智能体：在人工智能领域，智能体被定义为任何能够 通过传感器（Sensors）感知其所处环境（Environment），并自主地通过执行器（Actuators）采取行动 （Action）以达成特定目标的实体。

演进的起点:

反射智能体（Simple Reflex Agent）：它们的决策核心由工程师明 确设计的“条件-动作”规则构成。

引入“状态”的概念后

基于模型的反射智能体（Model-Based Reflex Agent）：这类智能体拥有一个内部的世界模型（World Model），用于追踪和理解环境中那些无法被直接感知的方面。

理解世界还不够，智能体需要有明确的目标

基于目标的智能体（Goal-Based Agent）：它的行为不再是被动地对环境做出反应，而是主动地、有预见性地选择能 够导向某个特定未来状态的行动。

现实世界的目标往往不是单一的，当多个目标需要权衡时

基于效用的智能体（Utility-Based Agent）：它为每一个可能的世界状态都赋予一个效用值，这个值代表了满意度的高低。

如果智能体能不依赖预设，而是通过与环境的互动自主学习呢？

学习型智能体（Learning Agent）：而强化学习（Reinforcement Learning, RL）是实现这一思想最具代表性的路径。

学习资料来源：hello-agents:基于大语言模型的智能体系统构建指南项目 - AtomGit | GitCode