1，AI agent

1）定義

是一種能夠感知環境、基于所感知到的信息進行推理和決策，并通過執行相應動作來影響環境、進而實現特定目標的智能實體。
它整合了多種人工智能技術，具備自主學習、自主行動以及與外界交互的能力，旨在模擬人類智能行為，在不同的應用場景下靈活地完成各種任務。

2）關鍵特性

1>感知能力

1. 傳感器
   攝像頭、雷達
2. 數據接口
   用戶輸入的文本

2>推理與決策能力

基于所感知的環境數據，AI agent 運用內置的算法和模型進行分析推理。
例如，使用深度學習中的神經網絡模型對圖像數據進行識別判斷，或者基于規則引擎、概率模型等對文本信息進行語義理解和邏輯分析，然后根據分析結果做出決策。比如在自動駕駛場景中，根據感知到的前方車輛減速、道路出現障礙物等情況，決定是采取剎車、變道還是繞行等操作。

3>行動能力

一旦做出決策，AI agent 能夠通過相應的執行器或輸出接口來實施行動，從而對環境產生影響。
比如智能家居系統中的 AI agent 決定要調低室內溫度后，會向空調的控制系統發送指令使其實際運行并降低溫度；在機器人應用場景中，機器人 agent 會通過驅動電機、機械臂等部件做出相應的肢體動作來完成諸如抓取物品、移動到指定位置等任務。

4>學習能力

可以從過往的經驗數據（即歷史交互信息和任務執行結果等）中學習，也可以通過在線學習機制實時根據新的數據和環境變化來調整自身的行為模式和決策策略。
例如，智能推薦系統中的 agent 會根據用戶對推薦內容的點擊、瀏覽、購買等反饋行為，不斷優化推薦算法，使其推薦的內容更加貼合用戶的興趣和需求。

2，反應式 AI agent

這類 agent 僅根據當前的環境感知信息做出即時反應，不具備對歷史信息的記憶和復雜的推理規劃能力。它的行為是基于預設的規則或者簡單的映射關系，將感知到的輸入直接轉化為相應的行動。
例如，一些簡單的溫度控制系統，當傳感器感知到室內溫度高于設定值時，就直接啟動制冷設備，僅基于當下的溫度這一感知條件做出反應，而不考慮溫度變化的歷史趨勢等因素。

3，基于目標的 AI agent

除了能感知環境和做出反應外，還明確知曉要達成的目標，并會基于當前環境和目標之間的差距來規劃行動路徑。它會不斷評估自身的行動是否有助于接近目標，通過搜索算法、啟發式策略等手段制定行動計劃，然后按計劃執行并適時調整。
比如在機器人足球比賽場景中，機器人 agent 有進球的明確目標，它會根據球的位置、隊友和對手的位置等環境因素，規劃自己的移動、傳球、射門等動作，力求達成進球的目標。

4，基于效用的 AI agent

在基于目標的基礎上，進一步考慮了不同行動方案所帶來的效用（即價值、收益等），它會權衡各種行動選擇的利弊，選擇預期效用最高的行動。例如，在投資決策場景中，AI agent 會綜合考慮不同投資產品的風險、收益、市場趨勢等多種因素，評估每個投資選擇的效用，然后做出能使投資收益最大化、風險最小化的決策，而不是僅僅朝著某個單一的目標盲目行動。

5，學習型 AI agent

著重強調學習能力，通過機器學習、強化學習等技術不斷從經驗中學習和改進自身的行為。這類 agent 可以在復雜多變的環境中逐漸適應并優化表現。
例如搜索引擎中的智能排序 agent，它會根據用戶對搜索結果的點擊行為、停留時間等反饋，利用強化學習算法不斷調整搜索結果的排序策略，使得排序結果更符合用戶的期望，提升用戶的搜索體驗。