智能体（Agent）的定义与历史沿革

在人工智能（AI）领域中，“智能体”（Agent）是一个非常重要的概念。随着技术的不断发展，智能体的定义也在不断演进。从简单的对话系统到能够自主行动的复杂系统，智能体在各个层级的能力差异显而易见。本文将从 OpenAI 对 AGI（通用人工智能）五级分类的角度，逐步探讨智能体的定义与发展。

OpenAI 在 AGI 五级分类中对于 Agent 的定义

OpenAI 提出了一个五级分类体系，用于描述人工智能系统的能力范围和层次。这一分类系统为我们理解智能体的能力演进提供了清晰的框架。

Level 1: Conversational AI

第一层级是对话型人工智能（Conversational AI）。这一层级的 AI 系统能够与人类进行对话互动，例如 ChatGPT。这类系统的主要特点是：

• 专注于基于语言的任务：例如回答问题、生成文本等。
• 能力有限：无法执行复杂的问题求解任务。

Level 2: Reasoners

第二层级是推理型 AI 系统（Reasoners）。这些系统在学术和专业领域中表现出色，能够解决复杂的问题。其特点在于：

• 无需外部工具：仅依赖自身算法和模型即可完成任务。
• 具备较强的推理能力：适用于更复杂的场景。

Level 3: Agents

第三层级是智能体（Agents）。这是 AI 系统从工具型向自主型迈进的重要阶段，其核心特点包括：

• 长时间自主行动：可以代表用户执行任务，无需监督。
• 多任务处理能力：能够在数天内完成多种任务，包括决策和行动。

Level 4: Innovators

第四层级是创新者（Innovators）。这一阶段的 AI 系统不仅能够完成任务，还能推动领域内的创新。其主要特点包括：

• 产生新思想和创新：开发原创方案，推动科学技术的突破。
• 更高层次的智能：超越传统意义上的任务执行。

Level 5: Organizers

第五层级是组织者（Organizers）。这是目前最为高级的 AI 系统，其能力远超人类在复杂任务中的表现。其特点包括：

• 管理整个组织：可以协调复杂流程。
• 超越人类绩效：在高价值任务中表现卓越。

智能体的核心定义

智能体（Agent）的核心定义是一个能够感知环境、自主决策、主动行动和学习进化的 AI 程序。这个定义包含了智能体实现其功能所需的四大关键能力：感知、决策、行动和学习。

感知：智能体的“眼睛”

感知是智能体与外界环境交互的基础。通过感知，智能体能够获取环境信息，为后续决策提供依据。常见的感知方式包括：

• 视觉感知：通过摄像头捕捉图像。
• 听觉感知：通过麦克风接收声音。

决策：智能体的“大脑”

决策是智能体进行自主行动的核心环节，其背后依赖于复杂的算法和模型。例如：

• 深度学习：通过神经网络从大量数据中提取特征并进行推断。
• 强化学习：通过试错和反馈机制优化决策策略。
  

与其讨论 Agent，不如讨论 Agentic

在大模型（Large Language Model，LLM）领域，技术发展日新月异，而关于“Agent”（智能体）的定义，目前并没有一个统一的说法。尤其是在主流的基于 LLM 的 Agent 设计中，各种实现方式和理解层出不穷。因此，吴恩达（Andrew Ng）和 Horrison 等人提出了一个非常值得深思的观点：与其争论某个系统是否属于智能体，不如承认这个世界并非非黑即白。一个系统可以是渐进的，可以具备不同程度的智能体属性（Agentic）。这就像自动驾驶汽车有 L1-L4 不同级别的自主性一样。

本文将围绕系统的智能体属性（Agentic）展开讨论，并分析其不同层级的实现方式。

系统的 Agentic 程度由什么决定？

一个系统的 Agentic 程度，主要取决于 LLM 对系统行为决策的权重。换句话说，LLM 在系统中承担了多大程度的自主性和决策能力，直接影响了该系统在智能体属性上的表现。

接下来，我们将通过几个典型的层级，逐步剖析 Agentic 的不同实现方式。

1. 初步的 Agentic：路由器（Router）

当一个系统使用 LLM 将输入路由到特定的下游工作流时，它具备了初步的 Agentic 属性。这种情况下，LLM 的作用类似于一个“路由器”，它根据输入内容的特征，选择合适的路径或模块来处理任务。

这一层级的特点是：

• LLM 仅起到简单的分发作用；
• 系统的行为是线性的，没有复杂的决策逻辑；
• 虽然具备一定智能性，但整体自主性较低。

2. 多级路由决策：介于路由器与状态机之间

如果一个系统使用多个 LLM 进行多级路由决策，那么它在 Agentic 属性上更进一步。这种设计允许系统在不同阶段调用不同的模型或模块，从而实现更复杂的任务分配和处理。

这一层级可以被视为介于“路由器”和“状态机”之间。相比单一 LLM 路由器，多级路由决策增加了以下能力：

• 在多个步骤中动态调整任务流程；
• 根据上下文信息灵活选择下一步操作；
• 系统开始表现出一定程度的非线性行为。

3. 状态机（State Machine）：允许循环运行

当一个系统能够在某些步骤中决定是继续执行还是终止任务时，它就进入了状态机（State Machine）的范畴。状态机的核心特性在于：

• 系统可以根据当前状态和上下文信息，决定进入下一个状态；
• 允许循环运行，直到完成任务或满足某个条件。

例如，一个状态机型系统可能会反复检查任务进展，并动态调整策略，直到目标达成。这种能力显著增强了系统的自主性，使其具备更高程度的 Agentic 属性。

4. 自主 Agent（Autonomous Agent）：顶层智能体

当系统能够自主构建工具、记忆工具并在后续步骤中使用时，它就达到了 Agentic 的顶层——自主 Agent（Autonomous Agent）。这种系统不仅能够完成复杂任务，还能在执行过程中：

• 动态生成新的工具或方法；
• 将生成的工具存储为记忆，以便未来使用；
• 在任务执行中不断学习和优化自身行为。

自主 Agent 的出现标志着系统从被动执行者转变为主动决策者，其智能体属性已接近真正意义上的自主智能体。