1、英文名 / 缩写：
AI Agent（缩写 Agent），别名：智能体、AI 代理、自主代理
2、标准定义：
AI 智能体（AI Agent）是一类能感知环境、自主决策并执行动作以达成目标的人工智能系统，通常以大语言模型为大脑，配合规划（Planning）、记忆（Memory）、工具调用（Function Calling）与多步骤推理（ReAct框架）等能力，可独立完成复杂任务。AI Agent 是从「对话」走向「执行」的关键形态：它把自然语言意图转化为可落地的业务操作（搜索、写代码、订机票、操作浏览器等）。多智能体系统（Multi-Agent System）通过角色分工进一步扩展智能边界，已成为企业级 AI 应用与 AGI · 通用人工智能 探索的核心载体。
3、核心信息卡：
· 中文名：AI智能体
· 英文名：AI Agent
· 缩写：Agent
· 别名：智能体、AI 代理、自主代理
· 提出者：学术奠基：Norbert Wiener（控制论）、Marvin Minsky（Society of Mind）；现代框架：LangChain、AutoGPT、BabyAGI、Microsoft AutoGen、CrewAI、Coze智能体平台、Dify
· 提出时间：1950-1970 年代（控制论与早期智能体）；2023 年（LLM Agent 时代开启）；2024-2025 年（Multi-Agent 与企业级落地）
· 所属类别：AI 技术 > 应用架构 > 自主智能
· 核心技术：LLM 推理、Function Calling、ReAct框架、思维链 CoT、规划与反思、记忆系统、多智能体系统
· 主要应用：企业自动化、个人助理、代码助手、客服 Agent、数据分析 Agent、研发 Agent、运维 Agent
4、工作原理：
1. 感知与任务理解：智能体接收用户目标或环境反馈，理解任务语义与约束 → 2. 规划（Planning）：用 LLM 把复杂任务拆解为可执行子任务，必要时用思维链 CoT 与 ReAct框架 进行反思 → 3. 记忆与上下文管理：维护短期（对话）与长期（向量数据库）记忆，结合 RAG · 检索增强生成 召回相关历史与知识 → 4. 工具调用：通过 Function Calling 调用外部 API、搜索引擎、代码执行、浏览器等工具执行动作 → 5. 行动执行与反馈：把工具结果纳入下一轮推理，迭代直到任务完成 → 6. 反思与协同：单 Agent 反思自我纠错；多智能体系统 通过角色分工实现复杂协同
5、发展历程：
· 1950-1970 年代：Norbert Wiener 控制论、Marvin Minsky《Society of Mind》提出智能体哲学基础
· 1990-2010 年代：强化学习推动游戏 AI（AlphaGo）与机器人智能体研究，经典 RL-Agent 框架成熟
· 2022-2023 年：ChatGPT 引爆大模型；AutoGPT（2023.4）、BabyAGI 开启 LLM Agent 时代
· 2023-2024 年：LangChain、LlamaIndex 等框架普及；微软发布 AutoGen、CrewAI 推动多智能体协作
· 2024 年：MCP · 模型上下文协议 发布，规范 Agent 与工具的标准化对接；Coze智能体平台、Dify 等低代码 Agent 平台兴起
· 2025 年：Agent 与企业流程深度融合；多智能体系统 成为企业 AI 落地主流架构；Computer Use、Agentic Workflow 进入生产环境
6、主要类型 / 分类：
· 按智能层级：反应式 Agent（感知-动作）vs 思考型 Agent（规划+反思）vs 自主学习型 Agent（持续学习）
· 按能力形态：对话 Agent、任务执行 Agent、代码 Agent、运维 Agent、浏览器 Agent、Computer Use Agent
· 按记忆形态：无记忆 Agent、单轮记忆 Agent、长期记忆 Agent（结合 Vector DB）
· 按协同方式：单 Agent、Multi-Agent（角色分工）、Hierarchical Agent（层级管理）
· 按运行平台：本地 Agent、云端 Agent、端侧 Agent、嵌入式 Agent（机器人、IoT）
7、应用场景：
· 企业级自动化：客服 Agent、研发 Agent、数据分析 Agent 替代重复性脑力劳动
· 个人助理与办公：行程安排、邮件撰写、报告生成、信息搜集（Coze智能体平台、Dify 等）
· 代码与研发辅助：Code Agent 自动读代码、写代码、跑测试、修 Bug（Devin、Cursor Composer）
· 运维与监控：AI Ops · AIOps智能运维 中的运维 Agent 自动化排障、扩容、应急响应
· 浏览器与 Computer Use：Operator、Browser Use 等 Agent 模拟人类操作浏览器与桌面软件
· 具身智能与机器人：人形机器人 Agent 把大模型推理与机器人控制结合，实现真实环境交互
8、优缺点 / 局限性：
优点：自主完成任务：从「对话」走向「执行」，把意图直接转化为业务操作；可扩展性强：通过 Function Calling 与工具集成不断扩展能力边界；多步推理与反思：ReAct框架、思维链 CoT 让 Agent 能处理复杂长程任务；多智能体协同：通过角色分工模拟组织级协作，能力远超单 Agent
缺点：可控性弱：Agent 自主决策可能在金融、运维等高风险场景产生严重后果；易受提示词注入攻击：Function Calling + 外部数据 = 提示词注入 放大攻击面；调试与可观测难：Agent 多步骤决策链路长，错误定位与回溯困难；幻觉与失误成本：Agent 幻觉可能导致错误工具调用与误操作
9、常见误区：
· Agent = 聊天机器人（错：聊天机器人只做对话，Agent 能自主调用工具执行任务）
· Agent 已经成熟可用（错：复杂长程任务的成功率仍受幻觉、提示词注入 制约）
· Agent 等于 AGI · 通用人工智能（错：Agent 是 AGI 的可能路径之一，但当前 Agent 缺乏持续学习与世界模型）
· Agent 必须用 AutoGPT 类框架（错：现代企业 Agent 多数基于 LangChain、Coze智能体平台、Dify 等成熟框架而非 AutoGPT）
10、相关术语：
父概念：大语言模型 Large Language Model、人工智能 Artificial Intelligence
子概念：Function Calling、多智能体系统、Agentic Workflow、MCP · 模型上下文协议、Tool Use · 工具使用
兄弟概念：RAG · 检索增强生成、AI Workflow、Agent编排
对比概念：聊天机器人、传统自动化（RPA）、Agentic Workflow
应用相关：具身智能 Embodied AI、AI Ops · AIOps智能运维、RAG · 检索增强生成、Coze智能体平台、Dify
11、参考资料：
· 来源：Minsky《Society of The Mind》（1986 智能体哲学经典）
· 来源：Wei et al. Chain-of-Thought 论文 arXiv:2201.11903（2022）
· 来源：Yao et al. ReAct 论文 arXiv:2210.03629（2022）
· 来源：Anthropic《Model Context Protocol》规范（待补 URL）
· 来源：OpenAI Operator 产品页（待补 URL）
