工程 · 深度词条

AI Agent(智能体)

接收环境信息并选择行动的系统,不一定使用大语言模型。今天常见的 LLM Agent 是其中一种实现。

专题词条基础释义核对 2026-09-07专题核对 2026-10-03增补 2026-10-246 条来源
本页目录 11 节

四层解释

通俗

接收环境信息并选择行动的系统,不一定使用大语言模型。今天常见的 LLM Agent 是其中一种实现。

专业

广义 Agent 把观测历史映射为行动,可用规则、搜索或学习策略实现。LLM 工程中常把模型动态选择步骤的系统与代码预编排的 Workflow 区分,这不是整个学科的统一分类。

机制

广义循环是观测、选择行动、影响环境并接收新反馈。LLM Agent 可把目标与状态交给模型,由应用校验和执行工具调用,再返回结果;这只是其中一种系统结构。

工程

必须设置最小权限、预算、最大步数、超时、可逆操作、人类确认、日志和沙箱;模型不能自行扩大权限。

全链路位置

INPUT目标、上下文、工具和环境状态
→
PROCESS规划、行动、观察与修正循环
→
OUTPUT任务结果及可审计行动记录

常见用途

  • 软件开发
  • 研究与信息收集
  • 受控客服和运营流程

专业边界

  • 开放任务会累积错误与成本
  • 确定流程通常优先使用普通 Workflow

常见误解

  • 接入一个工具就自动成为 Agent
  • 越自主就一定越先进

Agent 与固定工作流有什么区别

定义与自拟示例

广义 Agent(智能体)根据环境观测选择行动,可由规则、搜索或学习到的策略实现,不要求语言模型,也不要求工具 API。按温度控制加热的规则系统与根据网页反馈选择操作的语言模型系统,都可放在‘观测到行动’的框架下分析。

依据AIMA Chapter 2: Intelligent Agents
口径限定

本文后续采用 LLM 应用工程中的较窄口径:固定 Workflow 由代码预先编排主要步骤;LLM Agent 让模型根据中间反馈动态选择后续步骤。这个区分用于设计系统控制流,不是对 AI 学科全部智能体的定义。

依据Building Effective Agents
工程边界

典型循环是观察任务、选择动作、调用工具、读取结果并决定继续或停止。工具的真实执行由应用程序控制;模型输出不是授权。

依据Building Effective AgentsFunction Calling Guide

什么任务值得使用 Agent

选型方法

只有步骤难以预先写死、任务价值高于额外时延与错误成本时,才考虑开放式 Agent。若是固定审批、简单检索或稳定批处理,确定性流程更易测试。

依据Building Effective AgentsNIST AI RMF Playbook
风险控制

限制工具权限、执行步数、时间和预算,记录轨迹;付款、删除或权限变更设置人工或确定性审批。评估需包含任务完成率和越权、误操作率。

依据OWASP Top 10 for LLM Applications 2025NIST AI Risk Management Framework 1.0

来源与核对记录

S1
AIMA Chapter 2: Intelligent AgentsStuart Russell and Peter Norvig · 作者课程讲义 · 查阅 2026-10-24
S2
Building Effective AgentsAnthropic · 官方工程文章 · 查阅 2026-09-07
S3
NIST AI Risk Management Framework 1.0NIST · 标准与框架 · 查阅 2026-09-07
S4
Function Calling GuideOpenAI · 官方技术文档 · 查阅 2026-09-07
S5
NIST AI RMF PlaybookNIST · 官方治理框架 · 查阅 2026-10-03
S6
OWASP Top 10 for LLM Applications 2025OWASP · 行业安全指南 · 查阅 2026-10-03

基础释义核对:2026-09-07。专题核对:2026-10-03。局部增补:2026-10-24。局部修订不代表旧正文全部复核,尚未完成外部专家审稿。