摘要：在人工智能快速发展的今天，"AI智能体"(AI Agents)和"智能主体AI"(Agentic AI)这两个术语经常被混用，但它们实际代表着截然不同的技术范式和能力水平。康奈尔大学的Ranjan Sapkota和Manoj Karkee，以及希腊伯罗奔尼撒大
在人工智能快速发展的今天，"AI智能体"(AI Agents)和"智能主体AI"(Agentic AI)这两个术语经常被混用，但它们实际代表着截然不同的技术范式和能力水平。康奈尔大学的Ranjan Sapkota和Manoj Karkee，以及希腊伯罗奔尼撒大学的Konstantinos I. Roumeliotis在2025年5月发表在arXiv预印本平台上的这篇综述论文《AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges》，系统性地剖析了这两种AI系统的本质区别、应用场景和未来挑战。这篇研究不仅对专业人士有重要参考价值，对于普通人理解AI技术的演进路线图也具有启发意义。
一、AI智能体与智能主体AI的基本概念：从单兵作战到团队协作
想象一下，AI智能体就像一位能力不错的独立工作者，它可以接受指令、使用工具完成特定任务，但工作范围有限且需要明确的指示。比如，你告诉它"帮我整理收件箱中的邮件"，它会按照预定规则分类你的邮件，但不会主动提出改进邮件管理系统的建议。
而智能主体AI则更像是一个协调有序的专业团队，由多个专长不同的AI共同工作，能够分解复杂目标、相互沟通，并在持续记忆的基础上调整策略。就好比你对它说"帮我计划一次商务旅行"，它会自动分配不同的"团队成员"来查询航班、预订酒店、安排会议时间，并在遇到冲突时主动协调解决。
研究者通过谷歌趋势数据发现，自2022年11月ChatGPT发布以来，这两个术语的搜索量显著上升，反映了公众对AI技术演进的浓厚兴趣。这一技术转变源自大型语言模型(LLM)的突破，从ChatGPT这样的生成式AI，到能够操作工具的AI智能体，再到如今能够协同工作的智能主体AI系统。
在智能体发展的早期历史中，卡斯特尔弗兰奇(Castelfranchi)在1998年和费伯(Ferber)在1999年的研究奠定了重要基础，他们提出了社会行动建模和多智能体系统的核心概念。这些早期系统主要基于规则和符号推理，远不及当今基于大型语言模型的系统那样灵活和自适应。
二、研究方法：全面的文献分析与系统评估
研究团队采用了混合文献检索方法，结合传统学术数据库和AI增强的文献发现工具。他们查询了包括Google Scholar、IEEE Xplore、ACM数字图书馆、Scopus、Web of Science、ScienceDirect和arXiv等学术平台，以及ChatGPT、Perplexity.ai、DeepSeek、Hugging Face Search和Grok等AI驱动的接口。
检索使用了关键词组合，如"AI Agents"、"Agentic AI"、"LLM Agents"、"工具增强LLM"和"多智能体AI系统"。更精准的查询如"Agentic AI + Coordination + Planning"和"AI Agents + Tool Usage + Reasoning"被用来检索同时涉及概念基础和系统实现的论文。
研究的整体方法论遵循一个连续的、分层的结构，从AI智能体的基础理解开始，然后探讨LLM作为核心推理组件的角色，接着分析智能主体AI的出现，审视它们的架构演变、应用领域、面临的挑战及潜在解决方案。这种系统性的方法使得研究能够全面把握从基础AI智能体到高级智能主体AI系统的整个演进过程。
三、AI智能体：单兵作战的智能助手
AI智能体本质上是一种自主软件实体，设计用于在有界数字环境中执行特定任务。这些智能体能够感知结构化或非结构化的输入信息，对上下文进行推理，并采取行动实现特定目标，通常代表用户或子系统执行操作。
与传统的自动化脚本不同，AI智能体展示出反应性智能和有限的适应能力，使其能够解读动态输入并相应地调整输出。它们已被应用于多个领域，包括客户服务自动化、个人生产力助手、内部信息检索和决策支持系统。一个值得注意的例子是Anthropic的"Computer Use"项目，他们的Claude模型被训练为能够导航电脑、自动化重复流程、构建和测试软件，甚至执行开放式任务如研究。
AI智能体的三个核心特征可以总结为：自主性、任务特异性和反应性。自主性指智能体在部署后能够独立行动，最大限度减少对人工干预的依赖。任务特异性体现为智能体为特定范围的任务进行专门设计，如日程安排、查询或过滤。反应性则是指智能体对环境变化的响应能力，包括用户命令、软件状态或API响应；当扩展为适应性时，这包括反馈循环和基本学习启发式。
这些智能体依赖大型语言模型(LLM)和大型图像模型(LIM)作为核心推理和感知引擎。LLM如GPT-4和PaLM经过大规模数据集训练，展现出自然语言理解、问答、摘要、对话连贯性甚至符号推理的能力。在智能体架构中，LLM作为主要决策引擎，帮助智能体解析用户查询、计划多步解决方案并生成自然反应。
例如，一个用于农业检测的自主无人机智能体使用视觉模型来识别病果或受损树枝，并触发预定的干预协议。这种工作流程展示了AI智能体在农业环境中的自主性和反应性。
四、从生成式AI到智能体：能力进阶之路
在AI智能体出现之前，生成式AI系统是更简单的基础。这些系统主要基于预训练的LLM和LIM，设计用于基于输入提示生成新内容（文本、图像、音频或代码）。虽然表达能力强，但生成式模型本质上表现出反应性行为：它们只在明确提示时生成输出，不会自主追求目标或进行自启动推理。
生成式AI的关键特征包括： - 反应性：作为非自主系统，它们完全由输入驱动，缺乏内部状态、持久记忆或目标追踪机制 - 多模态能力：现代生成系统可以产生各种输出，包括连贯叙述、可执行代码、逼真图像甚至语音转写 - 提示依赖和无状态性：尽管GPT-4.1等最新模型支持更大的上下文窗口（高达100万个标记），但它们在交互中不保留上下文，除非显式提供
尽管生成能力令人印象深刻，这些系统仍受限于无法独立行动于环境或操作数字工具。例如，它们不能搜索互联网、解析实时数据或与API交互，除非通过人工设计的包装器或脚手架层。因此，它们不符合真正AI智能体的定义，后者的架构整合了感知、决策和外部工具使用于闭环反馈循环。
对于生成式AI在处理动态任务、维持状态连续性或执行多步计划的限制，推动了工具增强系统的发展，这些系统通常被称为AI智能体。这些系统建立在LLM的语言处理骨干上，但引入了额外的基础设施，如记忆缓冲区、工具调用API、推理链和规划例程，以弥合被动响应生成与主动任务完成之间的差距。
五、语言模型：AI智能体进化的引擎
AI智能体作为一种变革性范式的出现，与大规模语言模型的演进和重新利用密切相关。这些模型，如GPT-3、Llama、T5、Baichuan 2和GPT3mix，最初为自然语言处理任务而训练，但越来越多地嵌入到需要适应性规划、实时决策和环境感知行为的框架中。
研究证实，从反应性生成模型到自主、目标导向智能体的飞跃是由将LLM作为核心推理引擎整合到动态智能体系统中驱动的。这些模型通过自监督目标预训练在海量文本语料库上，并使用监督微调(SFT)和人类反馈强化学习(RLHF)等技术进一步调整。它们编码了丰富的统计和语义知识，使其能够执行推理、摘要、代码生成和对话管理等任务。
在智能体环境中，LLM的能力被重新利用，不仅仅是生成响应，还作为认知基质解释用户目标、生成行动计划、选择工具和管理多轮工作流程。例如，AutoGPT和BabyAGI使用GPT-4同时作为规划者和执行者：该模型分析高级目标，将其分解为可操作的子任务，根据需要调用外部API，并监控进度以确定后续行动。
为克服生成式系统固有的局限性，如幻觉、静态知识截止和受限交互范围，研究人员提出了工具增强LLM智能体的概念。这些系统将外部工具、API和计算平台整合到智能体的推理管道中，允许实时信息访问、代码执行和与动态数据环境交互。
工具调用的工作方式是：当智能体确定需要借助外部资源（如查询当前股票价格、检索最新天气信息或执行脚本）时，它会生成结构化函数调用或API请求。一旦收到工具的响应，输出会被解析并重新整合到LLM的上下文窗口中，使智能体能够合成新的推理路径、更新其任务状态并决定下一步行动。
ReAct框架展示了这种架构，通过结合推理（链式思考提示）和行动（工具使用），LLM在内部认知和外部环境交互之间交替。一个突出的工具增强AI智能体例子是ChatGPT，当它无法直接回答查询时，会自主调用Web搜索API检索更多近期和相关信息，对检索内容进行推理，并基于理解形成响应。
六、智能主体AI：从单兵作战到团队协作
虽然AI智能体在自动化狭窄任务方面取得了显著进展，但研究文献指出它们在复杂、多步骤或协作场景中的可扩展性存在明显限制。这些限制催生了一种更先进的范式：智能主体AI。
智能主体AI系统延伸了传统智能体的能力，支持多个智能实体通过结构化通信、共享记忆和动态角色分配协作追求目标。这种新兴系统级的智能模式被定义为由模块化智能体组成的系统，每个智能体负责更广泛目标的不同子组件，并通过集中式编排器或分散式协议进行协调。
这种架构标志着从传统单智能体架构中典型观察到的原子、反应性行为向动态、分散、目标驱动的系统智能的概念性转变。
智能主体AI的核心使能技术是目标分解，用户指定的目标会自动解析并分解为更小、可管理的任务，然后分配给智能体网络。多步推理和规划机制促进了这些子任务的动态排序，使系统能够实时适应环境转变或部分任务失败，即使在不确定性条件下也能确保强健的任务执行。
智能体间通信通过分布式通信通道（如异步消息队列、共享记忆缓冲区或中间输出交换）进行调解，实现不需要持续中央监督的协调。此外，反射性推理和记忆系统允许智能体在多次交互中存储上下文，评估过去的决策，并迭代完善其策略。这些能力共同使智能主体AI系统展现出灵活、适应性和协作性智能，超越了单个智能体的操作限制。
研究中广泛接受的概念说明通过智能家居系统的类比描绘了AI智能体和智能主体AI之间的区别。如图所示，左侧代表传统的AI智能体，以智能恒温器形式呈现。这个独立智能体接收用户定义的温度设置，并自主控制加热或冷却系统维持目标温度。虽然它展现出有限的自主性，如学习用户日程或减少外出期间能源使用，但它在孤立中运行，执行单一、明确定义的任务，不参与更广泛的环境协调或目标推断。
相比之下，右侧展示了嵌入全面智能家居生态系统的智能主体AI系统。这里，多个专业智能体协同管理各种方面，如天气预报、日程安排、能源价格优化、安全监控和备用电源激活。这些智能体不只是反应性模块；它们动态通信，共享记忆状态，协作调整行动以实现高级系统目标（例如，实时优化舒适度、安全性和能源效率）。例如，天气预报智能体可能发出即将到来的热浪信号，促使在高峰定价时段前通过太阳能提前预冷，由能源管理智能体协调。同时，系统可能在占用者外出期间延迟高能耗任务或激活监控系统，整合跨领域的决策。
七、智能主体AI与AI智能体的关键差异
为系统性捕捉从生成式AI到AI智能体再到智能主体AI的演变，研究设计了一个基础分类法，以生成式AI作为基线。尽管AI智能体和智能主体AI代表着越来越自主和交互的系统，但两种范式都根本性地植根于生成式架构，特别是LLM和LIM。
从AI智能体到智能主体AI的关键区别包括：
- 定义：AI智能体是执行特定任务的自主软件程序，而智能主体AI是多个AI智能体协作实现复杂目标的系统。 - 自主性水平：AI智能体在特定任务中具有高度自主性，而智能主体AI则拥有更高的自主性，能够管理多步骤、复杂任务。 - 任务复杂性：AI智能体通常处理单一、特定任务，智能主体AI则处理需要协调的复杂、多步骤任务。 - 协作：AI智能体独立运行，而智能主体AI涉及多智能体协作和信息共享。 - 学习与适应：AI智能体在特定领域内学习和适应，智能主体AI则能在更广泛的任务和环境范围内学习和适应。 - 应用场景：AI智能体适用于客服聊天机器人、虚拟助手、自动化工作流等场景，而智能主体AI适用于供应链管理、业务流程优化和虚拟项目管理等更复杂场景。
研究还从多个维度进行了更细致的比较，包括主要能力、规划范围、互动风格和学习机制。AI智能体针对离散任务执行进行了优化，规划范围有限，依赖监督或规则基础学习机制。相比之下，智能主体AI系统扩展了这种能力，通过多步规划、元学习和智能体间通信，使它们能够在需要自主目标设定和协调的复杂环境中使用。
八、架构演变：从AI智能体到智能主体AI系统
智能体架构的演变从模块化的AI智能体到更复杂的智能主体AI系统，标志着人工智能设计中的根本转变。基础AI智能体通常由四个主要子系统组成：感知、推理、行动和学习。这些子系统构成了称为"理解、思考、行动"的闭环运行周期。
感知模块摄取来自用户的输入信号或外部系统，对数据进行预处理为智能体推理模块可解释的格式。知识表示和推理模块位于智能体智能的核心，将符号、统计或混合逻辑应用于输入数据。行动选择和执行模块将推断的决策转化为使用行动库的外部行动。基础学习和适应层面包括有限的学习机制，例如启发式参数调整或历史信息上下文保留。
智能主体AI系统继承了AI智能体的模块化特性，但扩展了它们的架构以支持分布式智能、智能体间通信和递归规划。智能主体AI系统由多个智能体组成，每个智能体都分配了专门功能（例如，汇总器、检索器、规划者）。这些智能体通过通信通道（如消息队列、黑板或共享内存）进行交互。
智能主体AI中的一个关键创新是引入了编排层或元智能体，这些编排层或元智能体协调从属智能体的生命周期，管理依赖关系，分配角色，解决冲突。这些架构支持高度复杂的协作行为，远远超出了单智能体系统的能力，包括分布式规划、适应性工作流调整和多模态协调。
九、应用领域：从简单任务到复杂协作
研究系统性地分析了AI智能体和智能主体AI在多个应用领域的不同使用场景。
AI智能体的应用主要集中在：
1. 客户支持自动化和内部企业搜索：AI智能体广泛应用于企业环境中，用于自动化客户支持和内部知识检索。它们利用检索增强的LLM连接APIs和组织知识库回答用户查询、分类工单和执行操作。
2. 邮件过滤和优先级排序：在生产力工具中，AI智能体通过内容分类和优先排序自动化邮件分类。通过分析元数据和信息语义，它们检测紧急性、提取任务并推荐回复，减轻认知负担。
3. 个性化内容推荐和基础数据报告：AI智能体通过分析行为模式支持自适应个性化。平台如亚马逊、YouTube和Spotify部署这些智能体通过协同过滤、意图检测和内容排名推断用户偏好。
4. 自主调度助手：集成日历系统的AI智能体自主管理会议协调、重新安排和冲突解决。工具如x.ai和Reclaim AI解释模糊的调度命令，访问日历API，并使用学习的用户偏好识别最佳时间段。
相比之下，智能主体AI应用在更广泛、更动态的场景中展现价值：
1. 多智能体研究助手：在学术和工业研究管道中部署智能主体AI，自动化多阶段知识工作。专门角色分配给多个智能体（检索者、汇总者、合成者、引用格式化者），由中央编排器协调。
2. 智能机器人协调：在机器人和自动化中，智能主体AI支持多机器人系统中的协作行为。每个机器人作为专门任务智能体（如拾取者、运输者或绘图者）运行，而编排器监督和调整工作流程。
3. 协作医疗决策支持：在高风险临床环境中，智能主体AI通过将诊断、生命体征监测和治疗规划等任务分配给专门智能体，实现分布式医疗推理。这些智能体通过共享内存和推理链同步，确保连贯、安全的建议。
4. 多智能体游戏AI和自适应工作流自动化：在模拟环境和企业系统中，智能主体AI促进了分散任务执行和紧急协调。游戏平台如AI Dungeon部署独立的NPC智能体，具有目标、记忆和动态交互性，创造紧急叙事和社交行为。
这些应用案例突显了AI智能体与智能主体AI之间的操作差异，前者更适合结构化、狭窄的任务，后者则在需要复杂协作和适应性决策的环境中表现出优势。
十、挑战与解决方案：智能系统的未来路线图
尽管AI智能体和智能主体AI展现出广阔的应用前景，但两种范式都面临着重要的技术挑战。
AI智能体的关键挑战包括：
1. 缺乏因果理解：AI智能体严重依赖LLM，而这些模型善于识别训练数据中的统计相关性，但缺乏区分单纯关联与因果关系的能力。例如，导航智能体可能在城市驾驶中表现出色，但缺乏路面牵引力或空间遮挡的内部因果模型，可能在雪地或施工区表现不佳。
2. 继承自LLM的限制：AI智能体特别是基于LLM的智能体继承了多种固有限制，影响其可靠性和适应性。其中最突出的是产生幻觉（似乎合理但事实上不正确的输出）的倾向。
3. 不完整的智能体属性：大多数当前的AI智能体无法完全满足经典文献中定义的规范智能体属性，如自主性、主动性、反应性和社交能力。例如，自主性通常是部分的，智能体在初始化后可以执行任务，但仍然严重依赖外部支持。
4. 有限的长期规划和恢复能力：AI智能体在执行复杂、多阶段任务时往往力不从心，尤其是在需要扩展时间一致性或应急规划的场景。
智能主体AI面临着更复杂的挑战：
1. 放大的因果挑战：在智能主体AI中，单智能体架构中已经存在的因果缺陷被放大。多智能体动态使得错误可能在系统中级联，一个智能体的错误或幻觉可能污染其他智能体的决策。
2. 通信和协调瓶颈：智能主体AI的一个核心挑战是实现多个自主智能体之间的高效通信和协调。目标一致性、协议限制和资源争用常常阻碍智能体间的无缝合作。
3. 紧急行为和可预测性：智能主体AI管理紧急行为（从自主智能体交互中产生的复杂系统级现象）面临重大挑战。虽然这种紧急性可能产生适应性和创新解决方案，但也可能导致未预期后果。
4. 可扩展性和调试复杂性：随着智能主体AI系统在智能体数量和专门角色多样性方面的扩展，维持系统可靠性和可解释性变得越来越复杂。
针对这些挑战，研究提出了十种前瞻性设计策略：
1. 检索增强生成(RAG)：通过在实时数据中扎根输出，减轻幻觉并扩展静态LLM知识。
2. 工具增强推理(函数调用)：扩展智能体与现实世界系统交互的能力，将LLM从静态预测器转变为交互式问题解决者。
3. 智能体循环：推理、行动、观察：引入迭代循环，使智能体对任务进行推理，通过调用工具或API采取行动，然后在继续之前观察结果。
4. 反思和自我批评机制：通过二次推理通道引入自我评估能力，增强健壮性并减少错误率。
5. 程序化提示工程流程：自动化提示优化过程，使用任务模板、上下文填充器和检索增强变量，改进泛化并减少与提示变化相关的失败模式。
6. 因果建模和基于模拟的规划：将因果推断嵌入智能体，使其能够区分相关性和因果，模拟干预，并更稳健地规划。
7. 多智能体编排与角色专门化：在复杂任务中使用专门化（如规划者、汇总者）的分解，增强可解释性、可扩展性和故障隔离。
8. 记忆架构(情景性、语义性、向量化)：通过在任务中坚持信息来解决长期规划和会话连续性的限制。情景记忆允许智能体回忆先前行动，语义记忆编码结构化领域知识，向量记忆启用相似性检索。
9. 监控、审计和可解释性流水线：缺乏透明度使调试和信任复杂化。日志系统记录提示、工具调用、记忆更新和输出，支持事后分析和性能调整。
10. 治理感知架构(问责制+角色隔离)：引入基于角色的访问控制、沙箱和身份解析，确保智能体在范围内行动，其决策可被审计或撤销。
随着这些解决方案的进展，研究还展望了AI智能体和智能主体AI的未来路线图。AI智能体预计将围绕五个关键领域发展增强模块化智能：主动推理、工具整合、因果推理、持续学习和面向信任的操作。
同样，智能主体AI强调通过多智能体协调、上下文持久性和领域特定编排来实现协作智能。未来系统将展现多智能体扩展，由分布式控制下的专门智能体进行复杂问题解决。
十一、总结与未来展望
这项全面的研究提供了关于AI智能体和智能主体AI的详细分类法，揭示了从模块化、任务特定系统到协作、多智能体生态系统的演进。它不仅详细说明了这些范式的架构区别、操作机制和应用领域，还识别了它们面临的重大挑战和有前景的解决策略。
研究的关键洞见表明，尽管AI智能体和智能主体AI都建立在LLM的基础上，但它们在自主性水平、目标复杂性、协调能力和内存持久性方面有根本差异。这些差异促使它们适用于不同的用例场景，AI智能体最适合离散、工具辅助任务，而智能主体AI则专注于需要分布式认知和自适应规划的复杂工作流。
对于未来发展，技术聚焦于增强因果推理、工具使用、协作框架和可解释性，这些都将是实现可靠、可扩展的智能体系统的关键。研究还指出了关注模拟规划、角色隔离、动态记忆架构和统一治理标准的必要性。
随着AI智能体和智能主体AI继续发展，它们预计将从当前的原型变成可部署在高风险应用中的稳健系统。尽管面临挑战，他们协同工作的潜力预示着人工智能的新时代，标志着从静态回应系统到动态、环境感知、目标导向智能体的转变。
来源：科技行者一点号1