速览：AI Agent智能体软件的10种分类，以及典型代表。
AI Agent 智能体软件的分类维度多样，实际开发中，需要结合多个角度进行设计。将智能体分类，目的是更好地理解 Agent 的能力边界与适用场景，构建有效的架构设计和实现。
AI Agent 可以根据多个维度进行分类，以下是一些常见的分类角度和方式：
- 按功能与目标分类
反应式（Reactive）Agent：仅根据当前输入做出响应，无内部状态或长期记忆（如基于规则的简单系统）。
目标导向（Goal-Based）Agent：具有明确目标，通过规划与推理实现目标（如路径规划，代码copilot）。
效用驱动（Utility-Based）Agent：基于效用函数（Utility Function）评估不同行为的收益，选择最优解（如资源分配系统）。
认知型（Cognitive）Agent：具备复杂推理、知识存储和自主学习能力（如具备常识推理的AI系统）。
- 按智能水平分类
简单规则型（Rule-Based）：依赖预定义规则（如聊天机器人中的关键词匹配）。
弱人工智能（Narrow AI）：专注于特定任务（如语音助手、推荐系统）。
强人工智能（AGI，Artificial General Intelligence）：具备通用人类智能（尚未实现）。
超级智能（Superintelligent AI）超越人类智能（理论阶段）。
- 按学习方式分类
监督学习 Agent：基于标注数据训练（如图像分类模型）。
无监督学习 Agent：通过数据内在模式学习（如聚类分析）。
强化学习 Agent：通过环境反馈优化策略（如游戏AI AlphaGo）。
模仿学习 Agent：模仿人类行为（如自动驾驶模仿司机操作）。
- 按自主性分类
完全自主（Autonomous）独立决策，无需人工干预（如无人机）。
半自主（Semi-Autonomous）需要部分人类指导（如手术辅助机器人）。
协作型（Collaborative）与人类或其他 Agent 协同工作（如多机器人协作系统）。
- 按应用领域分类
通用型 Agent：可处理多种任务（如 ChatGPT）。
领域专用 Agent：专注于特定领域（如医疗诊断、金融交易、游戏AI）。
- 按交互方式分类
被动型（Passive）：仅响应外部输入（如客服问答机器人）。
主动型（Proactive）：主动发起行为或建议（如智能日程管理助手）。
社交型（Social）：具备情感识别与自然交互能力（如虚拟陪伴机器人）。
- 按环境感知能力分类
静态环境 Agent：环境在运行中不变化（如棋盘游戏AI）。
动态环境 Agent：需适应实时变化的环境（如自动驾驶汽车）。
部分可观测环境 Agent：仅能感知部分环境信息（如基于传感器的控制系统）。
- 按架构分类
模块化 Agent：由独立模块组成（如感知、决策、执行模块）。
端到端 Agent：直接输入到输出的映射（如深度学习驱动的系统）。
混合架构 Agent：结合符号推理与数据驱动方法（如知识图谱+神经网络）。
- 按伦理与责任
类型分类
道德约束型 Agent：内置伦理规则（如自动驾驶的“电车难题”处理）。
透明性 Agent：决策过程可解释（如医疗诊断中的可解释AI）。
黑盒 Agent：内部逻辑不可解释（如某些深度学习模型）。
- 按实时性分类
实时（Real-Time）Agent：需在严格时间限制内响应（如高频交易系统）。
非实时（Offline）Agent：允许延迟处理（如批量数据分析系统）。
总结
AI Agent 的分类维度多样，实际应用中常需要结合多个角度进行设计。
譬如，一个自动驾驶 Agent 可能属于动态环境、强化学习、强自主性、实时性的混合类型。
去做智能体分类的目的，是更好地理解 Agent 的能力边界，判断它的适用场景，进而做有针对性设计。
** 扩展阅读 **
AI推理的反馈对于用户心理影响
AI Agent与传统软件产品到底有哪些不同？
有6种提示语，让你的AI对话飞起来
AI大模型反映了什么？
DeepSeek万能提问公式大揭秘
“DeepSeek什么是你不擅长的？”
大模型的局限性六个方面
最新！山姆·奥特曼的三个观察
原文链接：https://mp.weixin.qq.com/s/sN14LrD7AKiIsUBIZj3GWw
来源：XT