Agent怎么学：从零构建智能代理的完整指南

1次阅读

共计 1649 个字符，预计需要花费 5 分钟才能阅读完成。

在 AI 领域，Agent（智能代理）指的是能够感知环境、自主决策并执行动作的实体。与普通程序最大的区别在于：

主动性 ：Agent 会主动追求目标，而不是被动响应指令
适应性 ：能根据环境变化调整策略
持续性 ：长期运行并保持状态记忆

举个生活中的例子：扫地机器人是典型的 Agent，而普通计算器只是工具程序。

类型	特点	适用场景
Reactive Agent	仅根据当前感知做出反应，无内部状态	简单规则环境（如自动门）
Deliberative Agent	维护世界模型，通过推理制定行动计划	复杂决策（如自动驾驶）
Hybrid Agent	结合反应式和审慎式优点	大多数实际应用
Utility-based Agent	通过效用函数评估不同动作的价值	资源分配类问题

下面用 Python 实现一个简化版的清洁机器人，包含核心的感知 - 决策 - 执行循环：

class CleaningRobot:
    """
    简易清洁机器人 Agent
    功能：在 2D 网格环境中移动并清洁脏单元格
    """

    def __init__(self, env_size=5):
        self.position = (0, 0)
        self.env = [[False for _ in range(env_size)] 
                   for _ in range(env_size)]  # False 表示干净
        self.battery = 100

    def perceive(self):
        """感知当前单元格是否脏"""
        x, y = self.position
        return {'dirty': self.env[x][y],
            'battery': self.battery
        }

    def decide(self, perception):
        """决策逻辑"""
        if perception['battery'] < 10:
            return 'charge'
        if perception['dirty']:
            return 'clean'
        return random.choice(['up', 'down', 'left', 'right'])

    def act(self, action):
        """执行动作"""
        x, y = self.position

        if action == 'clean':
            self.env[x][y] = False
            self.battery -= 2
        elif action == 'charge':
            self.battery = min(100, self.battery + 10)
        else:  # 移动
            self.battery -= 1
            if action == 'up' and x > 0: self.position = (x-1, y)
            elif action == 'down' and x < len(self.env)-1: 
                self.position = (x+1, y)
            elif action == 'left' and y > 0: self.position = (x, y-1)
            elif action == 'right' and y < len(self.env)-1: 
                self.position = (x, y+1)

# 运行主循环
robot = CleaningRobot()
for _ in range(100):  # 模拟 100 个时间步
    perception = robot.perceive()
    action = robot.decide(perception)
    robot.act(action)