你好，AI智能体！(Hello, AI Agent!)
第 1 章：你好，AI智能体！(Hello, AI Agent!)
1.1 从一声"Hey Siri"开始
"小爱同学，明天会下雨吗？" "Hey Siri，播放周杰伦的歌。" "小度小度，恐龙为什么会消失？"
每天，全球有超过十亿人对着手机、音箱、车载屏幕说话。这些藏在机器里的小声音，似乎"听懂"了我们的话，还能"回答"得头头是道。它们会讲笑话、查天气、订外卖、播音乐，甚至帮你写作业查资料。我们已经习惯了它们的存在——就像习惯电视遥控器和家用灯泡一样。
可是，你有没有在某个瞬间停下来想过：
> 这些"会说话的程序"，到底是怎么工作的？它们真的"懂"我们在说什么吗？它们和普通的手机 App、电脑软件，有什么不一样？
这就是我们要在这本书里回答的第一个、也是最重要的问题——什么是 AI 智能体 (AI Agent)？
先告诉你一个小秘密：接下来的 15 章里，我们会一层一层地把"智能体"拆开来看。你会学到它有"大脑"、"记忆"、"工具"和"计划"，你会动手做一个真正能跑的智能体，你还会了解它的优点和危险。但现在，让我们先把"智能体"这四个字在脑子里建立起来。
让我们从一个你一定认识的小伙伴开始——机器人管家小 A。
---
1.2 认识"机器人管家小 A"
想象这样一个场景：你的家里来了一位特别的机器人管家，我们就叫它小 A。小 A 的外形可以是圆滚滚的，可以是方方正正的，也可以像一个小小的太空舱。但不管长什么样，它都有三样"看家本领"：
1. 它能"看"和"听"周围的世界 —— 眼睛是摄像头，耳朵是麦克风，皮肤是温度传感器。 2. 它能"想"，把看到听到的东西整理成主意 —— 脑袋里装着一个聪明的小计算机。 3. 它能"做"，把主意变成真正的动作 —— 手臂、轮子、扬声器、屏幕，这些都能动起来。
比如，你的妈妈在厨房喊了一声："小 A，把客厅的灯关掉，帮我倒杯温水！"
小 A 听到这句话之后（感知 Perception），会先在脑子里分析：
- 妈妈说了两件事：关灯 + 倒水
- 客厅的灯在哪里？客厅的水壶在哪里？
- 现在水够热吗？要不要等一下？
分析完了（思考 Reasoning），它就会动起来（行动 Action）：
- 它走到客厅开关前，按下关灯键 💡
- 它滚到厨房，拿起水壶，把温水倒进杯子 🥛
- 它回到妈妈身边，说："灯关了，水到了。"
从"听到"到"想到"再到"做到"，这就是智能体的核心循环。我们用三个英文单词来记住它：
> P → R → A > Perception（感知）→ Reasoning（思考）→ Action（行动）
这三个字母会像魔法口诀一样，贯穿整本书。现在，让我们用一张图把它画下来：
```mermaid flowchart LR P[感知 Perception<br/>摄像头 麦克风 传感器] R[思考 Reasoning<br/>分析 计划 决策] A[行动 Action<br/>手臂 轮子 屏幕 声音] P -->|收集信息| R R -->|决定做什么| A A -->|产生新信息| P ```
这张图叫感知-思考-行动循环（Perception-Reasoning-Action Loop）。注意看最右边那个箭头——行动之后，环境又会带来新的信息，于是智能体又进入下一轮"感知"。这个循环永远不会停，直到任务完成。
为什么要强调"循环"两个字？因为智能体不是做一次就结束的机器人。它会一边做一边检查："灯真的关了吗？""水温合适吗？""妈妈还需要什么吗？"如果发现问题，它会重新思考，再来一遍。这种"做了再看看，做得不好就改"的能力，就是智能体和普通程序最大的区别之一。
让我们给小 A 一个非正式的定义：
> AI 智能体，就是一种能够感知周围环境、思考要做什么、并且采取行动去完成目标的人工智能程序。它和普通程序最大的不同在于：它有一点点"自主性"，能自己拿主意，自己选工具，自己决定下一步怎么走。
你不需要背下这句话。后面的章节会反复用到它，到时候你自然就记住了。现在，我们暂时只需要知道：智能体 = 感知 + 思考 + 行动，而且它会循环这样做。
---
1.3 智能体 vs 普通程序：三个关键差别
很多小朋友会问："Siri 不就是一个程序吗？我手机里的计算器也是一个程序啊，为什么 Siri 就能叫智能体，计算器就不算呢？"
这是一个特别好的问题。我们来认真比较一下。
差别一：能不能自己拿主意（自主性 Autonomy）
普通的程序，比如一个计算器，它只能做你让它做的事。你按下"1+2"，它就输出"3"。你输入什么，它就输出什么。它不会"主动"跟你说："嘿，我看你最近算了好多数学题，要不要我帮你做个错题本？"
智能体不一样。它有一点点"自主性"。比如你告诉小爱同学"我明天要去公园"，它可能会主动提醒你："明天天气预报说要下雨，要不要我帮你查一下室内的备选方案？" 这种"不问就自己提建议"的能力，叫做自主性 (Autonomy)。
但请注意，自主性不等于自由。小爱同学只能在你的授权范围内自主——它不会偷偷把你的对话告诉陌生人（理想情况下），也不会自己跑去网上乱花钱。这种"在规则里自主"的能力，是智能体最迷人的地方。
差别二：有没有明确的目标（目标性 Goal-directed）
普通程序在"执行指令"。智能体在"完成任务"。
这两个说法看起来差不多，其实差很远。"执行指令"是说：你写好第一步做什么、第二步做什么，它就一步步照着做。中间不管发生什么，它都不会拐弯。
"完成任务"是说：你告诉它一个目标——比如"帮我准备一份明天春游的便当"——它自己会想办法决定先做什么、后做什么、遇到下雨怎么办、东西买不到怎么办。
下面这张表，把它们做了一个对比：
| 项目 | 普通程序 (Traditional Program) | AI 智能体 (AI Agent) | |------|------------------------------|---------------------| | 触发方式 | 用户每一步都要操作 | 给出目标，自己规划 | | 决策者 | 人 | 智能体（+ 人的监督） | | 应对变化 | 死板，会出错 | 可以重新思考，换方法 | | 工具使用 | 只能用写死的接口 | 可以动态调用不同的工具 | | 学习能力 | 几乎不变 | 可以从经验里不断变好 |
你可以把普通程序想成"列好了清单的厨师"，照着菜谱一步一步做；把智能体想成"有经验的厨师长"，知道你的口味，自己决定配菜和火候。
差别三：会不会用工具（Tool Use）
普通程序只能用它出厂自带的功能。计算器就只能算数学，画图软件就只能画图。
智能体可以调用各种外部工具。比如小 A 想查明天的天气，它会调用"天气 API"；想放歌，它会调用"音乐播放器"；想查百科知识，它会调用"知识图谱"。智能体的"大脑"和"手"，是分开的两件事——大脑负责思考要不要动手，手负责真的去动。
这种"会用工具"的能力，是现代 AI 智能体在 2023 年以后突然变厉害的关键原因。你可能听说过 ChatGPT 能"上网"、能"写代码"、能"画图"——它其实就是把"思考"和"工具使用"分开了，自己决定什么时候该用哪个工具。
> 💡 小练习：找一找普通程序的边界 > 打开你手机上的任何一个 App，例如天气 App。问自己三个问题： > 1. 它能不能在我没问的时候主动告诉我有用的事？ > 2. 如果我给它一个新任务（比如让它帮我订外卖），它会怎么办？ > 3. 它能不能调用别的 App 的功能？ > > 如果三个答案都是"不能"，那它就是一个普通程序。如果有任何一个"能"，它就带有一丁点"智能体"的影子。
---
1.4 智能体在我们身边：三个真实例子
讲到这里，你可能还觉得智能体有点抽象。让我们看看它就在我们日常生活里。
例子一：扫地机器人 🤖
你家里可能有一台圆圆的、能自己跑来跑去的扫地机器人。它就是一个非常典型的智能体。
- **感知**：它用激光雷达 (LiDAR)、红外传感器、悬崖传感器，扫描房间的形状，识别哪里是墙壁、哪里是楼梯边缘。
- **思考**：它的 CPU 在实时计算："我现在在客厅，左边是沙发，前方有障碍物，要不要绕过去？电还剩 30%，要不要先回去充电？"
- **行动**：它驱动轮子转向，启动吸尘刷，发出语音提醒。
而且它在循环！它做完一遍，发现客厅角落没扫干净，会自己回去补扫。这就是一个完整的感知-思考-行动循环。
不过请注意：扫地机器人的"思考"是比较简单的、规则化的。真正强大的智能体，会在"思考"这一步用到大语言模型 (LLM, Large Language Model)。我们后面会学到二者怎么结合。
例子二：视频推荐系统 📱
你打开 B 站、抖音或者 YouTube，系统总是"猜你喜欢"。它怎么猜的？
它在做这几件事： 1. 感知：收集你点过哪些视频、停留了几秒、点赞还是划过。 2. 思考：把这些信息和几百万其他用户的行为做对比，预测"你最可能喜欢什么"。 3. 行动：把预测的视频推送到你的首页。
它甚至会主动测试：先推一个你大概率喜欢的，再推一个不太确定你喜不喜欢，根据你的反应调整下一次的推荐。这也是一种感知-思考-行动循环，只是不带轮子和手臂而已。
例子三：智能音箱 🔊
小爱同学、Siri、小度、天猫精灵，这些都是智能体。
- 当你说"小爱同学，30 分钟后提醒我写作业"，它会 **感知** 你的声音，把语音变成文字。
- 它会**思考**："这是一个定时提醒任务，30 分钟后触发，内容是'写作业'。"
- 它会**行动**：设一个倒计时，30 分钟后响铃并播报。
而如果你接着问"刚才那个提醒能不能改成 40 分钟？"，它能理解你说的"刚才那个"指的是哪个提醒，并且修改。这种"记住刚才的对话"的能力，叫做短期记忆 (Short-term Memory)。智能体有记忆吗？有的——这是我们要讲的第一个支柱。
> 💡 观察练习 > 打开你家里任何一个智能音箱（或者手机里的语音助手），试着对它说： > 1. "我喜欢蓝色的天空。" > 2. 隔 5 分钟，再问它："我喜欢什么颜色？" > > 它记不记得刚才的话？这就是它在短期记忆里做的小测试。是不是很有趣？
---
1.5 智能体的四大支柱预告
有了感知、思考、行动，为什么智能体还经常"翻车"？为什么有时候它答得特别聪明，有时候又像没睡醒？
因为一个真正能干的智能体，光有"三步循环"还不够，它还需要四个重要的支柱。我们把它们想象成"机器人的装备包"，后面会有整整一章甚至两章分别讲它们。今天，我们只是先把名字和图样混个眼熟。
```mermaid flowchart TD Agent[AI 智能体] P1[支柱 1: 规划 Planning] P2[支柱 2: 记忆 Memory] P3[支柱 3: 工具 Tools] P4[支柱 4: 工作流 Workflow] Agent --> P1 Agent --> P2 Agent --> P3 Agent --> P4 ```
支柱一：规划 (Planning)——把大目标拆成小步骤。
智能体接到"帮妈妈准备春游便当"这样的大目标，不会立马动手。它会先在脑子里列一个清单：买面包、煎鸡蛋、洗水果、装盒子。然后再决定先做哪一步。规划就是这种"画路线图"的能力。我们在第 4 章和第 5 章会详细讲。
支柱二：记忆 (Memory)——不忘事，也不会一直忘。
智能体的记忆分两种：
- **短期记忆**：刚才那次对话里说了什么。
- **长期记忆**：昨天你告诉它你喜欢蓝色，它今天也记得你爱蓝色。
记忆让智能体越来越"懂你"。我们会在第 6 章专门讲。
支柱三：工具 (Tools)——能动手做事。
智能体不只是嘴上说说。它可以用计算器算账，可以用浏览器查资料，可以用画板做图，可以用 Python 写代码。我们在第 7 章和第 8 章会带着你给智能体"配工具"。
支柱四：工作流 (Workflow)——做事的套路。
有的任务需要按部就班：开会前先发通知，再看报名，最后发会议号。这种"先 A 再 B 最后 C"的套路，叫做工作流。我们在第 9 章会讲怎么设计工作流。
这四个支柱加起来，配合感知-思考-行动的循环，就构成了我们在后 14 章里会详细拆解的"智能体全家福"。
> 📌 小结一句话：智能体 = 感知-思考-行动循环 + 规划 + 记忆 + 工具 + 工作流。先记住这五个东西，我们慢慢来。
---
1.6 动手时间：设计一张"我的智能体名片"
光看例子还不够，下面我们来做一个小练习。拿出你的纸和彩笔，跟我一起设计一张智能体名片。
第一步：给它起个名字
每个智能体都应该有一个独特的名字。比如：
- **小 A**（我们刚才用过的机器人管家）
- **小探**（专门帮你搜索信息的探险家）
- **小厨**（帮你安排一日三餐的厨房小助手）
- **小词**（帮你学英语单词的小伙伴）
- **小星**（陪你仰望星空、讲星座故事的宇航员）
名字可以体现它的个性。比如叫"闪电"的可能行动特别快，叫"暖阳"的可能很温柔体贴。
第二步：写一句话目标
用一句不超过 20 个字的话，说明这个智能体存在的意义。例如：
- "小厨：每天帮我准备营养又好吃的一日三餐。"
- "小词：陪我背单词，让背单词像玩游戏一样有趣。"
- "小探：当我问到不懂的科学问题时，给我讲得明明白白。"
第三步：写下它的三种能力
用三个"会做什么"来描述它的能力，比如：
- 会感知：能听懂中文、识别图片里的物体
- 会思考：会自己列出学习计划、知道先背哪几个单词
- 会行动：能播放声音、显示动画、保存学习记录
也可以加上工具。例如："还能调用'词典'工具查单词。"
第四步：画上它的样子
可以画一个圆滚滚的机器人，可以画一只小动物，可以画一个会说话的小盒子。怎么画都行，关键是它看起来顺眼、像它要做的事。
第五步：给智能体三个"不许做"的规则
这一步是给小练习加一点点深度。问问自己：
- 我的智能体**不会**对陌生人说我的家庭住址。
- 我的智能体**不会**在我没问的时候乱花钱。
- 我的智能体**不会**假装自己是真人去骗别人。
把这些写下来，这张名片就完成了。
下面是几个小朋友做好的例子，你可以照着画一张自己的：
> 小厨的名片 🎂 > 名字：小厨 > 目标：每天帮我准备营养好吃的一日三餐。 > 能力：会看冰箱里的食材、能听懂"我今天想吃甜的"、会做简单的菜谱规划、能发提醒让我不要忘记吃饭。 > 规则：不偷偷买昂贵食材、不催我吃不健康的零食、不在我写作业的时候响铃。
> 小探的名片 🔭 > 名字：小探 > 目标：当我问到不懂的科学问题时，给我讲得明明白白。 > 能力：能听懂复杂的问题、会查资料、能用动画解释给我看、会给我出几道小练习。 > 规则：不编造不存在的科学家名字、不让我看太久屏幕、遇到危险问题会叫爸爸妈妈。
等你把这张名片画完，你就已经迈出了"设计智能体"的第一步。这张名片我们会一直用到第 3 章，到时候你会把它升级成一份"智能体说明书"。
---
1.7 普通程序也能"假装"是智能体吗？
我们在 1.3 节比较过普通程序和智能体。但有些小朋友可能会问："我以前玩过的聊天机器人，比如有些公众号里自动回复的那个，是不是也算智能体？"
这是一个特别值得说清楚的问题。能像聊天一样说话，不等于智能体。
一个判别方法是"三看法"：
一看：它能不能在没有新输入的情况下继续做事？ 智能体可以根据目标自主决定下一步。比如你说"帮我把房间收拾干净"，它会主动去找脏衣服、扫垃圾、叠被子。一个简单的自动回复机器人，只能等你下一句话才能反应。
二看：它会不会用工具？ 智能体可以调用外部工具，比如查天气、查日历、写文件。自动回复机器人基本上只能从预先写好的几句话里选一句。
三看：它能不能记住？ 智能体有短期和长期记忆。自动回复机器人一退出聊天，就把刚才的话忘得一干二净。
如果三个答案都是"不会"，那它就是一个普通的聊天机器人 (Chatbot)，还够不上"智能体"的标准。
可是问题来了——为什么新闻里老是把"AI 智能体"和"聊天机器人"混为一谈？
这是因为大部分智能体都有一个"聊天界面"，让我们可以跟它说话。但聊天只是它的"嘴巴"，真正的智能体在嘴巴后面，还有一个会思考的大脑、会动手的双手、能记住过去的小本子。我们这本书的很多章节，就是带你看看那些"嘴巴后面"的东西。
> 📌 一句话判断：会聊天 ≠ 智能体。聊天是表面，感知-思考-行动 + 四个支柱才是骨架。
---
1.8 智能体也分等级：从小助手到大管家
最后，我们要把"智能体"这个词再细分一下，这样你以后跟别人聊起来，就能讲得更准确。
我们可以把智能体分成五个等级，等级越高，越聪明，但也越复杂：
Level 0：纯反应式 (Reactive Agent) 只会按规则动。比如一个最简单的温度报警器，温度超过 38 度就响铃。它没有记忆，没有目标，没有规划。
Level 1：基于记忆 (Memory-based Agent) 能记住最近发生的事。比如一个智能音箱，能记住你刚才说要订哪家的披萨。但它不会主动给建议。
Level 2：基于目标 (Goal-based Agent) 拿到一个目标，会自己想办法。比如你告诉智能体"帮我减肥"，它会自动设定"每天运动 30 分钟 + 少吃甜食"，并每天跟踪。
Level 3：基于效用 (Utility-based Agent) 不仅完成目标，还会比较"哪种做法更好"。比如同样减肥，它会算"跑步 30 分钟比跳绳 20 分钟消耗更多"，然后选最优方案。
Level 4：学习型智能体 (Learning Agent) 会从经验里学习，越用越聪明。比如你每天告诉它"今天跑步好累"，它以后就会在你心情不好时改推荐更轻松的运动。
Level 5：多智能体协作 (Multi-Agent System) 多个智能体一起干活。比如一个"小团队"里有小厨、小探、小词、小星，它们会互相协作，每个负责一块，最后一起完成任务。