智能体在人工智能领域智能体被定义为任何能够 通过传感器Sensors感知其所处环境Environment并自主地通过执行器Actuators采取行动 Action以达成特定目标的实体。演进的起点:反射智能体Simple Reflex Agent它们的决策核心由工程师明 确设计的“条件-动作”规则构成。引入“状态”的概念后基于模型的反射智能体Model-Based Reflex Agent这类智能体拥有一个内部的世界模型World Model用于追踪和理解环境中那些无法被直接感知的方面。理解世界还不够智能体需要有明确的目标基于目标的智能体Goal-Based Agent它的行为不再是被动地对环境做出反应而是主动地、有预见性地选择能 够导向某个特定未来状态的行动。现实世界的目标往往不是单一的当多个目标需要权衡时基于效用的智能体Utility-Based Agent它为每一个可能的世界状态都赋予一个效用值这个值代表了满意度的高低。如果智能体能不依赖预设而是通过与环境的互动自主学习呢学习型智能体Learning Agent而强化学习Reinforcement Learning, RL是实现这一思想最具代表性的路径。学习资料来源hello-agents:基于大语言模型的智能体系统构建指南项目 - AtomGit | GitCode