1.1 智能体的定义与构成

1.1 智能体的定义与构成

本节摘要：AI 智能体是能通过传感器感知环境、通过执行器作用于环境、并为目标持续选择行动的实体。更严的写法是：它实现从感知序列到行动的映射。构成上拆成硬件、软件与知识三层；软件里再拆传感器接口、推理/决策、执行与学习。没有目标的程序只是过滤器，没有闭环的模型只是函数。

学习目标

阅读完本节，你应当能够：

1. 用感知、行动、目标三要素判断一个系统算不算智能体
2. 写出感知序列到行动的映射在循环里对应哪一段
3. 指出传感器、执行器、知识库、推理引擎、学习模块各自的职责
4. 用仓库分拣或温室控制举一个最小闭环，而不是只背定义

先画循环，再下定义

把智能体想成仓库里的分拣车。车上有摄像头和重量传感器，轮子和抓爪是执行器，任务是「把货放到正确货位且不撞人」。它每时每刻都在做三件事：看、选、动。看的结果不是给人类看的报表，而是下一步还能不能开；选不是一次性考试，而是连续若干步；动会改变下一秒看到的画面。这三件事咬成环，才叫智能体。

教科书里常写：智能体 = 感知 + 行动 + 目标。三项缺一，名字就会滑。只有感知、没有行动，是监测探头；只有行动、没有感知，是定时开关；有感知和行动、没有目标，是随机扰动。目标不必是一句口号，可以是「到达货位」「室温维持在区间」「对局获胜」。重要的是：后续所有选择都朝它收拢。

更严的写法来自智能体作为函数：把到目前为止的感知序列映射成当下行动。感知序列强调记忆——同一帧画面，历史不同，行动可以不同。简单反射智能体假装序列长度为 1，只看当前帧；这在后文会变成一种刻意的简化，而不是「更高级」。

        观测 o_t
环境 ──────────► 智能体
  ▲                 │
  │                 │ 行动 a_t
  └─────────────────┘
        奖励 r_t 可能同时回来
​

循环画出来之后，状态、奖励、策略才有地方坐。状态是智能体对「现在世界对我意味着什么」的内部压缩；策略是「在这个状态下我倾向选哪个行动」；奖励是环境或评判器对刚才那一步的评分。三者不是三个独立产品，是循环上的三个接口。第 4 章会讲怎么改策略，但改的前提是：你已经承认有这么一个环。

💡 关键直觉：问「这算不算智能体」时，不要先问它用了什么网络，先问它有没有与环境的闭环，以及闭环是不是朝某个目标收。

映射函数落在循环的哪一段

把映射写清楚，是为了后面不把「训练」和「决策」混为一谈。感知序列进来，行动出去——这是在线运行时发生的事。训练可以发生在环外（先用标注数据学一个感知器），也可以发生在环上（每一步拿奖励更新）。无论哪种，运行时仍然是：当前内部状态 → 行动。

概念上可以写成下面这段伪代码，它不是某个框架的 API，只是把循环钉死：

初始化 内部记忆 M 为空
循环:
    o = 环境.给出观测()
    s = 认知.把观测与记忆收成状态(o, M)
    a = 策略.在状态上选行动(s)
    环境.执行(a)
    r = 环境.给出奖励()        # 有的任务没有显式奖励
    M = 学习.按需要更新(M, s, a, r, o)
​

这里有几处容易踩空。第一，观测不等于状态。摄像头的像素是观测；「货架 A 第三层有空位、前方 1.2 米有行人」才接近状态。第二，策略可以是一张规则表，也可以是一个网络，还可以是「先规划再取第一步」——形态不改变它在循环里的位置。第三，奖励可以缺失：基于目标的规划智能体用「是否到达目标」代替逐步奖励，那只是奖励接口的一种退化，不是循环消失。

SOURCE 里把构成拆成硬件、软件、知识，和上面这张表是同一件事的另一刀。硬件是传感器与执行器的物理或接口载体；软件是把观测收成状态、再选出行动的程序；知识是软件运行时要查阅的事实、规则、模型参数。知识可以写死在规则库，也可以从数据里长出来——长出来的过程叫学习，存放的地方仍是「知识」这一层。

五块零件怎么分工

传感器不必是摄像头。对对话智能体，传感器是用户消息与工具返回；对交易智能体，是行情与持仓接口。执行器同理：可以是电机，也可以是「调用下单接口」「回复一句话」。选传感器时真正要问的是：观测是否足以支撑状态？部分可观测环境下，再贵的摄像头也补不齐墙后的行人，必须靠记忆或主动探测。

知识库在经典系统里是规则与事实；在学习系统里是参数与经验回放。不要把「有神经网络」理解成「没有知识」——权重就是压缩过的知识，只是人读起来费劲。推理引擎则是在知识上做一步：规则引擎做匹配，贝叶斯网络做概率传播，规划器做搜索，深度模型做一次前向。学习模块是唯一允许改知识的通道；若运行时乱改规则又没有约束，系统会自己把坐标系拧歪。

温室控制器是一个好用的最小例子。传感器：气温、湿度、光照。目标：把气温维持在白天 24 到 26、夜间 18 到 20。行动：开窗、加温、遮阳。知识：作物在高温下蒸腾加快、遮阳会降低光合。没有学习模块时，这是基于规则或基于模型的控制器；加上「根据过去一周的超温次数调整阈值」，学习模块才进场。零件齐全，并不等于智能高——简单反射也可以五块都有，只是知识是一张 if-then 表，推理是查表。

⚠️ 常见坑：把知识库理解成必须手写的专家系统。参数、经验回放、世界模型权重，都是知识的存放形态。真正要盯的是：谁有权改它，改完之后循环还稳不稳。

工程上还有一个容易忽略的点：目标写在哪。有人把目标写进奖励，有人写进终止条件，有人写进规划器的启发式。三种写法可以共存，但必须有一张表说清「成功」以哪一条为准。否则会出现感知很准、行动很勤、业务上却在优化错误东西——循环是闭合的，坐标系是歪的。

设计原则如何落到零件上

SOURCE 在定义节后补了自主、反应、主动、社会四条。四条不是道德口号，是零件有没有被外部手操死。自主：决策模块能在给定目标下自己选行动，不必每步等人。反应：传感器到执行器的短路径存在，超时也能动。主动：目标栈能自己提出下一步，而不是只等触发。社会：预留通信接口，即使当前任务是单车。仓库分拣车可以四条都弱——高度调度——那它更接近遥控设备，1.1 的定义会打折。打折不是侮辱，是分类：你知道自己少了哪条，后面才不会夸大「智能」。

映射 感知序列到行动 在实现上常被写成只看当前帧。若真只看当前帧，应在文档里写「序列长度为一」，这是简单反射的契约，不是偷懒没写记忆。金融交易若把盘口当观测、把下单当行动、把收益当目标，三要素齐，但是否自主取决于风控是否允许策略在合法集里自己选。风控熔断是执行器上的硬过滤器，属于硬件/软件里的约束层，不是把智能体取消。

最小实验：选一个你熟悉的系统，强制写出传感器清单、执行器清单、目标判定、知识存放处、谁允许改知识。五格有空，定义就还没落地。空在传感器，后面的认知章会无米；空在目标，决策章会无灯塔；空在改知识权限，学习章会变成偷偷覆盖。这张五格表比再背一遍「智能体等于感知加行动加目标」抗忘，因为每一格都能在代码或模块名上对上号——对上的是职责，不是文件路径。

PEAS 可以当作 1.1 的验收口诀：性能指标对应目标如何检验，环境对应下一节，执行器与传感器对应本节硬件。四项写不清就开会，最后往往得到一个「智能的某某」。先把口诀填完，再允许讨论用不用网络。

图：五块零件与四元组座位

本节检查清单

合上页面前问自己：能否不看标题说出三要素？能否指出映射发生在运行时而不是训练脚本里？硬件软件知识三层能否各举仓库里的一块？学习模块是不是唯一改知识的通道？目标写在奖励、终止还是启发式，有没有一张表说清以谁为准？感知序列长度若为一，有没有写成契约？PEAS 四格有没有空？四性里缺的那条有没有导致降级分类？五格零件表能否对着模块职责（不是路径）对上号？若有两问答不出，留在本节，不要用 1.2 的类型名词来遮。类型是下一节的简化，遮不住零件缺口。零件缺口会在后面每一章以不同别名出现，越晚越贵。

要点速记

• 三要素：感知、行动、目标同时在，才叫智能体；缺目标的闭环只是扰动发生器
• 映射：运行时是感知序列到行动；训练可以在环外或环上，但不取代运行时循环
• 状态 ≠ 观测：状态是对决策有用的压缩，认知的任务就是完成这次压缩
• 五块零件：传感器、执行器、知识、推理、学习；学习是改知识的通道
• 四元组接口：状态、行动、奖励、策略是循环上的座位，不是四个独立产品
• 最小例子：仓库分拣与温室控制都能画出同一张环，只是传感器与目标不同

下一节用类型与环境属性说明：同一套零件，换内部结构或换环境假设，设计会完全改样。