AI Agents的五种代理类型

简单反射代理（Simple Reflex Agent）：简单反射代理是最简单的代理。这些代理根据当前感知做出决策，并忽略其余的感知历史。这些代理仅在完全可观察的环境中成功。简单反射代理在决策和行动过程中不考虑感知历史的任何部分。简单反射代理基于条件-动作规则工作，这意味着它将当前状态映射到动作。

• 温控器：当温度低于设定值时，温控器会打开加热器。
• 红绿灯控制器：当感应器检测到车辆时，红绿灯控制器会改变灯的颜色。
• 电子邮件过滤器：当电子邮件过滤器检测到垃圾邮件时，它会将其移动到垃圾邮件文件夹中。

基于模型的反射代理（Model-based reflex agent）：基于模型的代理可以在部分可观察的环境中工作，并跟踪情况。基于模型的代理有两个重要因素：模型和内部状态。模型是关于“世界上事物如何发生”的知识，而内部状态是基于感知历史的当前状态的表示。这些代理具有“世界”的模型，并根据模型执行操作。更新代理状态需要有关以下信息：世界如何演变；代理的动作如何影响世界。

• 打车软件：打车软件会根据交通状况和乘客位置来选择最佳路线。
• 股票交易软件：股票交易软件会根据市场情况和历史数据来决定买卖股票。
• 智能家居系统：智能家居系统会根据用户的习惯和偏好来调节家庭设备。

基于目标的代理（Goal-based agents）：了解当前状态环境的知识并不总是足以决定代理要做什么。代理需要知道其目标，描述可取的情况。基于目标的代理通过拥有“目标”信息来扩展基于模型代理的能力。它们选择一个动作，以便实现目标。这些代理可能需要考虑一长串可能的动作，然后才能决定目标是否实现。这种对不同情况的考虑被称为搜索和规划，使代理具有主动性。

• 路径规划软件：路径规划软件会根据目的地和交通状况来规划最佳路线。
• 游戏AI：游戏AI会根据游戏目标来选择最佳行动。
• 个人助手软件：个人助手软件会根据用户的目标来安排日程和提醒。

基于效用的代理（Utility-based agent）：这些代理与基于目标的代理类似，但提供了额外的效用测量组件，使它们不仅根据目标而且根据实现目标的最佳方式来行动。当有多个可能的替代方案时，效用基础代理很有用，代理必须选择以执行最佳操作。效用函数将每个状态映射到一个实数，以检查每个操作如何有效地实现目标。

• 旅游推荐系统：旅游推荐系统会根据用户的喜好和预算来推荐最佳旅游方案。
• 投资组合管理软件：投资组合管理软件会根据风险偏好和预期收益来选择最佳投资组合。
• 电子商务推荐系统：电子商务推荐系统会根据用户的购物历史和喜好来推荐商品。

学习代理（Learning agent）：学习代理是一种可以从过去经验中学习或具有学习能力的AI代理。它从基本知识开始行动，然后通过学习自动地行动和适应。

• 推荐系统：推荐系统会根据用户的历史行为和喜好来学习并推荐内容。
• 语音识别软件：语音识别软件会根据用户的语音特征来学习并提高识别准确性。
• 图像识别软件：图像识别软件会根据标记数据来学习并提高识别准确性。