01、概述

在當(dāng)今科技飛速發(fā)展的時(shí)代，人工智能早已告別簡(jiǎn)單的規(guī)則系統(tǒng)，搖身一變成為能處理復(fù)雜任務(wù)的智能強(qiáng)者。在這一變革浪潮中，“AI Agents” 和 “Agentic AI” 這兩個(gè)術(shù)語頻繁闖入我們的視野。盡管乍看之下，它們似乎差不多，但實(shí)際上，它們代表著構(gòu)建智能系統(tǒng)的不同路徑。今天，就讓我們一起深入探究 AI Agents 和 Agentic AI 之間的差異，從定義、架構(gòu)，到現(xiàn)實(shí)應(yīng)用，以及它們?cè)诙嘀悄荏w系統(tǒng)和人機(jī)協(xié)作中的角色，全方位解鎖其中奧秘。

02、基礎(chǔ)概念

AI Agents 是什么？

簡(jiǎn)單來說，AI Agent 是一種能自主運(yùn)行的軟件實(shí)體，它會(huì)像人一樣感知周圍環(huán)境，做出決策，再采取行動(dòng)來達(dá)成特定目標(biāo)。它的工作模式遵循一個(gè) “感知→決策→行動(dòng)” 的循環(huán)：先通過傳感器或數(shù)據(jù)流收集信息，接著利用基于規(guī)則或通過學(xué)習(xí)獲得的決策邏輯處理這些信息，最后通過執(zhí)行器或應(yīng)用程序接口輸出行動(dòng)。生活中，為我們提供客戶支持的聊天機(jī)器人，還有能解讀傳感器數(shù)據(jù)并在道路上自如行駛的自動(dòng)駕駛汽車，都是 AI Agent 的典型代表。這些智能體通常有特定的任務(wù)范圍，由人類設(shè)定高層次目標(biāo)，然后它們?cè)谶@個(gè)范圍內(nèi)自行決定最佳行動(dòng)方案。

Agentic AI 又有何不同？

Agentic AI 代表著一種更新穎的范式，這類人工智能系統(tǒng)自主性和適應(yīng)性更強(qiáng)。它能自主規(guī)劃、執(zhí)行多步驟任務(wù)，還能持續(xù)從反饋中學(xué)習(xí)。與傳統(tǒng) AI Agent 不同，傳統(tǒng) AI Agent 常常遵循預(yù)先設(shè)定的固定策略，而 Agentic AI 系統(tǒng)可以把復(fù)雜目標(biāo)拆分成子任務(wù)，調(diào)用外部工具，并且實(shí)時(shí)調(diào)整策略。比如說，要是給 Agentic AI 下達(dá)一個(gè) “創(chuàng)建一個(gè)網(wǎng)站” 的任務(wù)，它可能會(huì)自己生成代碼、設(shè)計(jì)圖形、進(jìn)行測(cè)試，甚至完成網(wǎng)站部署，整個(gè)過程幾乎不需要人類過多插手?？梢赃@么講，每一個(gè) Agentic AI 都屬于 AI Agent，但不是所有 AI Agent 都具備 Agentic AI 那種充滿活力、目標(biāo)驅(qū)動(dòng)的行為。

03、關(guān)鍵技術(shù)差異

自主性與目標(biāo)執(zhí)行

傳統(tǒng) AI Agent 的自主程度參差不齊，很多只能在狹窄、預(yù)先設(shè)定好的范圍內(nèi)工作，遇到復(fù)雜決策就得依賴人類輸入。而 Agentic AI 突破了這一局限，強(qiáng)調(diào)高度自主性。它能解讀高層次目標(biāo)，并設(shè)計(jì)出一系列行動(dòng)來實(shí)現(xiàn)目標(biāo)。與簡(jiǎn)單的一步式響應(yīng)不同，Agentic AI 會(huì)根據(jù)新收集的數(shù)據(jù)和反饋，不斷對(duì)決策進(jìn)行調(diào)整和優(yōu)化，實(shí)時(shí)更新計(jì)劃。

適應(yīng)性與學(xué)習(xí)能力

不少 AI Agent 采用先離線訓(xùn)練、再靜態(tài)部署的兩階段訓(xùn)練方式。有些智能體可能會(huì)隨著時(shí)間推移，利用強(qiáng)化學(xué)習(xí)更新策略，但這種學(xué)習(xí)往往和實(shí)時(shí)操作是分開的。相反，Agentic AI 系統(tǒng)天生適應(yīng)性強(qiáng)，它融入了持續(xù)學(xué)習(xí)循環(huán)，能利用環(huán)境反饋實(shí)時(shí)調(diào)整策略。這種動(dòng)態(tài)學(xué)習(xí)能力讓 Agentic AI 能夠應(yīng)對(duì)各種意外變化，并且在無需重新訓(xùn)練的情況下持續(xù)進(jìn)步。

決策與推理方式

傳統(tǒng) AI Agent 一般依賴固定的決策策略，或者從輸入到行動(dòng)的簡(jiǎn)單一步式映射，很多時(shí)候缺乏能解釋其行動(dòng)合理性的明確推理過程。而 Agentic AI 系統(tǒng)采用了先進(jìn)的推理技術(shù)，比如思維鏈規(guī)劃。它能生成內(nèi)部推理過程，把復(fù)雜任務(wù)拆解成可管理的子任務(wù)，評(píng)估潛在策略，從而選出最佳行動(dòng)方案。這種迭代的、多步驟推理方法，讓 Agentic AI 在處理復(fù)雜、全新問題時(shí)，展現(xiàn)出簡(jiǎn)單智能體所沒有的靈活性。

04、架構(gòu)與底層技術(shù)

AI Agent 架構(gòu)

AI Agent 的核心是由感知、決策和行動(dòng)構(gòu)成的循環(huán)，其架構(gòu)通常是模塊化的：

• 感知模塊：負(fù)責(zé)通過傳感器或數(shù)據(jù)輸入接口收集信息。
• 決策模塊：堪稱智能體的 “大腦”，運(yùn)用基于規(guī)則的系統(tǒng)、決策樹或通過學(xué)習(xí)得到的策略，處理輸入信息。
• 執(zhí)行模塊：即負(fù)責(zé)在環(huán)境中執(zhí)行行動(dòng)的組件或應(yīng)用程序接口。

許多 AI Agent 是利用支持強(qiáng)化學(xué)習(xí)或基于規(guī)則決策的框架設(shè)計(jì)的。比如在機(jī)器人領(lǐng)域，智能體可能會(huì)整合攝像頭或激光雷達(dá)的傳感器數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)處理后，再控制電機(jī)運(yùn)轉(zhuǎn)。

Agentic AI 架構(gòu)

Agentic AI 在基本智能體架構(gòu)基礎(chǔ)上，融入了多個(gè)先進(jìn)組件：

• 認(rèn)知協(xié)調(diào)器：通常是先進(jìn)的語言模型，用來解釋目標(biāo)、對(duì)任務(wù)進(jìn)行推理，并規(guī)劃行動(dòng)步驟。
• 動(dòng)態(tài)工具使用：智能體可以自主調(diào)用數(shù)據(jù)庫、搜索引擎、代碼解釋器等外部工具或應(yīng)用程序接口，輔助解決問題。
• 記憶與上下文模塊：與簡(jiǎn)單智能體不同，Agentic 系統(tǒng)會(huì)留存之前交互的記憶，方便參考過去的數(shù)據(jù)，在長(zhǎng)期任務(wù)中保持一致性。
• 規(guī)劃與元推理模塊：Agentic AI 能生成多步驟計(jì)劃，并在情況變化時(shí)實(shí)時(shí)調(diào)整，常用思維鏈推理衍生技術(shù)。
• 多智能體協(xié)調(diào)模塊：部分 Agentic 系統(tǒng)可生成或協(xié)調(diào)其他專門的子智能體，以此分解任務(wù)，提升效率。

開發(fā)人員正借助 LangChain 和 Semantic Kernel 等框架，構(gòu)建這些先進(jìn)系統(tǒng)，融合大型語言模型、強(qiáng)化學(xué)習(xí)和工具集成的優(yōu)勢(shì)。

05、應(yīng)用場(chǎng)景

機(jī)器人與自動(dòng)駕駛車輛

在機(jī)器人領(lǐng)域，傳統(tǒng) AI Agent 體現(xiàn)在機(jī)器人吸塵器、倉(cāng)庫機(jī)器人這類系統(tǒng)中，它們按預(yù)定義規(guī)則導(dǎo)航和執(zhí)行任務(wù)。而 Agentic AI 系統(tǒng)讓機(jī)器人技術(shù)更上一層樓，使機(jī)器人能實(shí)時(shí)適應(yīng)變化的環(huán)境。就拿自動(dòng)駕駛汽車來說，它不僅能遵守交通規(guī)則，還能根據(jù)路況調(diào)整行駛方式，遇到意外障礙物時(shí)重新規(guī)劃路線，甚至和其他車輛協(xié)作，這種自主性和適應(yīng)性就是 Agentic AI 的有力體現(xiàn)。

金融與交易

在金融領(lǐng)域，AI Agent 被用于算法交易，交易機(jī)器人根據(jù)市場(chǎng)數(shù)據(jù)中的預(yù)定信號(hào)或模式執(zhí)行交易。而 Agentic AI 交易系統(tǒng)能依據(jù)實(shí)時(shí)新聞、經(jīng)濟(jì)指標(biāo)，甚至社交媒體情緒自主調(diào)整策略。通過持續(xù)學(xué)習(xí)和適應(yīng)，Agentic 交易智能體在投資組合管理和風(fēng)險(xiǎn)評(píng)估上，比傳統(tǒng)交易智能體更具動(dòng)態(tài)性和靈活性。

醫(yī)療保健

醫(yī)療保健領(lǐng)域的傳統(tǒng) AI Agent 有處理患者咨詢、監(jiān)測(cè)生命體征的虛擬助手。Agentic AI 系統(tǒng)則有望徹底改變個(gè)性化醫(yī)療。比如，Agentic 醫(yī)療保健 AI 能持續(xù)監(jiān)測(cè)可穿戴設(shè)備的健康數(shù)據(jù)，管理患者治療計(jì)劃，調(diào)整藥物劑量，安排檢查，一旦檢測(cè)到異常，還能及時(shí)提醒醫(yī)療人員。這類系統(tǒng)不僅能自動(dòng)化日常任務(wù)，還能從患者數(shù)據(jù)中學(xué)習(xí)，提供更個(gè)性化的護(hù)理服務(wù)。

軟件開發(fā)與 IT 運(yùn)維

在軟件開發(fā)中，像 GitHub Copilot 這樣的 AI Agent 編碼助手可提供實(shí)時(shí)代碼建議。而 Agentic AI 更厲害，能從高層次規(guī)格說明中自主生成整個(gè)代碼庫，調(diào)試問題，完成應(yīng)用程序部署。在 IT 運(yùn)維方面，Agentic AI 智能體能監(jiān)測(cè)系統(tǒng)指標(biāo)，檢測(cè)異常，自動(dòng)啟動(dòng)糾正措施，比如擴(kuò)展資源或回滾有問題的部署，大大提高了系統(tǒng)的可靠性，減少了停機(jī)時(shí)間。

06、多智能體系統(tǒng)和人機(jī)協(xié)作

多智能體系統(tǒng)

在多智能體系統(tǒng)中，多個(gè) AI Agent 協(xié)同合作，各自承擔(dān)特定角色，共同解決復(fù)雜任務(wù)。傳統(tǒng)多智能體系統(tǒng)角色和通信協(xié)議固定，與之不同，Agentic AI 系統(tǒng)能動(dòng)態(tài)生成并協(xié)調(diào)多個(gè)子智能體，每個(gè)子智能體負(fù)責(zé)處理更大任務(wù)的一部分。這種動(dòng)態(tài)編排讓問題解決方式更靈活、響應(yīng)更迅速、擴(kuò)展性更強(qiáng)，使其能在復(fù)雜環(huán)境中快速適應(yīng)。

人機(jī)協(xié)作

傳統(tǒng)上，AI Agent 被看作按指令執(zhí)行任務(wù)的工具。而 Agentic AI 把自己定位成能自主決策，同時(shí)又在人類監(jiān)督下的協(xié)作伙伴。例如在商業(yè)環(huán)境中，Agentic AI 能處理調(diào)度、數(shù)據(jù)分析和報(bào)告等日常運(yùn)營(yíng)任務(wù)，讓人類主管得以專注于戰(zhàn)略決策。AI 解釋推理過程、根據(jù)反饋調(diào)整的能力，進(jìn)一步增強(qiáng)了協(xié)作環(huán)境中的信任和可用性。

07、總結(jié)

雖說 AI Agents 和 Agentic AI 都圍繞自主系統(tǒng)這一核心概念，但它們的差異十分明顯。AI Agents 通常在固定范圍內(nèi)執(zhí)行預(yù)定義任務(wù)，實(shí)時(shí)學(xué)習(xí)和多步驟推理能力有限。而 Agentic AI 專為高度自主性、適應(yīng)性和復(fù)雜問題解決而設(shè)計(jì)，憑借融入動(dòng)態(tài)工具使用、記憶和先進(jìn)推理的架構(gòu)，Agentic AI 系統(tǒng)有潛力徹底革新自動(dòng)駕駛、金融、醫(yī)療保健、軟件開發(fā)等眾多行業(yè)。隨著技術(shù)持續(xù)發(fā)展，相信 Agentic AI 還會(huì)給我們帶來更多意想不到的驚喜變革。

本文轉(zhuǎn)載自公眾號(hào)Halo咯咯    作者：基咯咯

原文鏈接：??https://mp.weixin.qq.com/s/c8xvyD6bbKCiM36bwwULnA??