AI 智能体入门：它是什么、什么时候该用

这篇适合谁，读完能做到什么

如果你用过大模型的聊天功能，但还没弄清「智能体」和普通聊天有什么区别，这篇适合你。读完你应该能说清智能体是什么，知道什么时候该用它、什么时候不该用，并能为一个真实问题画出一张简单的智能体方案草图^[1]。

智能体是什么

智能体是让大语言模型（LLM）真正「做事」的系统。它给模型提供工具和知识，让模型作用于外部世界，而不只是回复提示词^[1]。

这个定义包含几层意思。首先，智能体是一个系统，而不是单个模型。每个智能体都由三个核心部分组成：

环境（environment）：智能体工作的空间。以旅行预订智能体为例，环境就是预订平台本身^[1]。
传感器（sensors）：智能体读取环境当前状态的方式。旅行智能体可以查询酒店空房或机票价格^[1]。
执行器（actuators）：智能体采取行动的方式。旅行智能体可以订房、发送确认信息，或者取消预订^[1]。

其次是大语言模型。智能体在大模型出现之前就已经存在，但大模型让现代智能体变得强大：它能理解自然语言、结合上下文推理，并把一个模糊的请求转成具体的行动计划^[1]。

最后是「做事」的能力。没有智能体系统的时候，大模型只能生成文字；在智能体系统里，它可以真正执行步骤，比如查询数据库、调用 API、发送消息^[1]。

智能体能用哪些工具，能记住什么

智能体能用哪些工具，取决于两件事：它运行在什么环境里，以及开发者给它接了什么。旅行智能体也许能查机票，却不能修改客户记录，关键在于怎么接线^[1]。

智能体的记忆也分两种。短期记忆就是当前这次对话；长期记忆可以是客户数据库或过去的交互记录。比如，旅行智能体可能记得某位客户偏好靠窗座位^[1]。

七种常见的智能体类型

下面用旅行预订智能体作为贯穿全文的例子，逐一介绍七种类型^[1]：

简单反射型（Simple Reflex Agents）：按硬编码的规则行事，没有记忆，也不做规划。例子是收到投诉邮件后转给客服，仅此而已^[1]。
基于模型的反射型（Model-Based Reflex Agents）：维护一个对世界的内部模型，并随变化更新。例子是跟踪历史机票价格，标出突然变贵的航线^[1]。
基于目标型（Goal-Based Agents）：心里有一个目标，并逐步规划如何达成。例子是预订机票、租车和酒店，把旅客从所在地送到目的地^[1]。
基于效用型（Utility-Based Agents）：不只找到「一个」方案，而是通过权衡取舍找到「最好」的方案。例子是在成本和便利之间取舍，找出得分最高的行程^[1]。
学习型（Learning Agents）：从反馈中学习，随时间变得更好。例子是根据行程结束后的问卷结果，调整以后的预订推荐^[1]。
分层型（Hierarchical Agents）：高层智能体把工作拆成子任务，交给下层智能体。例子是取消行程的请求被拆成取消机票、取消酒店和取消租车三件事^[1]。
多智能体系统（Multi-Agent Systems，MAS）：多个相互独立的智能体协作或竞争。合作时，不同智能体分别负责酒店、机票和娱乐；竞争时，多个智能体争抢以最优价格订满酒店房间^[1]。

什么时候该用智能体

能用智能体，不代表就该用^[1]。智能体最适合下面三类场景^[1]：

开放式问题：解题步骤无法预先写死，需要大模型自己动态摸索路径^[1]。
多步骤流程：任务要在多轮中使用工具，而不是单次查询或单次生成^[1]。
随时间改进：希望系统能根据用户反馈或环境信号越变越好^[1]。

什么时候不该用，将在后面关于可信赖 AI 智能体的内容中详细讨论^[1]。

先想清楚智能体能做什么

搭建智能体，第一步是定义它能做什么：它的工具、动作和行为方式^[1]。想清楚这些之后，再去考虑提示词怎么写、步骤怎么编排。

两个常见术语需要分开。智能体模式（Agentic Patterns）是可复用的提示与编排策略，让大模型处理多步骤任务时更可扩展、更可靠。智能体框架（Agentic Frameworks）则提供现成的模板、工具和基础设施，让你更容易接入工具、观察智能体在做什么、排查错误，以及让多个智能体协同工作^[1]。

示例用的平台和框架

本系列的示例以 Microsoft Foundry Agent Service 为主要平台。该平台支持 OpenAI、Mistral、Meta（Llama）等提供方的模型，支持 Tripadvisor 等提供方的授权数据，也支持标准的 OpenAPI 3.0 工具定义^[1]。构建智能体本身时，重点使用面向生产环境的 Microsoft Agent Framework（MAF）^[1]。

代码示例在哪里

示例代码包括一个 Python Jupyter notebook：code_samples/01-python-agent-framework.ipynb，以及一个 .NET 文件：code_samples/01-dotnet-agent-framework.md，两者都基于 Agent Framework^[1]。本篇只讲概念，没有安装步骤，需要动手时再运行这些示例即可。