文章目录为什么需要AI AgentAI Agent 的应用价值AI Agent 的本质AI Agent、RAG与Workflow的区别和联系AI Agent 的历史与发展从传统智能体到生成式AI AgentLLM-Agent 的兴起AI Agent的类别与特点AI Agent主流分类AI Agent 的特点为什么需要AI AgentAI Agent 的应用价值FSD(Full-Self Driving完全自动驾驶)AIGC应用需要经历的5个层级L1-Tool工具L2-Chatbot聊天机器人L3-Copilot协同L4-Agent智能体L5-Inteligence智能AI Agent 的本质AI Agent基础组件的组合被描述为认知架构Cognitive Architecture由模型Model、工具Tool和编排Orchestration组成编排使用ReAct、CoTChain-of-Thought思维链、ToTTree-of-Thought思维树等方法进行推理。AI Agent、RAG与Workflow的区别和联系AI Agent 的历史与发展从传统智能体到生成式AI Agent传统智能体与生成式AI Agent 的本质区别在于是否使用了LLM。从传统智能体到生成式AI Agent的演进过程可以主要分为4个时代分别是规则时代、机器学习时代、LLM时代和AI Agent时代。通过这些时代的演进智能体从简单的规则驱动系统发展到了高度自主、能够高效完成复杂任务的生成式AI Agent。传统智能体医疗专家系统MYCIN机器学习时代IBM WastonLLM时代ChatGPT、CopilotAI Agent时代Manus、AutoGPTLLM-Agent 的兴起基于LLM的自主AI Agent框架涵盖了角色定义、记忆、规划和行动4个关键部分赋予了AI Agent强大的感知、思考、学习和决策能力。MaaS模型即服务AI Agent的类别与特点AI Agent主流分类按决策机制分类反应式智能体工业PLC控制逻辑目标驱动智能体A-Star路径规划算法效用驱动智能体马尔可夫决策过程(MDP)学习型智能体DQN深度Q网络按架构复杂度分类简单反射智能体规则引擎(Drools)认知型智能体Prolog推理引擎混合架构智能体ROS(机器人操作系统)按协作方式分类单智能体系统多智能体系统合同网协议(CNP)联邦式智能体系统联邦学习框架(FATE)按前言技术原理分类大模型驱动智能体元学习智能体因果推理智能体具身智能体AI Agent 的特点自主性Autonomy工具调用能力(Tool Invocation Capabitility)动态适应性(Dynamic Adaptability)