《人工智能通识》课件-第8章智能体与智能代理

第8章

智能体与智能代理—构建自主决策的虚拟体08智能体与智能代理—构建自主决策的虚拟体擎088.1智能体与智能代理

8.2智能代理的工作原理8.3智能代理的应用案例智能体定义：智能体（Agent）是指能够自主感知环境、做出决策并执行动作的系统或实体。它可以是软件程序、硬件设备或两者的结合体，具备自主性、适应性和交互能力。

单击此处编辑副标题智能体通过感知环境中的变化（如通过传感器或数据输入），并根据自身学习到的知识和算法进行判断与决策，进而执行动作以影响环境或达到预定的目标。例如智能温控系统8.1智能体与智能代理8.1.1智能体的定义自主决策与执行能力：智能体能够独立感知环境并做出决策，无需人类全程干预。单击此处编辑副标题8.1智能体与智能代理8.1.1智能体的特征持续学习与进化能力：智能体通过机器学习技术从数据中优化决策。单击此处编辑副标题8.1智能体与智能代理8.1.1智能体的特征多模态感知与响应能力：智能体整合视觉、听觉、文本等多源数据感知环境。单击此处编辑副标题8.1智能体与智能代理8.1.1智能体的特征智能体通过API、插件等扩展功能边界，实现跨系统操作。例如，OSAgent可模拟人类点击图形界面，操作办公软件完成文档处理。05工具调用与协作能力智能体具备毫秒级响应速度，如金融风控系统利用智能体技术，能够以毫秒级的速度实时监测每一笔交易，及时发现并响应潜在的风险。06实时适应与安全伦理机制所有智能体行为围绕预设目标展开，通过分层规划将复杂任务拆解，分为各个可执行的模块。04目标导向的任务规划能力单击此处编辑副标题8.1.1智能体的特征8.1智能体与智能代理单击此处编辑副标题循环迭代与提升：智能体的运行是一个循环迭代的过程。强化学习与适应：智能体具备学习和适应的能力。状态理解与推理：在获取感知数据之后，智能体会进行状态理解和推理，以解读环境的当前状态。行动执行与反馈：决策一旦制定完成，智能体将执行相应的行动。感知与数据获取：智能体通过其感知模块来获取环境中的信息和数据。决策制定与优化：基于对环境状态的理解，智能体会进行决策制定。它会评估不同的选项和策略，并挑选出最佳的行动方案。8.1.2智能体的一般运行过程8.1智能体与智能代理单击此处编辑副标题（1）简单反射代理应用场景：、简单聊天机器人、垃圾邮件过滤器等简单反射代理通过条件-动作规则实现即时决策。当传感器检测到特定条件时，代理直接执行预设动作，而不依赖环境历史或内部模型。01应用场景：、简单聊天机器人、垃圾邮件过滤器等简单反射代理的决策流程可概括为：感知环境→匹配规则→执行动作，全程耗时极短，适用于完全可观察且规则明确的环境02垃圾邮件过滤器、简单聊天机器人等例如8.1智能体与智能代理8.1.3智能代理的分类单击此处编辑副标题8.1.3智能代理的分类

（2）基于模型的反射代理应用场景：、简单聊天机器人、垃圾邮件过滤器等基于模型的反射代理是一种能通过内部知识库应对复杂环境的智能体，不仅能够根据当前情况做出反应，还能结合过去的经验和环境变化的规律来调整策略。01应用场景：、简单聊天机器人、垃圾邮件过滤器等基于模型的反射代理的原理类似人的“先看、再想、后做”的逻辑，通过感知获得数据，再经过建模+推理后，执行对应的操作。02智能恒温器、机器人吸尘器等例如

基于目标的代理具备明确的目标导向性，其决策过程旨在优化目标实现的概率。它们会评估不同行动方案的潜在效果，并选择预期效用最高的方案来执行。03基于目标的代理

基于效用的代理是依据预设目标或奖励函数，对不同行动的效用值进行评估，以做出决策。它们运用内部模型预测各种行动可能产生的结果，并选择预期效用最高的行动方案。04基于效用的代理

学习型代理具备自我学习与改进的能力，通过与环境的互动，持续调整和优化其行为策略。它们能够从过往经验中学习、识别模式并预测未来事件，从而做出更为明智的决策。05学习型代理单击此处编辑副标题8.1.3智能代理的分类

医疗诊断系统例如物流路线优化系统例如自动驾驶系统例如8.2.1智能代理的核心架构8.2智能代理的工作原理感知模块决策模块执行模块单击此处编辑副标题环境感知：利用传感器或API接口获取实时环境数据2多模态输入：支持文本、语音、图像等多源数据输入，通过语义解析提取用户意图。18.2.1智能代理的核心架构（1）感知模块例如：你让家庭机器人“把冰箱里的牛奶拿给我”，它将执行以下步骤：1）用麦克风听到你的语音指令（听觉）后将

其转成文字。2）用摄像头扫描冰箱内部（视觉）从而定位

牛奶的位置。3）将这两部分信息传递给决策模块处理。单击此处编辑副标题动态规划：将复杂任务细分为多个子任务，并通过优先级队列来调度这些子任务。2LLM推理引擎：利用大型语言模型进行任务分解和策略制定。1（2）决策模块例如：炒菜机器人炒菜时，请求LLM协助烹饪，它将执行以下步骤：

1）查询菜谱（调用搜索工具）。2）分解步骤（例如，洗菜5分钟、炒菜10

分钟）。3）动态调整（如发现缺少盐，自动用酱油

替代）单击此处编辑副标题8.2.1智能代理的核心架构多智能体协同作业：通过共享信息使多个不同功能的智能体协助执行任务。2调用工具：将外部API、数据库或实体设备连接起来。1（3）执行模块假如：需要让AI团队开发一个App，MetaGPT中的分工可能是：1）产品经理代理：写需求文档（调用文档工

具）。2）程序员代理：写代码（调用编程接口）。3）测试员代理：找Bug（调用测试工具）。单击此处编辑副标题8.2.1智能代理的核心架构8.2.2智能代理-涉及的关键技术（1）角色化分工（2）通信协议多智能体协作（1）联邦学习机制（2）动态验证机制学习与优化（1）函数调用（2）检索增强生成工具扩展8.2智能代理的工作原理单击此处编辑副标题8.2.3智能代理-规划与优化04030201（1）异常处理机制。（2）自适应学习技术。动态调整机制（1）马尔可夫博弈模型。（2）拍卖机制设计。资源分配算法（1）工作分解结构（WBS）方法论。（2）代理导向规划（AOP）的智能协作。任务分解策略（1）混合奖励函数。（2）伦理约束机制。多目标优化8.2智能代理的工作原理单击此处编辑副标题8.3智能代理的应用案例8.3.1虚拟客服背后的智能体单击此处编辑副标题

2024年2月，厦门集美区政务服务中心推出全省首个市场监管智能虚拟数字人客服“小美”。该系统基于人脸识别、语音识别及AI技术，集成登记注册思维导图和高频办事问答库，通过语音、文字、图像等多模态交互方式，为办事群众提供主动迎宾、业务指引、政策宣传及智能答疑等服务，覆盖商事登记、法律法规等480余类高频问题，涵盖设立、变更、备案等全流程场景。通过AI算法对问题实时分析并精准推送答案，有效提升服务效率，推动政务服务向“无人化、智慧化”转型，助力实现线下办事“零等待”“零距离”。8.3.2物理世界中的智能体2025年，京东亚洲一号智能仓群位于上海嘉定的京东物流枢纽，上千台L4级搬运机器人构建了全天候作业系统。单击此处编辑副标题8.3智能代理的应用案例8.3.2物理世界中的智能体单击此处编辑副标题8.3智能代理的应用案例

这些配备毫米波雷达与RGB-D相机的智能体，展现出复杂环境下的协同能力，其流程如图所示：在感知维度，机器人通过语义分割算法识别包裹形状类别（箱体、软包、异形件），结合定位技术实现空间感知。决策系统采用混合整数规划模型，高峰期时，能动态调整上百个装卸口的任务分配。执行层面则突破传统AGV局限——面对突然倾倒的货堆，机器人通过六自由度机械臂实施紧急抓取，避免货损率上升。通过这些举措，使得该仓群使单位面积仓储效率大幅度提高。8.3.3智能体协作系统新加坡港务集团（PSA）的新加坡智慧港口生态（TuasMegaPort）项目，构建了全球最大规模的多代理协作系统，其主要架构如图所示。该项目由数十台自动化岸桥、上千台无人集卡与数百万平方米智能堆场共同组成。单击此处编辑副标题8.3智能代理的应用案例8.3.4通用型AI智能体：Manus单击此处编辑副标题