Agentic 人工智能 (AI)：架构、分类与大语言模型智能体的评估

人工智能正在从仅生成文本的模型向智能体 AI 转变，即系统表现为具有感知、推理、规划与行动能力的自主实体。大语言模型 (LLM) 已不再仅作为被动知识引擎使用，而是作为认知控制器，将记忆、工具使用以及环境反馈相结合，以追求长期目标。尽管这一转变已支持软件工程、科学发现和网页导航等复杂工作流程的自动化，但不断涌现的设计多样性——从简单的单循环智能体到层级多智能体系统——使其生态格局难以把握。本文我们研究各种架构，并提出一种统一分类体系，将智能体划分为感知 (Perception)、脑部 (Brain)、规划 (Planning)、行动 (Action)、工具使用 (Tool Use) 与协作 (Collaboration)。我们借此阐释从线性推理程序向原生推理时间模型的演进，以及从固定 API 调用向模型上下文协议 (MCP) 和原生计算机使用等开放标准的转变。我们还归类这些智能体所运行的环境，包括数字操作系统、具身机器人以及其他专门领域，并回顾当前的评估实践。最后，我们指出开放性挑战，如行动中的幻觉、无限循环以及提示注入，并概述未来研究方向，以实现更稳健可靠的自主系统。