AI 智能体基础：认知、决策与学习

教程导读

一句话定位：AI 智能体不是一堆互不相关的算法，而是一套感知—决策—行动循环；本教程用概念筑基把状态、奖励、策略这组坐标系立住，再讲认知、决策与学习如何嵌进循环。

这个教程解决什么问题

很多人第一次接触「智能体」会把词拆碎：这边是视觉模型，那边是规划器，再那边是强化学习。拆完之后说不清一件事——这些零件怎么拼成一个能在环境里连续活下去的东西？Russell 与 Norvig 把智能体写成从感知序列到行动的映射；强化学习又把它写成状态、行动、奖励、策略四元组。两套话如果不先对齐，后面读任何架构图都会飘。

本教程先把循环和坐标系讲透，再按「看见世界 → 选出行动 → 用经验改策略 → 把循环装进系统」往下走。感知、知识表示、世界模型属于认知，负责把原始信号收成状态；目标、效用、规划、行动选择属于决策，负责在状态上给出行动；监督、无监督、强化学习属于学习，负责改策略或改内部模型。第 5 章把循环装进反应式、慎思式、混合式架构；第 6 章才碰到多智能体与大模型——它们改变的是循环的实现形态，不是循环本身。

适合谁读

• 需要一张总图、而不是立刻上手某个框架的工程师与学生
• 已经会一点机器学习、但说不清智能体和「训练一个分类器」差在哪的人
• 读强化学习或大模型智能体之前，想先把术语钉死的人

不适合：只想抄一段可运行的对话机器人脚手架。那类动手教程请去智能体开发类文集。

学完你能做什么

1. 用感知—决策—行动循环画任意一个智能体，并标出状态、奖励、策略落在哪一段
2. 区分简单反射、基于模型、基于目标、基于效用、学习型五类智能体，并说出各自对环境的假设
3. 解释知识表示、世界模型、规划、行动选择各自解决循环里的哪一截
4. 判断一个问题该用规则、规划、还是从经验里学策略，而不是默认「上强化学习」
5. 看懂混合架构和大模型智能体时，能指出哪一层在感知、哪一层在决策、哪一层在学习

学习路线

图：智能体坐标系总览

怎么用这个教程

按章顺序读。第 1 章是坐标系，后面每章都在同一张图上加一层。遇到算法名（Q 学习、MCTS、Transformer）先问：它改的是状态、策略，还是奖励的用法？不要跳去背公式。每节约 25–40 分钟；章支柱页先读摘要和概念图，再进节。

⚠️ 常见坑：把「训练一个模型」直接叫智能体。没有与环境的闭环，只是函数拟合。
💡 关键直觉：智能体的智能不在某一个模块最强，而在循环能否稳定地把观测变成更好的下一步行动。

阅读时手里该有的一张纸

建议准备一张纸，左边画环，右边留空填字段。每读完一节，只往空里加东西，不另起炉灶。第 2 章结束时应能写出某场景的状态清单；第 3 章结束应能写出目标是到达还是维持、冲突怎么公度；第 4 章结束应能写出学习改的是策略、模型还是表示；第 5 章结束应能标出谁拥有执行器否决权。第 6 章是把这张纸拿到客服或仓储上对照，不是另学一套行业黑话。

纸上禁止出现「智能」「赋能」「大脑」这种占位符。写得出「观测是轮速与前视图像」「状态是相对距离与货位占用」「合法集禁止在未确认时调用下单工具」，才算坐标系立住。写不出时，回到对应节，不要用后一章的算法名来填空。

不需要编程环境。若你想动手，用纸面伪代码走完温室或仓库一圈即可：给出一帧观测，写出状态，选出行动，标明奖励是否出现。真要训练网络，请去强化学习或开发类教程；本教程若开始贴训练曲线，就把主调带偏了。

与相邻教程的边界：强化学习入门文集把马尔可夫决策过程与 Q 学习讲深；智能体开发文集讲工具链与落地；AI 伦理文集从事故切入。本文集停在概念坐标系，算法与治理点到即止。同批对话式框架教程走对比选型，本文集不评框架品牌。坐标系立住之后，任何新名词都应能坐回状态、策略、奖励三个座位之一。