AI Agents vs. Agentic AI: A Conceptual taxonomy, applications andchallenges

人工智能代理（AI Agents）與具能動性的人工智能（Agentic AI）：概念分類、應用與挑戰

https://arxiv.org/pdf/2505.10468

摘 要
在生成式人工智能（Generative AI）時代背景下，信息融合必須明確區分“人工智能代理”（AI Agents）與“具能動性的人工智能”（Agentic AI）。本綜述對二者進行了批判性區分，提出了一個結構化的概念分類體系、應用映射分析，并探討了各自所面臨的機會與挑戰，以厘清二者在設計理念與能力上的根本差異。我們首先概述了文獻檢索策略與基礎定義，將AI Agents界定為由大語言模型（LLMs）與大推理模型（LIMs）驅動并賦能的模塊化系統，旨在實現任務特定的自動化；生成式AI則被視為其前身，為AI Agents提供基礎支撐，而AI Agents則通過工具集成、提示工程（prompt engineering）與推理能力增強得以進一步發展。隨后，我們刻畫了Agentic AI系統：與AI Agents不同，Agentic AI代表了一種范式轉變，其特征包括多智能體協作、動態任務分解、持久記憶以及協調性自主能力。我們通過對其架構演進、運行機制、交互方式與自主性水平的時序性評估，對AI Agents與Agentic AI兩類范式展開了系統性對比分析。在應用層面，AI Agents所支撐的領域（如客戶服務、日程安排、數據摘要）被與Agentic AI的應用場景（如科研自動化、機器人協同控制、醫療決策支持）進行對照。我們進一步剖析了兩類范式各自特有的挑戰——例如幻覺（hallucination）、脆弱性（brittleness）、涌現行為（emergent behavior）與協作失效（coordination failure），并提出了針對性解決方案，包括ReAct推理循環、檢索增強生成（RAG）、自動化協調層以及因果建模等。本工作旨在為構建魯棒、可擴展且可解釋的AI驅動系統提供發展路線圖。

關鍵詞：人工智能代理（AI Agents）、具能動性的人工智能（Agentic AI）、上下文感知（Context awareness）、多智能體系統（Multi-agent systems）、概念分類（Conceptual taxonomy）

1. 引言

在人工智能代理（AI Agents）與具能動性的人工智能（Agentic AI）（見圖1）于2022年前后（即ChatGPT發布之前）被廣泛采用之前，自主與智能體的發展深深植根于人工智能的基礎范式之中，尤其是多智能體系統（Multi-Agent Systems, MAS）與專家系統——這些范式強調社會性行動與分布式智能［1, 2］。值得注意的是，Castelfranchi［3］通過引入關于社會行動、社會結構與心智的本體論范疇，為該領域奠定了關鍵性基礎；他主張，社會性產生于個體智能體在共享環境中所采取的行動及其認知過程，并指出“目標委派”（goal delegation）與“目標采納”（goal adoption）等概念構成了合作行為與組織行為的基礎。類似地，Ferber［4］提出了一個面向多智能體系統的綜合性框架，將智能體定義為具備自主性、感知能力與通信能力的實體，并強調其在分布式問題求解、協作機器人以及合成世界仿真等領域的應用。

這些早期研究確立了個體社會行動與認知架構對于建模集體現象的根本性作用，為現代AI Agents的發展奠定了基礎。本文在上述基礎性概念之上進一步展開探討，旨在考察［3, 4］中提出的社會行動建模范式如何指導AI Agents的設計，使其能夠在動態環境中執行復雜且具備社會智能的交互行為。

傳統類代理系統（Classical Agent-like systems）被設計用于執行具有預定義規則的特定任務，其自主性極為有限，且對動態環境的適應能力薄弱。此類系統主要表現為反應式（reactive）或慎思式（deliberative）架構，依賴符號推理、基于規則的邏輯或腳本化行為，而非現代AI Agents所具備的學習驅動與上下文感知能力［5, 6］。例如，專家系統通過知識庫與推理引擎模擬人類在特定領域的決策過程（如醫療診斷系統MYCIN［7］）。其他著名實例還包括用于分子結構預測的專家系統DENDRAL［8］、用于計算機系統配置的XCON［9］，以及基于規則的產生式系統框架CLIPS［10］。SOAR［11］與次級架構（subsumption architecture）［12］進一步將符號邏輯與反應式邏輯拓展至認知建模與機器人領域。

除任務特定推理之外，這些早期智能體還支持有限形式的社會性交互。例如，早期對話系統ELIZA［13］與PARRY［14］通過模式匹配與腳本式響應模擬基礎對話，但缺乏真實理解能力或上下文適應性；機器人中的反應式智能體則基于固定控制規則執行“感知—行動”循環，如早期自主平臺Stanford Cart［15］所示。

多智能體系統則實現了分布式實體之間的協調協作，其典型應用包括供應鏈管理中的基于拍賣的資源分配機制［16–18］。電子游戲中的腳本化AI（如早期角色扮演游戲中的非玩家角色NPC行為）則采用預定義的決策樹實現行為控制［19］。此外，BDI（信念—愿望—意圖，Belief-Desire-Intention）架構使軟件智能體具備目標導向行為能力，如應用于空管模擬系統中的智能體［20, 21］。

然而，跨越上述各類系統，早期AI智能體普遍存在若干共性局限：缺乏自學習能力、生成式推理能力，以及對非結構化或演化環境的適應能力。這些缺陷使其顯著區別于“具能動性人工智能”（Agentic AI）——后者是一種新興范式，依托深度學習、強化學習與基礎模型（foundation models），賦能智能體實現上下文感知、持續學習與涌現式自主性［22］。

近期學術界、工業界及公眾對AI Agents與Agentic AI的高度關注，正反映了系統能力層面的這一重大躍遷。如圖1所示，Google Trends數據顯示，在2022年末大規模生成式模型興起之后，全球對這兩個術語的搜索量均顯著上升。這一轉變與智能體設計范式的演進密切相關：從2022年之前智能體運行于受限、規則化環境的階段，過渡到大語言模型（LLM）時代之后以學習驅動、靈活適應為特征的架構［23–25］。新一代系統使智能體能夠隨時間持續優化性能，并與非結構化、動態的輸入實現自主交互［26–28］。例如，傳統專家系統需人工更新靜態知識庫，而現代智能體則借助涌現式神經架構實現跨任務泛化［25］。搜索熱度的激增反映了人們對這一技術飛躍日益增長的認知——研究者與從業者正積極尋求超越自動化、邁向自主性與通用推理能力的工具。此外，其應用范疇亦不再局限于仿真或物流等狹窄領域，而擴展至需實時推理與自適應控制的廣泛現實場景。如圖1所示，這一發展勢頭凸顯了近期架構創新在推動自主智能體規模化落地現實世界中的重要意義。

2022年11月ChatGPT的發布標志著人工智能發展與公眾認知的關鍵拐點，引發了全球范圍內技術采納、投資與研究活動的井噴式增長［29］。在此突破之后，AI格局迅速轉型——從獨立使用的LLM逐步轉向更具自主性與任務導向性的框架［30］。這一演進經歷了兩大后生成式階段：AI Agents 與 Agentic AI。

最初，ChatGPT的巨大成功推動了“生成式智能體”（Generative Agents）的普及——這類基于LLM的系統旨在根據用戶提示生成新穎輸出（如文本、圖像與代碼）［31, 32］。此類智能體被迅速應用于各類場景：從對話助手（如GitHub Copilot［33］）、內容生成平臺（如Jasper［34］）到創意工具（如Midjourney［35］），于2023年及以后徹底革新了數字設計、市場營銷與軟件原型開發等領域。

盡管“AI Agent”一詞最早于1998年提出［3］，但其內涵隨著生成式AI的興起已發生顯著演進。在此生成式基礎之上，一類新型系統——現今通稱的AI Agents——應運而生。此類智能體通過集成外部工具調用（如基于API的工具）、函數調用與序列化推理等能力，對LLM進行增強，使其可自主獲取實時信息并執行多步驟工作流［36, 37］。代表性框架如AutoGPT［38］與BabyAGI（https://github.com/yoheinakajima/babyagi）凸顯了這一轉變：它們展示了如何將LLM嵌入反饋循環中，以在目標驅動環境中動態規劃、行動與適應［39 , 40］。

至2023年末，該領域進一步邁向Agentic AI新階段——即由多個專業化智能體組成的復雜多智能體系統，這些智能體通過協作分解目標、相互通信并在更大工作流中協調行動，以達成共同目標。順應此趨勢，谷歌于2025年推出智能體間協議（Agent-to-Agent, A2A）［41］，一項旨在實現跨框架與跨廠商智能體間無縫互操作的標準化提案。該協議圍繞五大核心原則構建：擁抱能動性能力、基于既有標準擴展、默認保障交互安全、支持長時運行任務，以及確保模態無關性（modality agnosticism）。這些準則旨在為構建響應迅速、可擴展的能動性基礎設施奠定基礎。

CrewAI等架構展示了此類能動性框架如何在分布式角色間實現決策協同，從而在機器人、物流管理與自適應決策支持等高風險應用中促成高階智能行為［42］。

隨著領域從生成式智能體向日益自主的Agentic AI系統演進，厘清AI Agents與Agentic AI之間的技術與概念邊界變得至關重要。盡管兩類范式均以LLM為基礎并拓展了生成式系統的能力，但其底層架構、交互模型與自主性層級存在根本差異：

• AI Agents

  通常被設計為 單實體系統 ，通過調用外部工具、實施序列化推理并整合實時信息，以完成明確定義的目標導向任務［25, 43］；

• Agentic AI系統

  則由 多個專業化智能體 構成，它們在更大工作流中動態分配子任務、相互協調與通信，以共同實現目標［22, 44］。

這一架構差異凸顯了二者在可擴展性、適應性及應用廣度上的顯著區別。

對AI Agents與Agentic AI之間分類體系的界定與形式化，在科學層面具有多重重要意義：

首先，它有助于實現更精準的系統設計——將計算框架與問題復雜度相匹配：即對模塊化、工具輔助型任務部署AI Agents，而對需協同執行的多智能體操作采用Agentic AI；其次，它支持恰當的基準測試與評估：面向單任務執行的智能體與面向復雜協同任務的分布式智能體系統，在性能指標、安全協議與資源需求等方面存在顯著差異；再者，清晰的分類體系可減少開發低效問題，例如避免將適用于多智能體協作的設計原則誤用于單智能體架構的系統中。缺乏此等明晰性，開發者與實踐者既可能低估需能動性協作的復雜場景，導致系統能力不足；亦可能高估簡單應用場景的需求，造成過度工程化。

本文旨在厘清AI Agents與Agentic AI之間的差異，為研究者提供對這些技術的基礎性理解。本研究的目標是：

• 明確二者的形式化區別；

• 建立共享術語體系；

• 構建一個結構化的概念分類框架（如圖2所示），以指導學術界與工業界下一代智能體系統的設計。

  
  

本綜述亦對從傳統AI Agents到新興Agentic AI系統的演進歷程進行了全面的概念與架構分析。區別于常規綜述文章圍繞形式化研究問題組織內容的方式，本文采用一種時序性、分層遞進的結構，清晰呈現兩類范式的歷史脈絡與技術演進路徑。

我們首先詳述文獻檢索策略與篩選標準，繼而通過剖析其核心屬性（如自主性、反應性與工具調用執行能力），確立對AI Agents的基礎認識；隨后探討基礎模型——特別是大語言模型（LLMs）與大圖像模型（LIMs）——的關鍵作用：它們作為核心推理與感知引擎，驅動智能體行為的生成；后續章節考察生成式AI系統如何作為先驅，推動更具動態性與交互性的智能體發展，從而為Agentic AI的出現鋪平道路。

基于此視角，我們呈現并分析了從孤立單智能體系統向協同多智能體架構的概念跨越，重點突出其結構差異、協調策略與協作機制；我們進一步通過解析AI Agents與Agentic AI的核心系統組件，映射其架構演進歷程，并對二者的規劃層、記憶層、編排層與執行層進行對比性描述；

在此基礎之上，我們綜述了涵蓋客戶服務、醫療健康、科研自動化與機器人等領域的應用場景，并依據系統能力與協作復雜度對現實部署案例進行分類；隨后評估兩類范式所面臨的關鍵挑戰——包括幻覺、推理深度不足、因果建模缺失、可擴展性瓶頸與治理風險；針對上述局限，我們概述了新興解決方案的發展機遇，例如檢索增強生成（RAG）、工具輔助推理、記憶架構設計以及基于仿真的規劃方法。

最后，本綜述提出一項前瞻性路線圖，展望模塊化AI Agents與協同式Agentic AI在自動駕駛、金融、醫療等關鍵任務領域乃至更廣泛場景中的融合前景。我們旨在為研究者提供一套結構化的分類體系與可操作的洞見，以指導下一代能動性AI系統的設計、部署與評估。

盡管學界對AI Agents與Agentic AI的興趣日益增長，現有綜述工作往往將二者籠統歸入“智能體”這一寬泛范疇之下，導致概念模糊與系統設計錯位。近期文獻要么狹隘聚焦于工具增強型LLM在任務自動化中的應用，要么泛泛討論多智能體系統，卻未能充分認知Agentic AI所帶來的架構與功能層面的范式轉變。

本綜述首次提出一套結構化的分類體系，從自主性（autonomy）、協調性（coordination）、交互方式（interaction）與推理范圍（reasoning scope）等維度，對這兩類范式進行形式化區分。通過將AI Agents界定為模塊化、單實體系統，而將Agentic AI界定為具備涌現行為的協同式生態系統，本研究有效填補了當前在設計原則、部署策略與評估標準等方面的區分空白。

這一區分在當下尤顯關鍵：現實世界應用（如機器人、醫療健康與科學發現）正日益要求具備可擴展性的多智能體智能，然而開發者往往缺乏清晰的框架來抉擇——究竟應采用孤立式智能體，抑或協作式能動架構。本綜述正旨在彌合此一鴻溝，促使系統能力與任務復雜度實現更精準的對齊，并為后LLM時代的科研議程設定與實際系統部署提供理論指導與實踐依據。

1.1 方法論概述

本綜述采用一種結構化、多階段的研究方法，旨在系統把握AI Agents與Agentic AI的演進歷程、架構特征、應用場景及現存局限。該方法流程如圖3所示，清晰勾勒出本研究中各主題與概念的遞進邏輯關系。分析框架的設計聚焦于呈現從以LLM為基礎的基本能動結構，到高級多智能體協同系統的演進路徑。綜述各環節均基于對學術文獻及AI賦能平臺所發布成果的嚴謹綜合與提煉，從而實現對當前研究格局及其新興趨勢的全面把握。

綜述首先確立對AI Agents的基礎性理解，考察文獻中對其核心定義、設計原則與架構模塊的描述，包括感知（perception）、推理（reasoning）與行動選擇（action selection）等組件，以及早期應用實例（如客戶服務機器人與檢索助手）。該基礎層構成進入更廣義能動范式的概念入口點。

其次，我們探討大語言模型（LLMs）作為核心推理組件的關鍵作用，著重闡明預訓練語言模型如何賦能現代AI Agents。本節詳述：通過指令微調（instruction fine-tuning）與基于人類反饋的強化學習（RLHF），LLMs得以支撐自然語言交互、任務規劃與有限決策能力；同時，亦指出其局限性，例如幻覺（hallucination）、靜態知識庫、以及因果推理能力的缺失。

在此基礎之上，綜述進一步探討Agentic AI的興起——這一階段代表著重要的概念躍升。我們著重強調其從“工具增強型單智能體系統”向“協作式、分布式智能體生態系統”的根本性轉變。這一轉變源于現實需求：系統需具備目標分解、子任務分配、輸出協調及對動態變化環境的自適應能力——這些能力已遠超孤立AI Agents所能實現的范疇。

隨后一節考察從AI Agents到Agentic AI系統的架構演進，對比簡單模塊化智能體設計與復雜協同框架之間的差異。我們描述了多項關鍵增強機制，例如持久記憶（persistent memory）、元智能體協調（meta-agent coordination）、多智能體規劃循環（如ReAct與思維鏈（Chain-of-Thought）提示）、以及語義通信協議（semantic communication protocols）。該架構對比分析輔以AutoGPT、CrewAI與LangGraph等平臺的具體案例予以支撐。

在完成架構探索之后，綜述深入剖析AI Agents與Agentic AI當前落地的應用領域。本文分別選取兩類范式各四個代表性應用場景進行討論：

• 對于 AI Agents ，包括：客戶服務自動化、企業內部搜索增強、郵件過濾與優先級排序，以及個性化內容推薦；

• 對于 Agentic AI ，則涵蓋：多智能體科研助手、智能機器人協同控制、協作式醫療決策支持，以及自適應工作流自動化。

上述用例均從系統復雜度、實時決策能力及協作任務執行等方面展開分析。

繼而，我們探討兩類范式固有的挑戰與局限：

• 針對 AI Agents ，聚焦于幻覺、提示脆弱性（prompt brittleness）、規劃能力有限，以及缺乏因果理解等問題；

• 針對 Agentic AI ，則識別出更高階的挑戰，如智能體間目標錯位（inter-agent misalignment）、錯誤傳播、涌現行為的不可預測性、可解釋性缺陷，以及對抗性脆弱性（adversarial vulnerabilities）。這些問題均結合近期實驗研究與技術報告予以批判性剖析。

最后，綜述概述了應對上述挑戰的潛在解決方案，援引因果建模、檢索增強生成（RAG）、多智能體記憶框架，以及魯棒評估流程等最新進展。這些策略不僅被視作技術修補手段，更被視為將能動系統規模化部署至高風險領域（如醫療、金融與自動駕駛機器人）所必需的基礎性保障。

綜上所述，本方法論結構使我們得以對AI Agents與Agentic AI的研究現狀進行系統、全面的評估。通過將分析依次安排為：基礎認知 → 模型集成 → 架構演進 → 應用場景 → 局限與挑戰 → 潛在解決方案，本研究旨在為身處這一快速演變領域中的研究者與實踐者提供兼具理論明晰性與實踐指導價值的參考框架。

1.1.1 檢索策略

為完成本綜述，我們采用了一種混合式文獻檢索方法，結合傳統學術數據庫與AI增強型文獻發現工具。具體而言，共檢索了12個平臺：

• 學術數據庫包括：Google Scholar、IEEE Xplore、ACM數字圖書館（ACM Digital Library）、Scopus、Web of Science、ScienceDirect 和 arXiv；

• AI驅動的檢索接口包括：ChatGPT、Perplexity.ai、DeepSeek、Hugging Face Search 以及 Grok。

檢索查詢采用布爾邏輯組合關鍵詞，如“AI Agents”（人工智能代理）、“Agentic AI”（具能動性人工智能）、“LLM Agents”（大語言模型代理）、“Tool-augmented LLMs”（工具增強型大語言模型）以及“Multi-Agent AI Systems”（多智能體人工智能系統）。此外，還使用了針對性更強的組合查詢，例如“Agentic AI + Coordination + Planning”（具能動性人工智能 + 協調 + 規劃）和“AI Agents + Tool Usage + Reasoning”（人工智能代理 + 工具使用 + 推理），以篩選出同時涵蓋概念基礎與系統級實現的研究文獻。

文獻納入標準基于其在新穎性、實證評估、架構貢獻與引用影響力等方面的顯著價值。如圖1所示，Google Trends數據顯示全球對這些技術的關注度持續攀升，進一步凸顯了對這一新興知識領域進行系統整合的緊迫性。

1. AI Agents的基礎性理解

AI Agents可被定義為：在限定的數字環境中、為實現目標導向型任務執行而設計的自主性軟件實體［22, 45］。其核心特征在于能夠：

• 感知結構化或非結構化輸入［46］；

• 基于上下文信息進行推理［47, 48］；

• 為達成特定目標而發起行動，常作為人類用戶或子系統的代理［49］。

與遵循確定性流程的傳統自動化腳本不同，AI Agents展現出反應式智能與一定程度的適應性，使其能夠解讀動態輸入并相應調整輸出［50］。其應用已廣泛見諸諸多領域，包括客戶服務自動化［51, 52］、個人生產力輔助［53］、組織級信息檢索［54, 55］以及決策支持系統［56, 57］。

AI Agents實現自主性的一個突出實例是Anthropic的“Computer Use”（計算機操作）項目。該項目展示了其Claude模型如何以近似人類的方式與計算機交互：Claude經訓練可視覺識別屏幕內容、操控鼠標與鍵盤，并在各類軟件應用間導航。借此，Claude不僅能自動化重復性任務（如填寫表格、復制數據），還可執行更復雜的活動——例如通過打開代碼編輯器、運行命令、調試問題等方式構建并測試軟件。除上述結構化任務外，Claude還能處理開放式任務，如開展在線調研、從多源整合信息，乃至根據調研結果自主創建日歷事件。

其關鍵創新在于Claude運行于一個“代理循環”（agent loop）之中：它接收目標→決定下一步行動→執行該行動→觀察結果→重復該過程，直至任務完成。這一機制使Claude得以獨立調用現有計算機工具與界面，實現廣泛目標的自動化——既涵蓋常規流程，亦包括復雜工作流，堪稱自主AI Agents賦能現實任務自動化的典范。

2.0.1 AI Agents的核心特征

學界普遍將AI Agents概念化為：一種被實例化部署的人工智能操作單元，旨在與用戶、軟件生態系統或數字基礎設施交互，以生成目標導向行為［58–60］。與通用大語言模型（LLMs）相比，AI Agents展現出結構性初始化、有限自主性與持續任務導向性等特質。LLMs本質上主要是對提示作出反應的“被動跟隨者”［61］，而AI Agents則能在明確定義的范圍內自動運行，動態響應輸入，并在實時環境中產出可執行輸出［62］。

如圖4所示，當前主流架構分類體系及實際部署中的AI Agents普遍包含以下三項基礎性特征：自主性（autonomy）、任務特異性（task-specificity）以及具備適應能力的反應性（reactivity with adaptation）。

這三項特征共同構成了理解與評估不同應用場景中AI Agents的基礎框架。本節余下部分將逐一詳述各特征，并輔以理論背景與實例說明。

• 自主性（Autonomy）：AI Agents的一個核心特征是，部署后可在極小或無需人工干預的情況下運行［63］。一旦初始化完成，這些智能體便能夠感知環境輸入、基于上下文數據進行推理，并實時執行預設或自適應的動作［25］。在需要持續人工監督（human-in-the-loop）不切實際的應用場景中——如客戶服務機器人或日程助理——自主性使得規模化部署成為可能［52, 64］。

• 任務特異性（Task-Specificity）：AI Agents是為狹窄且定義明確的任務而專門構建的［65, 66］。它們被優化用于在固定領域內執行可重復的操作，例如郵件過濾［67, 68］、數據庫查詢［69］或日歷協調［44, 70］。這種任務專業化使它們在自動化那些無需或不適合通用推理的任務時，具備高效率、高可解釋性與高精確度。

• 反應性與適應性（Reactivity and Adaptation）：AI Agents通常包含與動態輸入交互的基本機制，使其能夠響應實時刺激，例如用戶請求、外部API調用或軟件環境中狀態的變化［25, 71］。部分系統通過反饋循環［73, 74］、啟發式方法［75］或更新后的上下文緩存區，整合基礎學習能力［72］，以隨時間推移不斷優化行為表現，尤其適用于個性化推薦或對話流程管理等場景［76–78］。

上述核心特征共同使AI Agents能夠作為模塊化、輕量級接口，連接預訓練AI模型與特定領域的實用流水線。其架構簡潔性與操作高效性，使其成為企業、消費及工業場景下可擴展自動化的核心推動者。盡管目前尚無明確研究涉及將AI Agents與專用推理型大語言模型集成，但它們在受限任務邊界內展現出的高度可用性與性能，已使其成為當代智能系統設計中的基礎組成要素。

2.0.2 基礎模型：LLMs與LIMs的作用

人工智能代理（AI Agents）的發展在很大程度上得益于大語言模型（LLMs）與大圖像模型（LIMs）的基礎性進展與實際部署——二者共同構成當代智能體系統的核心推理引擎與感知引擎。這些模型使AI Agents得以智能地與其環境交互，理解多模態輸入，并執行超越硬編碼自動化的復雜推理任務。

諸如GPT-4［79］和PaLM［80］等大語言模型（LLMs），是在海量文本數據（包括書籍、網頁內容及對話語料庫）上訓練而成的。這些模型展現出諸如自然語言理解、問答、文本摘要、對話連貫性，乃至符號推理等涌現能力［81–83］。在AI Agent架構中，LLMs充當核心決策引擎，使智能體能夠解析用戶查詢、規劃多步驟解決方案，并生成類人響應。例如，一個基于GPT-4驅動的AI客戶服務代理，可理解客戶投訴內容，通過工具集成查詢后端系統，并以符合上下文且具備情感感知的方式作出回應［84, 85］。

大圖像模型（Large Image Models, LIMs），如CLIP［86］與BLIP-2［87］，則將智能體的能力拓展至視覺領域。LIMs基于圖文配對數據進行訓練，支持圖像分類、目標檢測及視覺—語言對齊等感知型任務。這些能力對運行于機器人［88］、自動駕駛車輛［89, 90］及視覺內容審核［91, 92］等領域的智能體日益關鍵。

例如，如圖5所示：當一個自主無人機智能體被指派執行果園監測任務時，LIM可通過解析實時航拍影像，識別出患病果實［93］或受損枝條；一經檢測，系統即可自動觸發預設干預協議——如通知園藝人員，或標記位置以供定向處理——全程無需人工介入［25, 63］。該工作流典型體現了AI Agents在農業環境中的自主性與反應性，而近期文獻亦指出：此類基于無人機的AI Agents正日趨成熟與復雜。

Chitra等人［94］對具身智能體所依賴的基礎AI算法進行了全面綜述，著重探討了計算機視覺、同步定位與建圖（SLAM）、強化學習及多傳感器融合的集成應用；上述組件共同支撐智能體在動態環境中實現實時感知與自適應導航。Kourav等人［95］進一步強調了自然語言處理與LLMs在根據人類指令生成無人機行動方案中的作用，展示了LLMs如何支持自然化交互與任務規劃。類似地，Natarajan等人［96］研究了深度學習與強化學習在空中機器人場景理解、空間建圖及多智能體協調中的應用。這些研究共同指向一個核心結論：AI驅動的自主性、感知能力和決策能力，是推動無人機智能體發展的關鍵所在。

尤為重要的是，LLMs與LIMs通常通過云平臺（如OpenAI、Hugging Face及Google Gemini）所提供的推理API進行調用。此類服務將模型訓練與微調的復雜性封裝隱藏，使開發者得以快速構建并部署具備前沿推理與感知能力的智能體。這種可集成性極大加速了原型開發進程，并使LangChain［97］與AutoGen［98］等智能體框架得以在任務工作流中協同調度LLM與LIM的輸出。

簡言之，基礎AI模型賦予現代AI Agents對語言與場景的基本理解能力：語言模型助其以文字進行推理，圖像模型助其解讀圖像；二者協同工作，使AI Agents得以在復雜情境中作出智能決策。

2.0.3 生成式AI作為先驅

文獻中持續出現的一個主題是：將生成式AI定位為能動性智能（agentic intelligence）的基礎性先驅。此類系統主要基于預訓練的大語言模型（LLMs）與大圖像模型（LIMs）構建，其優化目標在于根據輸入提示合成多模態內容，包括文本、圖像、音頻或代碼。盡管生成式模型具有高度的交互性，但其本質仍表現為反應性行為：它們僅在被明確提示時才生成輸出，既不自主追求目標，也不進行自發性推理［99, 100］。

生成式AI的關鍵特征如下：

• 反應性（Reactivity）：
  作為非自主系統，生成式模型完全由輸入驅動［101, 102］。其運行僅由用戶指定的提示觸發，缺乏內部狀態、持久記憶或目標追蹤機制［103–105］。

• 多模態能力（Multi-modal Capability）：
  現代生成式系統可產出豐富多樣的輸出，包括連貫的敘事文本、可執行代碼、逼真圖像乃至語音轉錄文本。例如，GPT-4［79］、PaLM-E［106］與BLIP-2［87］等模型已展現出此類能力，可支持文本→圖像、圖像→文本以及跨模態合成等任務。

• 依賴提示與無狀態性（Prompt Dependency and Statelessness）：
  盡管生成式系統本質上是無狀態的——即除非通過提示顯式提供上下文，否則無法在交互間保留記憶［107, 108］——但近期進展（如GPT-4.1）已支持高達百萬token的上下文窗口長度，并憑借更強的長文本理解能力，更有效地利用該擴展上下文［109］。
  然而，其架構仍缺乏內在反饋循環［110］、狀態管理機制［111, 112］，以及多步規劃能力——而后者正是實現自主決策與迭代式目標優化所必需的［113, 114］。

盡管生成式系統在內容生成的保真度上表現卓越，但其根本局限在于無法主動作用于環境，或獨立操控數字工具。例如，若無人工設計的封裝層（wrappers）或支撐架構（scaffolding layers），它們無法自主執行網頁搜索、解析實時數據或與API進行交互。因此，這類系統尚不足以被歸類為真正的AI Agents——后者需在其架構中整合感知、決策與外部工具調用能力，并形成閉環反饋機制。

生成式AI在處理動態任務、維持狀態連續性或執行多步驟規劃等方面的不足，催生了工具增強型系統，即現今通稱的AI Agents［115］。此類系統以LLM的語言處理能力為骨干，同時引入額外基礎設施——如記憶緩沖區、工具調用API、推理鏈（reasoning chains）與規劃例程（planning routines）——從而彌合“被動響應生成”與“主動任務完成”之間的鴻溝。

這一架構演進標志著AI系統設計的關鍵性轉向：從內容生成邁向自主任務執行［116, 117］。從生成式系統到AI Agents的發展趨勢，體現出功能層級的漸進式疊加，最終為能動性行為（agentic behaviors）的涌現奠定了基礎。

2.1 語言模型作為AI Agent演進的核心引擎

AI Agent作為一種變革性范式在人工智能領域的興起，與大規模語言模型（如GPT-3［118］、Llama［119］、T5［120］、Baichuan 2［121］以及GPT3mix［122］）的演進及其功能再定位密切相關。大量且持續增長的研究表明，從被動響應的生成式模型邁向自主、目標導向型智能體的這一進步，正是通過將LLMs作為核心推理引擎嵌入動態能動系統而實現的。這些模型最初為自然語言處理任務而訓練，如今正被越來越多地集成于需具備自適應規劃［123, 124］、實時決策［125, 126］及環境感知行為［127］能力的框架之中。

2.1.1 LLMs作為核心推理組件

諸如GPT-4［79］、PaLM［80］、Claude 3.5 Sonnet以及LLaMA［119］等大語言模型，均在海量文本語料上通過自監督目標進行預訓練，并進一步采用監督微調（Supervised Fine-Tuning, SFT）與基于人類反饋的強化學習（Reinforcement Learning from Human Feedback, RLHF）［128, 129］等技術進行優化。這些模型編碼了豐富的統計與語義知識，使其能夠執行推理、摘要生成、代碼生成及對話管理等任務。然而，在能動性應用場景中，其能力遠不止于生成響應——它們作為認知引擎，可：

• 解讀用戶目標；

• 構思并評估可能的行動方案；

• 選擇最優策略；

• 調用外部工具；

• 管理復雜、多步驟的工作流。

近期研究已明確指出，此類模型構成了當代能動系統架構的核心。例如，AutoGPT［38］與BabyAGI均以GPT-4同時作為規劃器與執行器：該模型分析高層目標，將其分解為可執行的子任務，按需調用外部API，并持續監控進展以決定后續行動。在此類系統中，LLM運行于一個由“提示處理→狀態更新→反饋修正”構成的循環之中，高度模擬了自主決策過程。

2.1.2 工具增強型AI Agents：功能拓展

為克服純生成式系統固有的局限——如幻覺（hallucination）、知識截止（static knowledge cutoff）、交互范圍受限等——研究者提出了工具增強型AI Agents的概念［130］，代表性系統包括Easytool［131］、Gentopia［132］與ToolFive［133］。此類系統將外部工具、API及計算平臺整合進智能體的推理流程，使其得以：

• 實時訪問信息；

• 執行代碼；

• 與動態數據環境進行交互。

2.1.3 典型實例與新興能力

基于工具增強的LLM驅動型AI Agents已在多種應用場景中展現出顯著潛力：

• 在 AutoGPT ［38］中，智能體可依次執行網頁查詢、匯總競品數據、提煉洞察并生成報告，從而完成產品市場分析的全流程規劃；

• 在編程領域，如 GPT-Engineer 等工具將LLM驅動的設計能力與本地代碼執行環境相結合，通過迭代開發生成軟件制品——包括源代碼、可執行文件（.exe）、文檔及配置文件等［138, 139］；

• 在科研領域， Paper-QA ［140］等系統利用LLM查詢向量化構建的學術數據庫，并將答案錨定于檢索到的科學文獻之上，以確保事實準確性與可追溯性。

上述能力為AI Agents更穩健的行為表現開辟了路徑，例如：長時程規劃（long-horizon planning）、跨工具協同（cross-tool coordination）以及自適應學習循環（adaptive learning loops）。

然而，工具的引入亦帶來新的挑戰，包括：協調復雜性增加、錯誤傳播風險上升，以及上下文窗口容量限制等問題——這些均是當前活躍的研究方向。

AI Agents的發展進程與以下兩點密不可分：

1. 將LLMs戰略性地集成作為推理引擎；

2. 通過結構化方式調用外部工具（如搜索引擎與API）對其進行增強。

這種協同作用將靜態的語言模型轉化為具備感知—規劃—行動—適應能力的動態認知智能體，從而為多智能體協作、持久記憶及可擴展自主性等Agentic AI系統的核心特征奠定基礎。

例如，圖6展示了一個典型用例：一個新聞查詢智能體，可執行實時網絡搜索、摘要檢索到的文檔，并生成條理清晰、上下文敏感的回答。此類工作流已在基于LangChain、AutoGPT及OpenAI函數調用架構的實際實現中得到驗證。

1. 具能動性人工智能（Agentic AI）從AI Agent基礎中的興起

盡管AI Agents在人工智能能力方面已實現顯著躍升——尤其在通過工具增強型推理實現狹義任務自動化方面——近期文獻指出其存在明顯局限，制約了其在復雜、動態、多步驟及/或協作性場景中的可擴展性［141–143］。這些局限催生了一種更先進的范式：具能動性人工智能（Agentic AI）。

這一新興系統類別通過結構化通信［144–146］、共享記憶［147, 148］與動態角色分配［22］等機制，使多個智能實體能夠協同追求共同目標，從而顯著拓展了傳統AI Agents的能力邊界。

3.0.1 概念躍遷：從孤立智能體到協同系統

如前文所述，AI Agents通過將大語言模型（LLMs）與外部工具及API集成，可執行范圍狹窄的操作，例如響應客戶咨詢、執行文檔檢索或管理日程安排。然而，隨著應用場景日益要求具備上下文保持能力、任務間依賴性處理能力，以及在動態環境中的適應性，單智能體模型已顯不足［149, 150］。

Agentic AI系統代表了一類新興的智能架構：其中多個專業化智能體通過協同推理與多步驟規劃，共同實現復雜、高階目標［41］。依據近期提出的框架定義，此類系統由若干模塊化智能體組成——每個智能體負責整體目標中的某一特定子任務，并通過集中式協調器或去中心化協議進行協同［24, 145］。該結構標志著一種概念性轉變：從單智能體架構中常見的個體化、反應式行為，轉向一種以智能體間動態協作為特征的系統級智能。

推動這一范式的關鍵機制之一是目標分解（goal decomposition）：由規劃型智能體自動解析用戶指定的目標，并將其拆分為若干更小、可管理的子任務［44］；隨后，這些子任務被分發至整個智能體網絡中。多步驟推理與規劃機制進一步促成子任務的動態排序，使系統能在環境變化或部分任務失敗時實時調整策略。此類能動架構確保了即便在不確定性條件下，任務執行仍具備穩健性［22］。

智能體間的通信通過分布式通信渠道實現，例如異步消息隊列、共享記憶緩沖區或中間輸出交換等，從而實現在無需持續中央監管的前提下完成協調［22, 151］。此外，反思式推理（reflective reasoning）與記憶系統使智能體得以跨多次交互存儲上下文、評估過往決策，并迭代優化其策略［152］。綜合而言，這些能力使Agentic AI系統展現出靈活、自適應、合作性與協同性的智能，遠超單個智能體的運作極限。

文獻中廣泛采用的一個被普遍接受的概念性示意圖，借由智能家居系統的類比清晰界定了AI Agents與Agentic AI之間的區別。如圖7所示：

• 左側代表以智能恒溫器形式存在的傳統AI Agent：該獨立智能體接收用戶設定的目標溫度后，自主控制供暖或制冷系統以維持設定值。盡管它具備有限自主性（例如學習用戶作息規律，或在住戶離開時降低能耗），但其運作完全孤立——僅執行單一、明確定義的任務，不參與更廣泛的環境協調或目標推斷［25, 63］。

• 右側則展示了嵌入于綜合性智能家居生態中的Agentic AI系統：在此系統中，多個專業化智能體協同工作，共同管理天氣預報、日程安排、電價優化、安防監控及備用電源激活等多樣化功能。這些智能體不僅是被動響應模塊，更能動態通信、共享記憶狀態，并協同調控行動，以達成高層系統目標（例如實時優化舒適性、安全性與能效）。
  例如，天氣預報智能體可預警即將到來的熱浪，促使能源管理智能體提前協調，在電價高峰前利用太陽能進行預制冷；與此同時，系統還可根據住戶是否在場，動態推遲高能耗任務或激活安防監控——實現跨領域決策融合。

該圖例生動體現了從“任務特定型自動化”到“自適應、協同式智能”的架構與功能性飛躍：

• AI Agent僅作為確定性、功能受限的單一組件；

• Agentic AI則體現為分布式智能，其核心特征包括 目標分解 、 智能體間通信 與 上下文自適應能力 ，代表了現代能動性AI框架的關鍵特質。

3.0.2 AI Agents 與 Agentic AI 的關鍵區別

為系統性地刻畫從生成式 AI 到 AI Agents，再進一步演進至 Agentic AI 的發展脈絡，我們圍繞一個基礎性分類體系構建了比較分析框架——其中，生成式 AI 作為基準參照點。盡管 AI Agents 與 Agentic AI 系統代表著日益自主化與交互化的系統形態，二者均以生成式架構（尤其是 LLMs 與 LIMs）為根基。因此，本小節中每一張對比表格均將生成式 AI設為參考列，以凸顯能動行為如何既建立于又超越生成式 AI 的基礎能力。

AI Agents 與 Agentic AI 系統之間的一組基本區別——尤其在作用范圍（scope）、自主性（autonomy）、架構組成（architectural composition）、協調策略（coordination strategy）與操作復雜性（operational complexity）等方面——已綜合提煉于表 1 與表 10中（后者源于對 AutoGen［98］與 ChatDev［153］等主流框架的深入分析）。該對比提供了多維度視角，揭示單智能體系統如何逐步過渡為協同式多智能體生態系統。借助生成能力這一視角，我們得以追蹤規劃、通信與適應性等維度上日益提升的復雜性，這些正是向 Agentic AI 系統演進的核心特征。

盡管表 1 勾勒出 AI Agents 與 Agentic AI 系統在基礎與操作層面的差異，要深入理解這些范式如何從更廣泛的生成式 AI 框架中衍生并相互關聯，仍需一個更精細的分類體系。具體而言，從靜態生成式 AI 系統 → 工具增強型 AI Agents → 協同式 Agentic AI 生態系統的概念性與認知性演進路徑，亟需一個整合性比較框架。這一轉變不僅體現在結構層面，更反映在功能層面——涵蓋啟動機制、記憶使用方式、學習能力與編排策略如何在整個能動譜系中逐步演化。此外，近期研究指出“生成式智能體（Generative Agents）”等混合范式的出現——此類系統融合生成建模與模塊化任務專業化——進一步復雜化了 Agentic AI 的格局。為捕捉這些精細關聯，表 2 綜合了四大原型在關鍵概念與認知維度上的對比：

• 生成式 AI

• AI Agents

• Agentic AI 系統

• 推斷所得的“生成式智能體”

通過將生成式 AI 設為基線技術，該分類凸顯了一條從被動內容生成 → 交互式任務執行 → 自主多智能體協同的科學、結構與應用連續譜。這一多層次視角，對理解能動性智能在理論與應用領域的當前能力與未來趨勢至關重要。

為使表 1 中所述區別更具可操作性，表 2 與 表 3 進一步拓展了對各類智能體范式的比較，涵蓋更廣泛的譜系（包括 AI Agents 與 Agentic AI）。

• 表 3

  呈現了各范式在 核心能力 、 規劃范圍 、 交互風格 、 學習動態 與 評估標準 等方面的關鍵架構與行為屬性差異。
  如表所示：

• • AI Agents 針對 離散任務執行 優化，規劃視野有限，依賴監督式或基于規則的學習機制；

  • Agentic AI 系統則通過 多步驟規劃 、 元學習 （meta-learning）與 智能體間通信 擴展了這一能力，使其適用于需 自主目標設定 與 協同 的復雜環境；

  • “生成式智能體”作為較新概念，繼承以 LLM 為中心的預訓練能力，在多模態內容生成方面表現卓越，但尚缺乏 Agentic AI 系統所具備的 主動編排能力 與 狀態持久性行為 。

第二張表（表 3） 從過程驅動視角，對三類智能體（生成式 AI、AI Agents、Agentic AI）進行比較。該框架強調：功能流水線如何從生成式 AI 中的提示驅動單模型推理，演進為 AI Agents 的工具增強型執行，最終發展為 Agentic AI 中的協同智能體網絡。

• “結構”一欄清晰呈現此演進：從單一 LLM → 集成化工具鏈 → 分布式多智能體系統；

• 對 外部數據的訪問能力 （現實應用的關鍵操作需求）亦隨層級提升而日趨成熟：生成式 AI 中缺失或可選 → AI Agents 中模塊化支持 → Agentic AI 中實現協調化整合。

綜上，這些對比視角共同印證：從生成式到能動性范式的演進，不僅體現為系統復雜性的增加，更在于自主性、記憶與決策能力在多重抽象層級上的深度融合（參見表 4）。

為進一步深化對演進中能動格局的多維理解，表 5 至表 9 圍繞五個關鍵維度展開拓展性比較：

1. 核心功能與目標對齊性

2. 架構組成

3. 運作機制

4. 作用范圍與復雜性

5. 交互–自主性動態關系

這些維度不僅強化了生成式 AI、AI Agents 與 Agentic AI 之間的結構性差異（如表 4 所述），還引入了一類新興范疇——“生成式智能體”，即專為在更廣泛工作流中嵌入子任務層級生成而設計的模塊化智能體［154］。此類智能體通過緊密集成語言模型、記憶系統與行為規劃模塊，模擬類人行為，從而在典型的封閉世界環境中實現可信且自主的運作。

• 表 5 從總體目標與功能意圖層面定位三類范式：

• • 生成式 AI 聚焦于 提示驅動的內容生成 ；

  • AI Agents 強調 基于工具的任務執行 ；

  • Agentic AI 系統則負責 完整工作流的協同編排 ——標志著 AI 自主性的一次關鍵躍升。

• 表 6 從架構層面映射該功能擴展：系統設計從生成式 AI 的單模型依賴，逐步演進至 Agentic AI 的多智能體協同與共享記憶利用。

• 表 7 則梳理各范式在工作流執行路徑上的差異，突出智能體間協調與層級化通信作為能動行為的核心驅動因素。

• 表 8 進一步考察各系統所能處理的任務多樣性、時間尺度與運行魯棒性——范圍從孤立內容生成，延伸至動態環境中的自適應多智能體協作。在此維度上，Agentic AI 顯現出獨特能力，可支撐需自適應、多階段推理與執行策略的高復雜度目標。

• 表 9 綜合各范式在自主性程度、交互風格與決策粒度上的差異。這些表格共同構建了一套嚴謹框架，用于分類與分析基于智能體的 AI 系統，為理論驅動的評估及未來面向大規模應用的自主、智能、協作型智能體的設計奠定基礎。

表 5 至表 9 提供了對生成式 AI、AI Agents 與 Agentic AI 的分層比較分析，以操作性與架構性特征為錨點確立該分類體系。

• 表 5 突出核心區別：生成式 AI 生成反應式內容；AI Agents 執行工具輔助型任務；Agentic AI 則協調子智能體完成高層工作流執行——標志 AI 自主性的關鍵轉折。

• 表 6 明確架構差異，尤重系統組成與控制邏輯：

• • 生成式 AI 依賴單一模型，無內置工具調用或任務委派能力；

  • AI Agents 將語言模型與輔助 API 及接口機制結合，以增強功能；

  • Agentic AI 更進一步引入多智能體系統，將 協作 、 記憶持久化 與 編排協議 置于系統運作核心——此一拓展對實現 智能任務委派 、 上下文保持 及 動態角色分配 能力至關重要，而這些能力在生成式系統與單智能體系統中均告缺失。

• 表 7 呈現系統功能與運作差異，強調執行邏輯與信息流的區別：

• • 生成式 AI 采用線性流水線（提示 → 輸出）；

  • AI Agents 引入過程內工具響應整合的程序化機制；

  • Agentic AI 則引入 遞歸式任務重分配 與 跨智能體消息傳遞 ，從而促成僅靠靜態 LLM 輸出無法實現的 涌現式決策 。

• 表 8 通過映射各系統在任務多樣性、時間尺度與運行魯棒性方面的承載能力，進一步強化上述區別——Agentic AI 在需自適應、多階段推理與執行的高復雜度目標支持上獨樹一幟。

最后，表 9 聚焦生成式 AI、AI Agents 與 Agentic AI 在操作與行為層面的區別，尤其關注自主性層級、交互風格及智能體間協調：

• 生成式 AI 模型（如 GPT-3［118］、DALL·E 3）仍屬 反應式 ：僅依提示生成內容，無持久狀態維持或迭代推理能力；

• AI Agents（如基于 LangChain［97］或 MetaGPT［155］構建者）展現出更高自主性：可在限定任務內主動發起外部工具調用并調整行為；

• 然而，其自主性通常局限于 孤立任務執行 ，缺乏 長期狀態連續性 或 協作式交互 能力。

Agentic AI 系統通過引入內部編排機制與多智能體協作框架，顯著區別于前述范式。例如，AutoGen［98］與 ChatDev［153］等平臺便通過任務分解、角色分配與遞歸式反饋循環，典型地體現了能動性協同機制。在 AutoGen 中，一個智能體可擔任規劃者，另一智能體負責信息檢索，第三個智能體則進行報告綜合；各智能體通過共享記憶緩沖區相互通信，并由一個協調者智能體（orchestrator agent）統一監管任務依賴關系與整體進展。此類結構化協同機制，使得系統能夠在動態環境中實現更復雜的目標追求與更靈活的行為響應。

此類架構從根本上將智能的焦點，從基于單一模型的輸出，轉向系統層級的行為——在該層級中，智能體可根據不斷演化的任務狀態進行學習、適應與決策更新。因此，本比較性分類體系不僅凸顯了操作獨立性層級的持續提升，更闡明了 Agentic AI 如何引入新型通信范式、記憶整合機制與去中心化控制模式，從而為下一代具備可擴展性與自適應性智能的自主系統鋪平道路。

3.1 架構演進：從 AI Agents 到 Agentic AI 系統

盡管 AI Agents 與 Agentic AI 系統均采用模塊化設計原則，Agentic AI 顯著拓展了基礎架構，以支持更復雜、分布式與自適應的行為。如圖 8 所示，該演進始于構成傳統 AI Agents 的核心子系統——感知（Perception）、推理（Reasoning）與行動（Action）；而 Agentic AI 在此基礎上進一步集成了若干高級組件，包括：專業化智能體（Specialized Agents）、高級推理與規劃（Advanced Reasoning & Planning）、持久記憶（Persistent Memory）以及編排機制（Orchestration）。圖中還以虛線框突出強調了若干涌現能力——多智能體協作（Multi-Agent Collaboration）、系統級協調（System Coordination）、共享上下文（Shared Context）與任務分解（Task Decomposition）——該虛線框表征了系統架構向主動性、去中心化與目標驅動范式的根本性轉變。如前所述，這一演進標志著智能體設計的關鍵拐點。本節綜合了 LangChain［97］、AutoGPT［98］與 TaskMatrix［156］等實證框架的研究成果，系統梳理了架構復雜性的進階歷程。

3.1.1 AI Agents 的核心架構組件

基礎型 AI Agents 通常由四個主要子系統構成：感知、推理、行動與學習。這些子系統形成一個閉環操作周期：

• 從用戶界面視角，常被稱為“理解—思考—行動—學習”（Understand, Think, Act, Learn）；

• 在系統設計文獻中，則表述為“輸入—處理—行動—學習”（Input, Processing, Action, Learning）［22, 157］。

• 感知模塊（Perception Module）：
  該子系統接收來自用戶（如自然語言提示）或外部系統（如 API、文件上傳、傳感器數據流）的輸入信號，并執行數據預處理，將其轉換為推理模塊可解析的格式。
  例如，在基于 LangChain 的智能體中［97, 158］，感知層負責提示模板構建、上下文封裝，以及通過文檔分塊與嵌入式檢索實現的檢索增強。

• 知識表示與推理模塊（Knowledge Representation and Reasoning, KRR Module）：
  作為智能體智能的核心，KRR 模塊對輸入數據施加符號化、統計性或混合式邏輯。其技術包括：

• • 基于規則的邏輯（如 if-then 決策樹）；

  • 確定性工作流引擎；

  • 簡易規劃圖（planning graphs）。
    在 AutoGPT［38］等智能體中，推理能力通過 函數調用 與 提示鏈 （prompt chaining）得以增強，從而模擬思維過程——例如采用“逐步推理”（step-by-step）型提示，或插入中間工具調用環節。

• 行動選擇與執行模塊（Action Selection and Execution Module）：
  該模塊將推斷出的知識與決策轉化為外部行動，借助一個“行動庫”（action library）實現。這些行動可能包括：發送消息、更新數據庫、調用 API，或生成結構化輸出。執行過程通常由中間件管理——例如 LangChain 的“代理執行器”（agent executor），它將大語言模型（LLM）的輸出鏈接至工具調用，并觀察響應以指導后續步驟［97］。

• 基礎學習與適應機制（Basic Learning and Adaptation）：
  傳統 AI Agents 具備有限的學習機制，例如啟發式參數調整［159, 160］或基于歷史記錄的上下文保留。舉例而言，智能體可利用簡單的記憶緩沖區回溯先前的用戶輸入，或應用評分機制以在未來迭代中優化工具選擇。

對這些智能體的定制化通常涉及領域特定的提示工程、規則注入或工作流模板，使其區別于硬編碼自動化腳本——關鍵在于它們具備做出上下文感知型決策的能力。ReAct 等系統［136］正是此類架構的典范：它在一個迭代框架中融合推理與行動，使智能體在選擇外部行動前先模擬內部對話。

3.1.2 Agentic AI 中的架構增強

如前所述，Agentic AI 系統繼承了 AI Agents 的模塊化特性，但進一步拓展其架構，以支持分布式智能、智能體間通信與迭代式規劃。文獻中記載了若干關鍵性架構增強，它們使 Agentic AI 顯著區別于其前身，并賦予其高度的靈活性與適應性［161, 162］：

• 專業化智能體集群（Ensemble of Specialized Agents）：與作為單一整體單元運作不同，Agentic AI 系統由多個智能體組成，每個智能體被賦予特定職能或任務（例如：摘要生成者、信息檢索者或規劃者）。這些智能體通過通信渠道（如消息隊列、黑板系統或共享內存）相互交互。例如，MetaGPT［155］便突出體現了這一方法——它將智能體建模為公司各部門（如 CEO、CTO、工程師），其角色具有模塊化、可復用性與角色綁定性（role-bound）。此處“角色綁定”意指：每個智能體的行為與職責嚴格由其被分配的角色定義，其行動范圍被限制于該特定功能領域之內。

• 高級推理與規劃能力（Advanced Reasoning and Planning）：Agentic 系統通過 ReAct［136］、思維鏈（Chain-of-Thought, CoT）提示［163］與“思維樹”（Tree of Thoughts）［164］等框架，嵌入迭代式推理能力。這些機制使智能體能夠將復雜任務分解為多個推理階段，評估中間結果，并動態重規劃行動——從而實現對不確定性或部分失敗的自適應響應。

• 持久記憶架構（Persistent Memory Architectures）：與傳統智能體不同，Agentic AI 集成了記憶子系統，可在任務周期或智能體會話之間保存并持久化知識［165, 166］。記憶類型包括：

• • 情景記憶

（episodic memory）：任務特定的歷史記錄［167, 168］；

• 語義記憶

  （semantic memory）：長期事實或結構化數據［169, 170］；

• 基于向量的記憶

  ：服務于檢索增強生成（RAG）［171, 172］。例如，AutoGen［98］中的智能體維護“草稿板”（scratchpads）用于存儲中間計算結果，從而支持分步式任務推進。

• 編排層／元智能體（Orchestration Layers / Meta-Agents）：Agentic AI 的一項關鍵創新是引入編排器——即元智能體（meta-agents），用于協調下屬智能體的生命周期、管理依賴關系、分配角色并解決沖突。編排器常包括任務管理者、評估者或協調員（moderators）。例如，在 ChatDev［153］中，一個虛擬的 CEO 元智能體將子任務分派給各部門智能體，并將其輸出整合為統一的戰略性響應。

這些增強共同使 Agentic AI 能夠支持需持續上下文保持、分布式任務分工、多模態協同與策略性自適應的場景。應用案例涵蓋：

• 協同完成文獻檢索、摘要與文稿撰寫的科研助手（如 AutoGen 工作流［98］）；

• 并行監控物流、供應商績效與動態定價模型的智能供應鏈智能體。

從孤立的“感知—推理—行動”閉環，向協作式、自評估的多智能體工作流的轉變，標志著智能系統架構設計的關鍵轉折點——它使智能體不僅能“行動”，更能“反思”、“學習”與“持續改進”［173］。這一演進將 Agentic AI 定位為下一代 AI 基礎設施：其能力不僅限于執行預定義工作流，更可自主構建、修訂與管理跨智能體的復雜目標，且幾乎無需人工干預。

1. AI Agents 與 Agentic AI 的應用

為闡明 AI Agents 與 Agentic AI 系統在現實世界中的實用價值及其操作層面的差異，本研究綜合了近期文獻中的一系列應用案例（如圖9所示）。我們系統性地將這些應用領域劃分為兩條平行路徑：傳統AI Agent系統及其更先進的Agentic AI對應系統。對于AI Agents，本文回顧了四個主要用例：

(1) 客戶服務自動化與企業內部搜索——單智能體模型處理結構化查詢并生成響應；
(2) 郵件過濾與優先級排序——智能體通過分類啟發式方法協助用戶管理高流量通信；
(3) 個性化內容推薦與基礎數據報告——分析用戶行為以生成自動化洞察；
(4) 自主日程助手——解析日歷信息并在極小用戶輸入下安排任務。

相比之下，Agentic AI 的應用場景涵蓋更廣泛、更具動態性的能力，同樣被歸納為四類進行評述與討論：
(1) 多智能體科研助手——協同檢索、綜合并起草科學內容；
(2) 智能機器人協調——包括農業與物流領域的無人機及多機器人系統；
(3) 協作式醫療決策支持——涉及診斷、治療與監測子系統；
(4) 多智能體游戲AI與自適應工作流自動化——去中心化智能體進行策略性互動或處理復雜任務流水線。

4.0.1 AI Agents 的應用

1. 客戶服務自動化與企業內部搜索：AI Agents 在企業環境中被廣泛用于自動化客戶服務及促進內部知識檢索。在客戶服務場景中，這些智能體利用檢索增強型大語言模型，對接API與組織知識庫，以回答用戶查詢、分類工單，并執行諸如訂單追蹤或退貨發起等操作［52］。在企業內部搜索方面，基于向量存儲（如 Pinecone、Elasticsearch）構建的智能體可針對自然語言查詢返回語義相關的文檔。Salesforce Einstein、Intercom Fin 及 Notion AI 等工具展示了結構化輸入處理與摘要生成能力如何降低工作負載并提升企業決策效率。

一個實際示例（圖10a）展現了這一雙重功能：某跨國電商公司部署了一套基于AI Agent的客戶服務與內部搜索助手。在客戶服務方面，該AI Agent集成公司的客戶關系管理系統（CRM，如 Salesforce）與履約API，可解決諸如“我的訂單在哪？”或“我該如何退貨？”等問題。在毫秒級內，智能體從運輸數據庫與政策庫中提取上下文數據，并借助檢索增強生成技術輸出個性化回復。在內部企業搜索方面，員工可通過同一系統查詢過往會議紀要、銷售演示文稿或法律文件。當HR經理輸入“總結去年政策變更的關鍵福利”時，智能體查詢嵌入企業文檔的Pinecone向量庫，按語義相似度對結果排序，并返回簡潔摘要及來源鏈接。這些能力不僅減少了工單量與支持成本，也最大限度縮短了查找制度性知識（如政策、流程或手冊）所耗費的時間。最終形成一套統一、響應迅速的系統，借助模塊化AI Agent架構同時提升對外服務交付效率與對內運營效能。

1. 郵件過濾與優先級排序：作為重要的生產力工具之一，AI Agents 通過內容分類與優先級劃分實現郵件分揀自動化。它們與 Microsoft Outlook 和 Superhuman 等系統集成，分析元數據與郵件語義，檢測緊急程度、提取待辦事項并推薦回復。智能體應用用戶定制的過濾規則、行為信號與意圖分類，減輕認知負擔。自動標簽標注或對話線程摘要等自主行為提升效率，而內置反饋循環則通過漸進學習實現個性化［64］。

圖10b 展示了AI Agent在郵件過濾與優先級排序領域的實際應用。在現代職場環境中，用戶常被海量郵件淹沒，導致認知過載與關鍵通訊遺漏。嵌入于 Microsoft Outlook 或 Superhuman 等平臺的AI Agent扮演智能中介角色，對傳入郵件進行分類、聚類與分揀。這些智能體評估發件人、主題行等元數據及語義內容，識別緊急程度、提取可執行項并建議智能回復。如圖所示，AI Agent 自動將郵件歸類為“緊急”、“需跟進”或“低優先級”等標簽，同時提供情境感知摘要與回復草稿。通過持續反饋循環與使用模式學習，系統逐步適應用戶偏好，優化分類閾值并提升優先級判斷準確率。這種自動化機制卸載了決策疲勞，使用戶能專注于高價值任務，同時在快節奏、信息密集的環境中維持高效溝通管理。

1. 個性化內容推薦與基礎數據報告：AI Agents 通過分析行為模式支持新聞、產品或媒體的自適應個性化推薦。Amazon、YouTube 和 Spotify 等平臺部署此類智能體，借助協同過濾、意圖檢測與內容排序推斷用戶偏好。同時，分析系統中的AI Agents（如 Tableau Pulse、Power BI Copilot）支持自然語言數據查詢與自動化報告生成，將提示轉化為結構化數據庫查詢與可視化摘要，從而普及商業智能訪問權限。

一個實際示例（圖10c）展示了AI Agent在個性化內容推薦與基礎數據報告中的應用，可見于電商與企業分析系統。考慮部署于 Amazon 等零售平臺上的AI Agent：隨著用戶瀏覽、點擊與購買商品，智能體持續監控交互模式（如停留時間、搜索詞與購買序列），借助協同過濾與內容排序算法推斷用戶意圖，并動態生成隨時間演化的個性化商品推薦。例如，用戶購買園藝工具后，可能被推薦兼容的土壤傳感器或相關書籍。此層級的個性化顯著提升用戶參與度、轉化率與長期留存率。與此同時，在企業場景中，集成于 Power BI Copilot 的AI Agent允許非技術人員通過自然語言請求洞察，例如“比較東北地區第三季度與第四季度的銷售額”。智能體將提示翻譯為結構化SQL查詢，從數據庫提取模式，并輸出簡潔的可視化摘要或敘述性報告。此應用降低了對數據分析師的依賴，通過直觀、語言驅動的界面賦能更廣泛的業務決策。

1. 自主日程助手：集成于日歷系統的AI Agent可自主管理會議協調、重新安排與沖突解決。x.ai 與 Reclaim AI 等工具可解析模糊的日程指令，訪問日歷API，并根據學習到的用戶偏好識別最優時間段。它們最小化人工輸入，同時適應動態可用性約束。其對接企業系統并響應模糊指令的能力，凸顯了當代日程智能體的模塊化自主性。

一個自主日程助手的實際應用見于企業環境（如圖10d所示），員工需在全球不同時區管理多重重疊職責。設想一位集成 Google Calendar 與 Slack 的行政助理AI Agent，它可解析指令如“下周找一個45分鐘時段與產品團隊進行后續會議”。智能體解析請求，檢查所有參與者的空閑時間，兼顧時區差異，并避免會議沖突或違反工作時間規定。若發現與已排定任務沖突，它可自主提議替代時段并通過Slack通知受影響參會者。此外，智能體從歷史用戶偏好中學習（如避免周五早間會議），并隨時間不斷優化建議。Reclaim AI 與 Clockwise 等工具進一步體現了此能力，提供具備日歷感知能力的自動化方案，適應不斷變化的工作負荷。此類助手降低協調成本，提升日程安排效率，并通過主動化解歧義與優化日歷利用率，實現更順暢的團隊協作流程。

4.0.2 Agentic AI 的應用

1. 多智能體科研助手：Agentic AI 系統正越來越多地部署于學術與工業研究流程中，以自動化多階段知識整合。AutoGen 與 CrewAI 等平臺在中央協調器（orchestrator）的管理下，為多個智能體分配專業化角色——如檢索者、摘要生成者、綜合者與引文格式化器。協調器負責分發任務、管理角色依賴關系，并將各智能體輸出整合為連貫的草稿或綜述摘要。持久記憶機制支持跨智能體的上下文共享與持續優化。這些系統被用于文獻綜述、基金申請準備及專利檢索流程，其性能優于單智能體系統（如 ChatGPT），原因在于其支持并發子任務執行與長上下文管理［98］。

例如，圖11a所示的一個真實應用場景是基金提案的自動化起草。設想一個大學研究團隊正在準備國家科學基金會（NSF）的申報材料。采用基于 AutoGen 的架構，不同智能體被分配專門職責：一個智能體檢索過往資助提案并提取結構模式；另一個智能體掃描最新文獻以總結相關工作；第三個智能體將提案目標與NSF招標語言對齊；還有一個格式化智能體根據合規指南組織文檔結構。協調器統籌這些智能體，解決依賴關系（例如使方法論與目標保持一致），并確保各部分風格統一。持久記憶模塊存儲不斷演進的草案、合作者反饋與資助機構模板，從而實現多次會話中的迭代改進。相比傳統人工流程，該多智能體系統顯著加速了起草時間，提升了敘事連貫性，并確保符合監管要求，為學術界與研發密集型產業提供了一種可擴展、自適應的協作式科研寫作方案。

1. 智能機器人協同：在機器人與自動化領域，Agentic AI 賦能多機器人系統中的協作行為。每個機器人作為特定任務的智能體運行（如采摘器、運輸器或測繪器），而協調器則監督并調整工作流。此類架構依賴共享空間記憶、實時傳感器融合與智能體間同步，以實現協調的物理行動。應用場景包括倉庫自動化、基于無人機的果園巡檢以及機器人采收［155］。

例如，在商業蘋果園中（圖11b），Agentic AI 支持一套協調的多機器人系統以優化水果采收。在此場景中，任務專精型機器人——如自主采摘機器人、水果分類機器人、運輸機器人與無人機測繪機器人——均作為智能單元在中央協調器下運作。測繪無人機首先巡視果園，利用視覺-語言模型（VLMs）生成高分辨率產量地圖并識別成熟果簇。該空間數據通過所有智能體均可訪問的集中式記憶層共享。隨后，采摘機器人被指派至高密度區域，由路徑規劃智能體引導其繞開障礙物與勞動區域。同時，運輸機器人動態搬運水果容器或箱體，往返于采摘機器人與儲存區之間，根據采摘負載水平與地形變化動態調整任務。所有智能體通過共享協議異步通信，協調器則持續根據天氣預報或機械故障調整任務優先級。若某一采摘機器人失效，鄰近單元可自動重新分配工作負載。這種自適應、記憶驅動的協調機制彰顯了 Agentic AI 在降低人力成本、提高采收效率、應對復雜農業環境不確定性方面的潛力，遠超傳統剛性編程農業機器人的能力［98, 155］。

1. 協作式醫療決策支持：在高風險臨床環境中，Agentic AI 通過將診斷、生命體征監測與治療規劃等任務分配給專業智能體，實現分布式醫學推理。例如，一個智能體可檢索患者病史，另一個智能體依據診療指南驗證檢查結果，第三個智能體則提出治療方案（如中國首家Agentic AI醫院所展示的案例［174］）。這些智能體通過共享記憶與推理鏈實現同步，確保建議的一致性與安全性。應用場景包括ICU管理、放射科分診與疫情響應（參見表10）。盡管因該領域尚處發展初期，現實部署仍顯不足，但已有研究支持Agentic AI變革醫療保健領域的巨大潛力［175］。

例如，在醫院重癥監護室（ICU）（圖11c）中，一個Agentic AI系統輔助臨床醫生管理復雜患者病例。診斷智能體持續分析生命體征與實驗室數據，以早期發現膿毒癥風險。同時，歷史數據檢索智能體訪問電子健康記錄（EHRs），總結合并癥與近期治療情況。治療規劃智能體則交叉比對當前癥狀與臨床指南（如“拯救膿毒癥運動”），提出抗生素方案或液體治療策略。協調器整合這些洞察，確保一致性并呈現沖突點供人工復核。醫生反饋被存儲于持久記憶模塊，使智能體能夠基于先前干預措施與結果優化自身推理。該協同系統通過減輕認知負荷、縮短決策時間與最小化疏漏風險，提升臨床工作流效率。在重癥監護與腫瘤科室的早期部署已證明其可增強診斷精準度并提高循證協議依從性，為更安全、實時的協作式醫療支持提供了可擴展解決方案。

1. 多智能體游戲AI與自適應工作流自動化：在模擬環境與企業系統中，Agentic AI 系統促進去中心化的任務執行與高效協調。游戲平臺如 AI Dungeon 部署具備目標、記憶與動態互動能力的獨立NPC智能體，以創造涌現式敘事與社會行為。在企業工作流中，MultiOn 與 Cognosys 等系統使用智能體管理法律審查或事件升級等流程，其中每一步均由專用模塊控制。此類架構展現出超越規則驅動流水線的韌性、異常處理能力與反饋驅動適應性［176］。

例如，在現代企業IT環境中（如圖11d所示），Agentic AI 系統正越來越多地被用于自主管理網絡安全事件響應工作流。當檢測到潛在威脅（如異常訪問模式或未經授權的數據外泄）時，多個專業智能體并行激活。一個智能體利用歷史違規數據與異常檢測模型進行實時威脅分類；第二個智能體查詢網絡節點的相關日志數據，并關聯跨系統模式；第三個智能體解讀合規框架（如GDPR或HIPAA），評估事件的監管嚴重性；第四個智能體模擬緩解策略并預測運營風險。這些智能體在中央協調器下協同工作，協調器評估集體輸出、整合時序推理，并向人類分析師發出推薦行動。通過共享記憶結構與迭代反饋，系統從以往事件中學習，使未來響應更快、更準確。相比傳統基于規則的安全系統，該智能體模型降低了決策延遲、減少了誤報率，并支持在大規模組織基礎設施中實施主動式威脅遏制［98］（參見表10與表11）。

5 AI智能體與代理式AI的挑戰與局限性

為了系統性地理解當前智能系統在理論和操作層面的局限性（如表11所述），我們在圖12中提供了一個比較性的視覺綜合分析，該圖將AI智能體與代理式AI范式下的挑戰及潛在解決方案進行了分類。圖12a概述了AI智能體特有的四大最緊迫限制：缺乏因果推理能力、繼承自大語言模型（LLM）的約束（例如幻覺、淺層推理）、代理屬性不完整（如自主性、主動性），以及在長時程規劃與恢復能力上的失敗。這些挑戰通常源于它們對無狀態LLM提示的依賴、有限的記憶能力以及啟發式推理循環。

同樣地，圖12b識別出代理式AI系統特有的八大關鍵瓶頸，例如多智能體間的錯誤級聯、協調崩潰、涌現性不穩定、可擴展性限制以及可解釋性問題。這些問題源于在沒有標準化架構、穩健通信協議或因果對齊框架的情況下，協調多個智能體執行分布式任務所面臨的復雜性。

圖13通過綜合十項前瞻性設計策略，補充了這一診斷框架，旨在緩解上述局限性。這些策略包括檢索增強生成（RAG）、基于工具的推理[130,131,133]、代理式反饋循環（ReAct[136]）、基于角色的多智能體編排、記憶架構、因果建模以及具備治理意識的設計。這些機制共同構成了一條整合路線圖，用以解決當前缺陷，并加速安全、可擴展且情境感知的自主系統的開發。

5.0.1 AI智能體的挑戰與局限性

盡管AI智能體因其利用LLM和特定工具接口自動化結構化任務的能力而備受關注，但文獻指出其存在顯著的理論與實踐局限性，阻礙了其可靠性、泛化能力和長期自主性[136,162]。這些挑戰既源于其架構上對靜態預訓練模型的依賴，也源于難以賦予其因果推理、規劃和穩健適應等代理特性。AI智能體的關鍵挑戰與局限性（見圖12a）總結如下：

1. 缺乏因果理解：最基礎的挑戰之一在于智能體無法進行因果推理[180,181]。雖然構成大多數AI智能體認知核心的LLM在檢測訓練數據中的統計相關性方面非常有效，但它們并不能真正理解因果關系。正如DeepMin...