由简到繁、从被动响应到自主学习的智能体演进路线。
（1）简单反射智能体（Simple Reflex Agent）
依靠人工编写的条件‑动作规则做决策，只看当前时刻的环境感知，没有记忆、无法理解上下文。
例子：恒温器，检测室温＞25℃就开启制冷。 优点：简单高效；缺点：只能处理简单场景，复杂环境无法适配。
（2）基于模型的反射智能体（Model‑Based Reflex Agent）
引入内部世界模型，相当于给智能体增加 "记忆"，用来保存那些无法直接感知到的环境信息，不再只依赖瞬时感知做判断。
例子：隧道里行驶的自动驾驶车，摄像头看不到前车，但内部模型依旧维护前车的位置、速度信息。
（3）基于目标的智能体（Goal‑Based Agent）
不再被动响应环境，而是以目标为导向主动规划行动。会思考：我要做什么，才能抵达目标状态。
例子：GPS 导航，以到达目的地为目标，借助地图模型，使用 A * 等算法搜索、规划出行路径。核心能力是对未来进行预判和路径规划。
（4）基于效用的智能体（Utility‑Based Agent）
现实场景往往存在多个互相冲突的目标，不能只满足单一目标。 这类智能体为不同环境状态设置效用值（代表满意程度），决策目标是最大化期望效用，在多个冲突目标之间做权衡取舍，模拟人类理性决策。
例子：导航同时兼顾时间最短、路程最短、避开拥堵，综合选出最优方案。
（5）学习型智能体（Learning Agent）
前面几类智能体的决策逻辑都高度依赖人类预设规则、模型、效用函数。 学习型智能体希望摆脱大量人工预设，通过和环境交互自主学习优化策略。典型实现方案是强化学习。 架构分为两部分：性能元件（负责执行行动）、学习元件（根据行动的反馈结果不断修正决策策略）。
经典案例：AlphaGo Zero，通过大量自我对弈、奖励反馈，学习出超越人类经验的围棋策略。
3.大语言模型驱动的新范式
以**GPT（Generative Pre-trained Transformer）**为代表的大语言模型的出现，正在显著改变智能体的构建方法与能力边界。由大语言模型驱动的 LLM 智能体，其核心决策机制与传统智能体存在本质区别，从而赋予了其一系列全新的特性。
3.1传统智能体与 LLM 驱动智能体的核心对比
| 对比维度 | 传统智能体 | LLM 驱动的智能体 |
|---|---|---|
| 核心引擎 | 基于显式编程的逻辑系统 | 基于预训练模型的推理引擎 |
| 知识来源 | 工程师预定义的规则、算法、知识库 | 从海量非结构化数据中间接学习、内化 |
| 处理指令 | 需结构化、精确的命令 | 可理解高层级、模糊的自然语言 |
| 工作模式 | 确定性的、可预测的 | 概率性的、生成式的 |
| 泛化 / 适应性 | 弱，局限于预设框架 | 强，具备强大的涌现能力和泛化能力 |
| 开发范式 | 规则设计、算法编程、知识工程 | 模型训练、提示工程、微调 |
4.智能体的类型
4.1基于内部决策架构的分类（《人工智能：一种现代方法》）
按照智能体内部决策逻辑复杂度递进：
- 反应式智能体（简单反射型）：仅根据当前感知直接输出动作，没有内部状态记忆
- 基于模型的反应式智能体：维护环境内部状态，能感知不可直接观测的信息
- 基于目标的智能体：以目标为导向，主动规划动作序列来达成目标
- 基于效用的智能体：在多个可行方案里权衡，最大化收益 / 满意度
补充：学习能力属于元能力，可以附加在上面任意一类智能体上，使其能依靠经验自我迭代优化。
4.2基于时间与反应性的分类（决策速度 vs 决策质量的权衡）
核心区分：收到信息后是立刻响应，还是先深度规划再行动
- 反应式智能体（Reactive Agents）
- 特点：感知→直接响应，决策延迟极低，几乎不做长远规划
- 优点：速度快、计算开销小；缺点：短视，容易陷入局部最优，难以处理多步骤复杂任务
- 例子：汽车安全气囊、高频交易机器人；上面的简单反射 / 基于模型的智能体都属于这类
- 规划式智能体（Deliberative Agents，审议式智能体）
- 特点：行动前利用内部世界模型推演多种可能性，评估不同行动路径，寻找最优方案
- 优点：具备长远战略能力，适合复杂长流程任务；缺点：计算成本高、耗时久，容易错过时机
- 例子：旅行规划、商业方案制定；基于目标、基于效用的智能体属于这类
- 混合式智能体（Hybrid Agents）
- 特点：融合反应式和规划式两者优势，兼顾即时响应与长期规划
- 经典分层架构：底层快速反应模块处理紧急事件；高层规划模块负责长期目标
- 现代 LLM 智能体本质就是混合式 ：ReAct "思考 - 行动 - 观察" 循环
- 规划（Reasoning）：思考阶段，LLM 分析现状、规划下一步动作（审议）
- 反应（Acting & Observing）：调用工具交互、获取环境反馈（即时响应）
- 将复杂大任务拆解成一连串「规划 - 反应」微循环
5.基于知识表示的分类（智能体存储、使用知识的底层形式）
-
亚符号主义 AI（Sub-symbolic AI / 连接主义）
- 核心：知识不是显式规则，而是隐含在神经网络海量参数里的统计模式
- 优势：擅长图像、语音这类非结构化数据，抗噪声；
- 缺陷：黑盒不可解释，纯逻辑推理容易产生幻觉
- 代表：深度学习、大模型底层神经网络
-
符号主义 AI（Symbolic AI，传统 AI）
- 核心：智能来自对可读符号（概念、词语）的严格逻辑运算，依靠规则库、知识图谱
- 优势：推理过程透明、可追溯，高风险场景可靠；
- 缺陷：知识获取瓶颈，无法处理规则之外的未知新场景
- 代表：专家系统、知识图谱推理
-
神经符号主义 AI（Neuro-Symbolic AI，混合主义）
- 定位：融合亚符号 + 符号主义的 "大和解" 方案
- 核心目标：同时拥有神经网络的模式学习能力 + 符号系统严谨的逻辑推理能力
- LLM 智能体是典型落地案例：底层神经网络做模式识别、文本生成；运行时输出结构化计划 / 工具调用（符号化步骤），实现两种能力结合
- 理论类比：对应《思考，快与慢》双系统理论
6.智能体核心运行机制：智能体循环（Agent Loop）
智能体不会一次性完成全部任务，而是不断循环往复和外部环境交互，这套基础运行机制叫做智能体循环 Agent Loop，是智能体实现自主行为的底层基础。
循环四个核心阶段
6.1 感知 Perception（循环起点）
智能体依靠传感器接收环境的信息输入，得到观察 Observation。
- LLM 智能体的传感器：用户输入、API 监听、工具返回结果
- 观察内容：用户原始提问、上一步工具执行之后环境返回的反馈信息。
6.2思考 Thought（核心决策环节，大模型承担）
拿到观察之后进入内部推理，又拆分为两个子步骤：
- 规划 Planning 结合当前观察 + 内部记忆，更新对任务、环境的理解；把复杂大目标拆解成若干子任务，生成或者调整执行计划。
- 工具选择 Tool Selection 对照已有的工具库，根据计划挑选下一步要调用的工具，确定调用需要的参数。
ReAct 范式的
Thought阶段就对应这里的「规划 + 工具选择」。
3. 行动 Action
决策完成后，通过执行器 Actuators 对外执行动作。 在 LLM 智能体中最典型就是调用工具：调用搜索 API、调用模拟天气 / 酒店接口、执行代码，以此改变外部环境。
4. 环境反馈，形成闭环
智能体执行Action之后，会让环境 Environment 发生状态改变 State Change 。 环境输出新的Observation（观察），再次交给智能体的感知模块，开启新一轮循环。
智能体就是不断跑这个闭环，一步步从初始状态逼近最终目标；设置最大循环轮次，用来防止无限死循环。
7.智能体的感知与行动
在工程落地场景下，如果想要大语言模型稳定驱动智能体循环，就需要一套交互协议（Interaction Protocol），用来规范智能体和外部环境之间的信息交换规则。
当下主流智能体框架里，这套交互协议主要体现为结构化输出规范：智能体不再直接返回自由的自然语言答案，而是输出固定格式的文本，显式承载内部推理逻辑与可执行决策。 结构化输出包含两大核心组成部分：
- Thought（思考） 智能体内部决策的快照，以自然语言描述智能体对当前场景的分析、对上一轮观察结果的复盘、任务拆解反思，同时规划下一步要执行的动作。
- Action（行动） 智能体完成推理之后，确定要作用于外部环境的具体操作，一般采用函数调用的形式表达。
示例（旅行规划智能体输出）
Thought: 用户想知道北京的天气。我需要调用天气查询工具。
Action: get_weather("北京")其中Action就是下发给外部系统的指令，配套的解析器（Parser） 会识别该指令，自动执行对应的get_weather函数。
工具执行完毕后，环境会返回原始数据（比如 JSON 格式天气数据）。但这类机器可读数据往往携带大量冗余内容，并不适合大模型直接处理。 感知系统 在这里承担传感器的职责：清洗、提炼原始返回数据，封装成简洁易懂的自然语言，也就是Observation（观察）。
示例
Observation: 北京当前天气为晴，气温25摄氏度，微风。封装完成的Observation会作为新一轮循环的输入送入大模型，驱动下一轮Thought和Action流程。
综上，这套Thought-Action-Observation闭环（经典 ReAct 范式），成功将大模型原生的语言推理能力，和外部环境真实信息、工具操作能力打通，是 LLM 智能体最基础通用的工程实现方案。
8.智能体应用的协作模式
按照智能体在任务里承担的角色、自主程度，可以将协作模式分为两大类：一类是作为开发者工具 ，嵌入现有工作流辅助人；另一类是作为自主协作者，多个智能体相互配合完成复杂任务。
8.1作为开发者工具的智能体
该模式下，智能体深度集成进开发者工作流，定位是能力增强型辅助工具，不会替代开发者。它自动处理重复、繁琐的工作，让开发者聚焦核心创造性任务，以此提升软件开发的整体效率与质量。
目前主流 AI 编程工具各有侧重：
- GitHub Copilot：GitHub 与 OpenAI 联合推出，深度嵌入 VS Code 等编辑器，核心能力是代码实时补全（单行 / 完整函数块）；配套 Copilot Chat 支持在编辑器内对话排查代码问题。
- Claude Code：Anthropic 开发，面向终端场景，可理解完整代码仓库，支持代码编辑、测试、调试全流程；支持无交互 headless 模式，适配 CI、预提交钩子、自动化脚本等场景。
- Trae：轻量化新兴 AI 编程工具，擅长代码智能生成、自动重构，响应速度快，适合快速原型、高频迭代的开发场景。
- Cursor：原生 AI 代码编辑器，并非传统编辑器加装 AI 插件。核心优势是理解全仓库上下文，能够完成代码问答、深度重构与调试。
这类工具共同的发展趋势：AI 正在渗透软件研发全生命周期，通过人机协同重塑传统开发范式。
8.2作为自主协作者的智能体
和工具模式最大区别：不再需要人类一步步下达指令，只需要交付高层级目标。智能体能够像团队成员一样自主规划、推理、执行、复盘迭代，直到产出结果。 人机关系从传统的命令 - 执行 ，升级为目标 - 委托，智能体从被动工具转变为主动完成目标的独立主体。
当下自主智能体的主流架构范式：
- 单智能体自主循环 早期经典范式，代表如 AgentGPT。单个通用智能体依靠「思考 - 规划 - 执行 - 反思」闭环，自我迭代、自主提示，完成开放性高层任务。
- 多智能体协作（当前主流方向） 模拟人类团队分工协作解决复杂问题，细分两类实现：
- 角色扮演式对话：以 CAMEL 为代表，给智能体分配固定角色（产品经理、程序员等），约定通信协议，通过结构化对话协同完成任务。
- 组织化工作流：MetaGPT、CrewAI 为典型，搭建标准化虚拟团队，每个智能体有明确岗位职责与 SOP，按顺序 / 层级协作输出完整成果（整套项目代码、行业报告等）；AutoGen、AgentScope 支持自定义智能体交互网络，灵活性更强。
- 高级控制流架构 LangGraph 是典型代表，把智能体任务抽象为状态图（State Graph），原生支持循环、分支、失败回溯、人工介入等复杂流程，为智能体提供稳定可靠的底层工程能力。
多种架构共同推动自主智能体落地，具备处理真实世界复杂任务的能力，后续章节会对比不同框架的特性与适用场景。
9.Workflow 和 Agent 的差异
在理解智能体 "开发者工具" 与 "自主协作者" 两种模式后，需要区分 Workflow（工作流） 和 Agent（智能体）。二者都可以实现自动化任务，但底层逻辑、核心特性、适用场景有本质区别：
9.1 Workflow（传统工作流）
核心：预先结构化编排、静态固定流程，提前写死所有步骤、分支判断条件，运行时不会自主新增逻辑、调整路径。 ✅ 特点：确定性强、可控、适合标准化固定任务 ❌ 缺点：无法应对未知情况，新增分支就要改代码 / 配置 📌 示例：企业费用报销审批流程 员工提交报销单 → 判断金额
- 金额＜500 元 → 部门经理审批 → 通过后财务打款
- 金额＞500 元 → 部门经理审批 → 财务总监审批 → 通过后财务打款
9.2 LLM Agent（大模型智能体）
核心：目标驱动、具备自主推理能力，LLM 作为 "大脑"，感知环境、自主拆解任务、选择工具、动态决策，没有硬编码分支规则。 ✅ 特点：灵活性强，可处理开放式、不确定的任务 ❌ 缺点：结果不可完全确定，存在幻觉，可控性弱于工作流 📌 示例：智能旅行助手，需求：查询北京今日天气，并根据天气推荐景点
- 任务拆解 & 工具调用：自动拆分为【查天气】→【根据天气推荐景点】，主动调用天气 API
- 推理决策：根据返回的天气动态判断适合室内 / 户外场景
- 输出结果：生成人性化回答
关键：不存在硬编码
if 晴天 then 推荐颐和园，雨天会自主切换推荐室内场馆
9.3核心对比汇总表
| 维度 | Workflow 工作流 | LLM Agent 智能体 |
|---|---|---|
| 驱动方式 | 流程驱动（预定义步骤） | 目标驱动（自主规划） |
| 决策逻辑 | 分支规则硬编码，静态不变 | LLM 实时推理，动态生成方案 |
| 自主性 | 无自主决策能力，机械执行 | 可自主拆解任务、选择工具、调整方案 |
| 适用场景 | 标准化、固定流程任务（审批、表单流转） | 开放式、多变、需要灵活判断的任务 |
| 可控性 | 高，结果稳定可预期 | 偏低，存在不确定性 |
Workflow 报销工作流
LLM Agent 旅行助手运行流程
一句话总结：Workflow 是预定义流程，AI 按固定步骤执行；Agent 是目标驱动，AI 自主推理、动态规划完成任务。
结语
把整篇文章放在一起看，智能体的演进其实一直沿着两条线索展开：一条是决策能力 的增强，从简单反射、基于模型、基于目标，到基于效用与学习，智能体从「被动响应」逐步走向「主动规划」；另一条是知识表达方式的变化，从显式符号规则走向神经网络参数，再到神经符号融合。大语言模型出现后，这两条线索在工程层面真正交汇，形成了今天所说的 LLM 智能体。
LLM 智能体并不是对传统智能体的简单替代，而是一次能力升级。它把大模型的语言理解、泛化与推理能力，接入到「感知 → 思考 → 行动 → 反馈」的 Agent Loop 中，再通过结构化输出、工具调用和多智能体协作，把模型能力稳定地落地到真实任务里。与此同时，我们也要清楚它和 Workflow 的边界：确定性强、流程固定的任务优先选 Workflow；开放、多变、需要自主判断的任务更适合交给 Agent。现实工程中，绝大多数系统不会二选一，而是在关键节点做确定性控制，在需要灵活推理的地方引入智能体，用混合架构平衡可控性与智能化。
最后回到一个更实用的判断标准：不要为了「智能体」而智能体，而要看任务是否需要自主规划、动态决策和反复试错。理解智能体背后的循环机制、交互协议和协作模式，比记住一堆框架名称更重要。未来，随着多智能体协作、状态图控制流和可解释性技术继续发展，智能体会更接近一个可信赖的「自主协作者」；而对开发者来说，真正稀缺的能力，是知道何时让它自主行动，何时把它放进确定性的轨道。
本文为个人学习整理笔记，知识素材来自 datawhalechina hello‑agents 开源教程，仅用于学习交流，禁止商用。
https://github.com/datawhalechina/hello-agents/blob/main/docs/chapter1/%E7%AC%AC%E4%B8%80%E7%AB%A0%20%E5%88%9D%E8%AF%86%E6%99%BA%E8%83%BD%E4%BD%93.md