初始智能体
智能体： 能够通过 传感器 感知其所处的环境，并自主通过 执行器 采取行动以达成特定目标的实体。
- 传感器：摄像头、麦克风、雷达、各类应用程序编程接口返回的数据流等。
- 执行器：物理设备（机械臂、方向盘）；虚拟工具（执行一段代码、调用一个服务）
智能体的演进
- 反射智能体：单一的条件判断和执行
- 基于模型的反射智能体：条件非单一，拥有内部的 世界模型，基于此追踪和理解并做出动作
- 基于目标的智能体：有预见性，主动性
- 基于效用的智能体：评分，赋值，得出最有效的选择
- 学习智能体：基于之前决策的评分 -> 不断 强化学习，修正决策策略
传统智能体与 LLM 驱动智能体
| 对比纬度 | 传统智能体 | LLM 驱动智能体 |
|---|---|---|
| 核心引擎 | 基于显示编程的逻辑结构 | 基于预训练模型的推理引擎 |
| 知识来源 | 预定义的规则、算法、知识库 | 海量非结构化数据中间接学习、内化 |
| 工作模式 | 确定性、可预测的 | 概率性的、生成式的 |
| 泛化能力 | 弱，局限于预设框架 | 强，具备强大的涌现、范化能力 |
| 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 |
智能体的类型
- 反应式智能体 - 即时性，但是短视
- 规划式智能体 - 效用性，但是耗时
- 混合式智能体 - 分层设计：底层是快速反应的模块、高层是审视模块
大语言模型驱动的智能体，是神经符号主义的。
- 内核是巨大的神经网络，具备模式识别和语言生成能力（亚符号主义 AI）
- 当他工作时，会生成一系列结构化的中间步骤，如思想、计划、API 调用。