AI Agent原理入门：从基础概念到核心实现

1次阅读

共计 1937 个字符，预计需要花费 5 分钟才能阅读完成。

AI Agent（人工智能代理）可以理解为一个能够自主感知环境、做出决策并执行动作的智能体。它不像传统程序那样只能按照预设的流程运行，而是具备一定的自主性和适应性。

举个生活中的例子：扫地机器人就是一个典型的 AI Agent。它能感知房间的布局（感知），决定清扫路径（决策），然后执行清扫动作（执行）。

自主性 ：传统程序完全按照预设流程执行，而 Agent 能根据环境变化自主调整行为
反应性 ：Agent 能实时响应环境变化，传统程序通常需要明确的输入触发
目标导向性 ：Agent 持续追求特定目标，传统程序只是完成特定功能

这是 Agent 的核心工作机制，可以用这个简单的流程图表示：

flowchart TD
    A[感知环境] --> B[分析决策]
    B --> C[执行动作]
    C --> A

让我们用一个桌面清洁 Agent 的例子来具体说明。这个 Agent 的任务是保持桌面整洁，它会：

感知桌面是否有杂物
决定是否需要清理
执行清理动作

下面是一个简单的桌面清洁 Agent 实现（假设我们用一个二维网格模拟桌面环境）：

import random

class DesktopCleanerAgent:
    def __init__(self, grid_size=5):
        """初始化清洁 Agent"""
        self.grid_size = grid_size
        self.position = (0, 0)  # Agent 初始位置
        self.desk = [[False for _ in range(grid_size)] for _ in range(grid_size)]  # False 表示干净

    def perceive(self):
        """感知当前格子是否脏"""
        x, y = self.position
        return self.desk[x][y]

    def decide(self, is_dirty):
        """决策逻辑"""
        if is_dirty:
            return 'clean'
        else:
            return 'move'

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

        if action == 'clean':
            self.desk[x][y] = False
            print(f"Cleaned at ({x}, {y})")
        elif action == 'move':
            # 随机移动到相邻位置
            directions = [(0,1), (1,0), (0,-1), (-1,0)]
            dx, dy = random.choice(directions)
            new_x, new_y = x + dx, y + dy

            # 确保不超出边界
            if 0 <= new_x < self.grid_size and 0 <= new_y < self.grid_size:
                self.position = (new_x, new_y)
                print(f"Moved to ({new_x}, {new_y})")

    def run(self, steps=20):
        """运行 Agent"""
        for _ in range(steps):
            # 随机弄脏一些格子
            if random.random() < 0.2:
                x, y = random.randint(0, self.grid_size-1), random.randint(0, self.grid_size-1)
                self.desk[x][y] = True
                print(f"Dirt added at ({x}, {y})")

            # 感知 - 决策 - 执行循环
            is_dirty = self.perceive()
            action = self.decide(is_dirty)
            self.act(action)

# 使用示例
agent = DesktopCleanerAgent()
agent.run()