下载掌阅APP，畅读海量书库
立即打开
AI（人工智能）正在迅速发展，智能系统已广泛应用于各行各业。其中，AI Agent作为一种新兴技术范式，因具备更强的自主性和能动性，受到广泛关注。AI Agent是能够自主“感知-思考-执行”的智能程序，相比传统的被动式AI，更能适应复杂多变的环境。尤其在GPT-4等强大模型的推动下，AI Agent的能力和影响力正在不断提升。
然而，如果我们只关注当下的技术进展，往往会忽视一个关键问题：AI Agent是如何一步步发展到今天的？回顾它的演进历程，不仅有助于理解当前的技术水平，也能为判断未来的发展方向提供重要参考。表1-1列示了AI Agent的发展时间线与关键贡献者。
表1-1 AI Agent的发展时间线与关键贡献者
（续）
AI Agent是指一种能够感知环境、自主决策并采取行动以实现特定目标的智能系统。作为AI领域的核心概念之一，AI Agent的发展经历了多个阶段，汇聚了众多研究者的重要贡献。其定义和内涵随着技术演进不断深化，涵盖了从早期的AI理论探索到现代多Agent系统的广泛研究。
AI Agent的概念可以追溯到人工智能的早期阶段，特别是20世纪50—60年代的开创性工作。在这一时期，艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert Simon）是关键人物。他们开发了逻辑理论家（Logic Theorist，1955年）和通用问题求解器（General Problem Solver，1957年）等程序，这些程序能够解决复杂问题并进行决策，可以看作AI Agent的雏形。他们的物理符号系统假说（Physical Symbol System Hypothesis）提出，任何能够操作符号的系统都具备实现智能行为所需的充分必要条件。这一假说在1976年的图灵奖讲座中得到明确阐述，定义了“机器”作为操作符号的代理，这一定义为后来的AI Agent概念奠定了理论基础。尽管他们可能并未直接使用“AI Agent”这一术语，但他们的工作为这一概念的形成提供了重要的理论支持。
阿兰·图灵（Alan Turing）于1941年开始思考机器智能。他在1950年发表的论文《计算机器与智能》中提出了著名的“图灵测试”作为评估机器智能的标准。该测试让人类评判者与机器进行文字对话，并要求人类评判者判断对话对象是人类还是机器。如果机器的回答无法被区分为非人类的，那么就认为机器具备了智能。图灵强调，应通过行为表现而非内部机制来判断机器是否具备智能，这一观点对后来的人工智能研究产生了深远影响。尽管图灵未明确使用“Agent”一词，但他的工作为智能系统的自主行为提供了哲学和理论基础。
20世纪70—80年代，分布式人工智能（Distributed Artificial Intelligence，DAI）作为AI的一个子领域兴起，标志着AI Agent概念的进一步发展。根据记录，DAI在1975年被正式提出，主要关注AI Agent之间的交互，分为多Agent系统和分布式问题解决两大分支。这一时期的研究重点是多个智能实体如何通过合作、共存或竞争来解决问题。
1980年，里德·史密斯（Reid Smith）发表了论文《合同网协议：分布式问题求解中的高级通信与控制》（The Contract Net Protocol：High-Level Communication and Control in A Distributed Problem Solver），这篇论文被认为是DAI的重要里程碑。它提出了一个分布式任务分配框架，框架中的多个AI Agent通过通信协调完成任务。这一工作为AI Agent的分布式特性提供了实践基础，尽管当时可能未明确使用“AI Agent”这一术语。
这一时期的另一贡献是卡尔·休伊特（Carl Hewitt）在20世纪70年代提出的演员模型（Actor Model），该模型描述了并发计算中的自主实体通过消息传递进行交互。虽然演员模型主要用于并发系统，但其思想与AI Agent的自主性和交互性有着密切的联系。
到了20世纪90年代，AI Agent的概念被广泛接受，成为AI研究的核心框架。这一转变得益于决策理论、经济学的引入，以及多学科的交叉融合。根据“History of Artificial Intelligence”
，这一时期的研究者如朱迪亚·珀尔（Judea Pearl）、莱斯利·P.凯尔布林（Leslie P.Kaelbling）等人，将决策理论和经济学中的理性Agent概念引入AI，丰富了AI Agent的定义。
1993年，约阿夫·肖汉（Yoav Shoham）发表了论文《面向Agent的编程》（Agent-Oriented Programming），明确提出了Agent的正式定义，包括其信念、欲望和意图（BDI模型），为AI Agent理论框架的构建做出了重要贡献。这一时期还出现了针对多Agent系统的研究，如欧洲多Agent系统建模自主Agent研讨会从1989年开始举办，进一步推动了相关研究。
1995年，斯图尔特·罗素和彼得·诺维格出版了《人工智能：一种现代的方法》（ Artificial Intelligence：A Modern Approach ）一书。
这本教科书成为AI领域的标准参考文献。他们将人工智能定义为“研究和设计AI Agent的学科”，并明确了AI Agent的定义：任何能通过传感器感知环境并通过执行器采取行动的实体。这一定义包括机器人、软件程序等，强调了目标导向行为是智能的核心。这一工作标志着AI Agent概念的正式化和普及，为后来的研究奠定了基础。
尽管罗素和诺维格的定义被广泛接受，但AI Agent的概念在不同领域（如机器人、软件Agent、多Agent系统）中有不同的解释，存在一定争议，例如是否所有自主系统都应被视为AI Agent，以及AI Agent的智能程度如何定义。
2023年以来，AI Agent的发展迎来了新的高潮，LLM的发布和AutoGPT的出现标志着AI Agent应用进入新阶段。
自2023年1月起，全球多家科技公司陆续发布了自己的LLM，包括Llama、BLOOM、StableLM、ChatGLM等开源模型。2023年3月14日，OpenAI发布了GPT-4，这一事件成为当年AI发展的里程碑。紧随其后，当年3月底，AutoGPT横空出世，迅速引发全球关注。AutoGPT是由OpenAI在GitHub上推出的免费开源项目，结合了GPT-4和GPT-3.5技术，能通过API实现完整项目的创建。与传统的ChatGPT不同，用户无须持续提问，只需要提供一个AI名称、描述和5个目标，AutoGPT便可自主完成任务。它能够读写文件、浏览网页、审查自身生成的结果，并结合历史记录进行优化。AutoGPT展示了GPT-4的强大能力，也为AI Agent的自主性树立了新标杆。
作为OpenAI的实验性项目，AutoGPT不仅吸引了技术社区的目光，也让更多人认识到AI Agent的潜力。这一事件成为催化剂，随后基于LLM的AI Agent项目如雨后春笋般涌现，例如通用Agent、GPT-Engineer、BabyAGI、MetaGPT等，这些创新使LLM的发展与应用进入全新阶段。这些项目的涌现不仅加速了技术进步，也将LLM的创业热潮和落地实践引向了AI Agent的方向，预示着AI Agent在未来智能化社会中的核心地位。
AI Agent的概念起源于20世纪50年代的理论探索，在1995年由罗素和诺维格创作的经典教科书中被正式定义。2023年，LLM与AutoGPT的出现将AI Agent推进到快速演化的新阶段。经过数十年发展，AI Agent逐渐形成了下面的概念框架。
AI Agent是一种具备环境感知、自主决策和任务执行能力的智能系统。它能理解自然语言指令，自主在互联网或软件环境中完成复杂任务。用户只需给出目标，AI Agent即可自动分解任务、调用工具、检索信息，最终完成任务。AI Agent的核心特征之一是自主性，这使其能在无人工干预的情况下独立感知环境、做出决策并执行任务。与之并行的另一项关键能力是基于大模型的推理，AI Agent依靠这一能力处理复杂数据，进行深度分析，以制订最优行动方案。
我们以智能电子邮件分类系统为例，介绍AI Agent最小框架，即包括感知（Perception）模块、规划（Planning）模块与行动（Action）模块的PPA模型，如图1-1所示。
图1-1 PPA模型
AI Agent访问用户的电子邮件账户，收集新邮件的发件人、主题、正文、附件等信息，为后续决策提供数据基础。
AI Agent首先依据预定分类标准（如工作、个人、促销、社交）分析邮件特征，以确定邮件的类别，然后使用机器学习算法（如朴素贝叶斯或支持向量机）进行模型训练，并设置分类阈值。
AI Agent将邮件输入训练好的分类模型中，以预测邮件类别，并将其自动移动到对应文件夹中或进行标记（重要、待处理等）。同时，AI Agent向用户提供分类结果摘要，并允许用户反馈，以持续优化模型。
理想的AI Agent与环境的交互具有双向性、动态性和持续性，类似于人类与物理世界的交互过程。AI Agent的感知能力不仅包括对直接数据（如邮件内容）的收集，也涉及通过传感器、外部数据源或用户反馈等途径对信息的获取。
LLM的涌现为AI Agent提供了强大的通用智能技术基础，推动互联网进入由众多Agent协同运作的“AI Agent时代”。随着全球数千个LLM的发布，AI Agent的应用已扩展至教育、医疗和商业等众多领域。全球主要科技公司对AI Agent的定义与实践进一步丰富了这一概念的内涵。
□ 谷歌：强调AI Agent较AI助手和Bot具有更高的自主性与复杂性，能主动完成任务。
□ 亚马逊：定义AI Agent为“理性Agent”，能通过感知与数据分析做出最优决策。
□ Salesforce：强调AI Agent无须人工干预即可理解用户需求并做出响应，具备自我持续优化的能力。
□ 微软：定义AI Agent为能够自主或协助用户完成任务的AI驱动应用，并明确了助手型AI Agent与任务型AI Agent的差异。
□ MIT：提出Agentic AI，强调AI Agent在复杂任务处理中的主动性、自主性和目标导向能力。
这些观点共同强调了“感知-规划-行动”这一核心过程，并广泛认可LLM技术是驱动AI Agent智能化跃迁的关键。AI Agent作为智能系统的一种高级形态，正逐步成为智能互联网发展的核心力量。它的自主性、泛化能力与工具集成能力，正在重塑人机协作模式与信息服务的基本形态。
AI Agent的出现代表了人工智能领域的一个重要进步，标志着被动的、需要明确指令的AI系统正在转变为更加智能、自主和能够主动解决问题的系统。随着技术的不断发展，我们可以预见AI Agent将在未来发挥越来越重要的作用，不仅能够提高各行各业的效率和生产力，还可能在科学研究、环境保护和社会服务等领域带来变革。然而，随着AI Agent能力的增强，我们也需要更加重视相关的伦理、安全和社会影响，确保这项技术能够朝着对人类有益的方向发展。
在2022年LLM广泛兴起之前，AI Agent的发展长期受限于理论方法、计算能力与硬件水平，难以实现通用智能，它通常只能在特定领域内执行单一功能，智能水平相对有限。早期AI Agent大多基于规则系统构建，依赖人工设定的逻辑规则进行感知与决策，缺乏学习能力与环境适应性。这些系统虽在结构清晰、规则明确的任务中表现良好，但在面对复杂、多变或未知场景时显得捉襟见肘。
在人工智能早期阶段，两种核心架构范式主导了技术发展：符号主义与连接主义。符号主义强调通过逻辑推理，使用符号和规则对知识进行表示与处理，广泛应用于专家系统和知识工程领域；而连接主义则以人脑神经网络为灵感，强调通过数据驱动的模式学习知识，是机器学习的理论源头。在当时，符号主义一度成为主流，AI Agent在规则明确的领域内展现出较强的推理与执行能力。这类早期系统普遍具备“基于规则”的技术特征，运行机制依赖预定义的脚本、决策树与条件规则，缺乏泛化能力和动态适应能力。
随着技术的持续演进，AI Agent逐步具备了学习能力、自主决策能力和多主体协作机制，从早期的工具型程序发展为更具智能性和交互性的系统。其发展路径大致可划分为5个阶段，每一阶段均在自主性、感知能力、推理水平以及人机交互方式等方面取得了关键性突破，推动着AI Agent向更高层次的智能演化。
这一阶段是AI Agent的最初探索时期，以符号主义为核心范式，强调通过显式逻辑推理和规则系统实现有限的智能行为。AI Agent系统依赖形式逻辑和基于规则的推理机制来模拟人类的决策过程，重点在于知识表示、推理引擎和命题逻辑。
代表性系统包括：逻辑理论家，它能够证明数学定理，被视为第一个人工智能程序；ELIZA，它通过关键词匹配实现对话模拟，尽管它并不理解对话的语义，但它引发了“ELIZA效应”；MYCIN，它在医疗诊断中采用一系列if-then规则推断感染类型；DENDRAL，它用于协助化学家识别有机分子的结构。
这些系统在逻辑和领域表现力方面具有一定优势，但缺乏适应性和通用性，完全依赖人类专家编写规则，难以处理现实世界中的不确定性与模糊性。系统本身无法从经验中学习，也无法拓展到超出既定规则范围的任务。
基于规则的系统的应用场景如下：
□ 医疗专家辅助（如MYCIN）。
□ 化学结构分析（如DENDRAL）。
□ 对话模拟（如ELIZA）。
在这一阶段，AI Agent开始在工业和企业领域中得到应用。专家系统成为人工智能的主流应用形式，主要用于模拟人类专家在特定领域的决策能力。系统结构通常由知识库、推理引擎和用户接口组成，并采用模糊逻辑、启发式规则等技术增强推理能力。
XCON系统被用于配置复杂计算机系统；Prospector能帮助地质学家进行矿产勘探；CMU的Hearsay-II是早期的语音理解系统，具备多Agent结构。
专家系统的优势在于知识表达明确、推理逻辑可追溯，能够在结构化环境下提供稳定服务，但也暴露出知识获取困难、系统维护成本高昂、缺乏通用性与学习能力等问题，无法实现跨任务或跨领域的迁移与自我演化。随着应用领域的拓展，专家系统的构建变得日益复杂，其效率和灵活性逐渐难以满足现实需求。
专家系统的应用场景如下：
□ 企业配置系统（如XCON）。
□ 地质勘探与工程诊断（如Prospector）。
□ 语音识别与语言处理（如Hearsay-II）。
进入20世纪90年代后，随着计算能力的提升与数据规模的扩大，AI Agent开始引入机器学习方法，从以规则为核心的推理系统逐渐过渡到数据驱动的预测模型。这一阶段的显著标志是推荐系统的兴起和AI Agent概念的成形，系统开始具备个性化服务能力和初步的适应能力。
Tapestry被认为是第一个使用协同过滤方法的推荐系统；GroupLens系统在新闻推荐中引入了基于邻域的用户相似性算法；Grundy采用内容过滤方法推荐图书。此外，对话系统（如PARRY和Jabberwacky）也展现出一定的语言生成能力，尽管它们仍依赖模板和模式匹配。在自然语言处理方面，N-gram模型、TF-IDF等技术被广泛应用于文本表示和相似性判断。
这一阶段的AI Agent在用户建模、行为预测、个性化服务等方面取得了实质性进展，但仍面临冷启动、数据稀疏、语境理解薄弱等关键挑战，系统多为孤立运行，缺乏互操作性和跨Agent协作机制，整体智能水平仍然受限。
基于机器学习的系统的应用场景如下：
□ 电商与内容平台的推荐系统（如GroupLens）。
□ 新闻、电影、图书的个性化推荐（如Grundy）。
□ 简单人机对话（如PARRY、Jabberwacky）。
随着智能设备的普及和交互技术的演进，AI Agent逐步从后台逻辑系统向面向用户的交互Agent过渡，智能助手成为该阶段的重要代表。系统开始具备一定的感知能力和任务调度功能，语音识别、自然语言理解、多模态交互成为关键研究方向。
Siri最初以应用控制和固定命令为主，标志着语音助手的商业化起点；IBM的Watson系统通过语义搜索和知识库问答赢得 Jeopardy! 竞赛，展示出结构化知识场景下的强大检索与推理能力；Netflix等平台则通过协同过滤与内容特征相结合的混合模型改进推荐效果。
尽管在技术上已经实现了对多个任务的处理和对用户意图的基础理解，但系统整体仍然依赖预设路径，缺乏通用推理、深度理解和上下文持续建模能力。不同AI Agent之间无法协同操作，智能能力局限在单一服务范畴之内。
自主AI Agent的应用场景如下：
□ 智能语音助手（如Siri）。
□ 结构化问答系统（如Watson）。
□ 多模态推荐引擎（如Netflix）。
在LLM兴起之前，AI Agent的发展进入“任务型AI Agent”阶段。这一阶段，人工智能逐步从早期的命令控制和规则响应，发展为具备特定领域任务执行能力的系统。深度学习在图像识别、语音识别、自然语言处理等子领域取得突破，为AI Agent提供了更强的“感知”基础，但推理能力、上下文建模能力与通用性依然有限。
代表性系统通常围绕某一项具体任务构建，如客服机器人、导航助手等。这些系统通过训练获得较高精度的识别或分类能力，能完成一类标准化任务，但仍依赖大量人工设定的工作流和规则逻辑，缺乏通用性与可迁移性。
在这一阶段，强化学习在部分场景（如游戏或控制系统）中取得初步成果，对话系统也从早期的规则驱动逐步演化为基于意图识别的多轮对话模式。与此同时，多模态模型开始萌芽，尽管在图像、语音、文本等单模态任务中表现出色，但仍难以实现跨模态的信息融合与推理整合。系统普遍缺乏统一的语义表示能力，导致AI Agent难以跨工具调用，也无法实现多Agent之间的有效协同。
任务型AI Agent的应用场景如下：
□ Google Assistant / Amazon Alexa。
□ 百度度秘、阿里小蜜等企业客服系统。
□ Tesla自动驾驶FSD Beta早期版本。
如图1-2所示，经过上述阶段的演进，早期AI Agent逐步从依赖规则的初级系统，发展为具备学习能力、自主决策能力与协作机制的复杂智能体，为现代人工智能技术的落地应用奠定了坚实基础。
图1-2 AI Agent各阶段的局限性
早期的AI Agent通常需要用户的明确指令和持续干预，自主性较低；传统机器人多依赖预设程序运行，基本不具备自适应与学习能力，智能水平有限。这种差异既源于技术路径的不同，也受到各自所处时代硬件与算法条件的制约，具体见表1-2。
表1-2 各阶段AI Agent的局限性及具体影响
随着机器学习，特别是深度学习技术的突破，AI Agent逐渐具备了自主学习、自主决策和多Agent协作的能力，开始从静态的工具程序演化为具有一定智能与互动能力的系统。AlphaGo和各类智能推荐系统是这一阶段“专用AI Agent”的代表。
进入2023年，LLM（如GPT-4、Claude、DeepSeek等）与生成式AI的迅猛发展，为AI Agent系统注入了新的“通用能力”。这一阶段的AI Agent不仅能够理解和生成自然语言，还能感知复杂语境、调用外部工具、执行多步任务，甚至进行跨领域推理，具备了更高层级的自主性与适应性。
以AutoGPT、AgentGPT、Manus为代表的新一代通用AI Agent系统，标志着AI Agent从“专用智能”向“通用智能”的跨越。这些系统可以自主分解目标、规划行动路径、调用API完成任务，已广泛应用于科研助手、企业办公自动化、软件协同开发等场景。
AI Agent的发展经历了从规则驱动到数据驱动、从静态逻辑到动态推理、从封闭系统到开放协作的深刻演进。2023年后，以LLM为核心的智能涌现正在开启“AI Agent互联网”时代，一个由大量具备通用能力的AI Agent组成的互联生态正在逐步成形。