AI 智能体的类型
给 AI 智能体分类有两种方式。教科书按思考方式排列：简单反射、基于模型、基于目标、基于效用和学习型智能体。开发者用更简单的分法：工作流——步骤由开发者定死；智能体——步骤由 AI 模型自己决定。
人们用两种方式给 AI 智能体分组——教科书的方式，以及开发者在决定 要做什么时真正使用的方式。第一种你只需要能认出来， 第二种才是你会真正用到的。
教科书按“看到”与“行动”之间隔着多少思考来给智能体分类 [1]： 简单反射智能体遵循固定的“如果这样，就那样” 规则（比如恒温器）；基于模型的智能体会记住 当下看不到的东西；基于目标的智能体 朝着明确的目标做规划；基于效用的智能体给 可能的结果打分并选出最优；学习型 智能体则随着经验不断进步。你可以把它想成一架独立性 越来越强的梯子。大多数现代 AI 系统都位于顶端附近。
开发者真正使用的分法
对开发者来说，第一个问题是工作流还是 智能体 [2]。 在工作流里，路径由开发者定死，AI 模型只负责填好 每一步：链式调用（上一步的答案喂给下一步）、路由（先给 请求分类，再交给对应的专家）、并行化（多个 步骤同时跑，再合并结果）、协调者–工作者 （一个模型拆分任务，其他模型完成各部分），以及 评估者–优化者（一个模型写、另一个模型检查，如此 反复）。真正的智能体更进一步：模型自己做规划、调用工具、 检查结果，并不断重复，直到它自己判断任务已经完成。
重要的不是智能体“是什么”——而是谁在控制这个循环。
按工作场景给智能体分类
你也可以按智能体在哪里干活来分类。 编码智能体在代码项目里工作，使用 终端、编辑器和测试。电脑操作与浏览器智能体 像人一样使用真实屏幕——点击、输入、阅读。 语音与客服智能体在设定好的规则内 进行对话。多智能体系统则把上面这几类 放在一个协调者背后，由它拆分并分派工作 [3]。 智能体在哪里工作，决定了它所有的难点：它需要 哪些工具、会以什么方式出错，以及——正如 评估指南所讲—— 你必须如何测试它。
资料来源
- Russell & Norvig — Artificial Intelligence: A Modern Approach（五种智能体类别）
- Anthropic — Building effective agents, 19 Dec 2024（工作流模式与智能体的对比）
- AWS — What are AI agents?（AI 智能体类型章节）
常见问题
AI 智能体的五种经典类型是什么？
教科书列出五种：简单反射智能体（固定规则）、基于模型的智能体（记住看不到的东西）、基于目标的智能体（朝目标做规划）、基于效用的智能体（给选项打分并选最优），以及学习型智能体（随经验进步）。大多数现代 AI 系统都位于这架梯子的顶端附近。
工作流和智能体有什么区别？
在工作流里，路径由开发者定死，AI 只负责填好每一步——把步骤串联起来、给请求做路由，或让步骤并行运行。在智能体里，模型自己做规划、调用工具、检查结果，并不断重复，直到它认为完成为止。关键问题是：谁在控制这个循环。
现实中今天有哪些 AI 智能体？
按工作场景来分：编码智能体通过终端和测试在代码项目里工作；电脑操作与浏览器智能体在真实屏幕上点击和输入；语音与客服智能体在设定好的规则内对话；多智能体系统则把这几类放在一个负责拆分工作的协调者背后。