本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
将传统 AI 与软件代理和代理人工智能进行比较
下表详细比较了传统 AI、软件代理和代理 AI。
| 特征 | 传统人工智能 | 软件代理 | 代理人工智能 |
|---|---|---|---|
|
示例 |
垃圾邮件过滤器、图片分类器、推荐引擎 |
聊天机器人、任务调度器、监控代理 |
AI 助手、自主开发者代理、多代理 LLM 编排 |
|
执行模型 |
Batch 或同步 |
事件驱动型或预定型 |
异步、事件驱动和目标驱动 |
|
自治 |
有限；通常需要人工或外部编排 |
中等；在预定义的范围内独立运行 |
高；使用自适应策略独立行动 |
|
反应性 |
对输入数据有反应 |
对环境和事件做出反应 |
被动和主动；预测并启动行动 |
|
积极主动 |
稀有 |
存在于某些系统中 |
核心属性；推动以目标为导向的行为 |
|
Communication |
最小；通常是独立的或 API 绑定的 |
代理间或代理人与人之间的消息传递 |
丰富的多代理和 human-in-the-loop交互功能 |
|
决策 |
仅限模型推断（分类、预测等） |
符号推理，或基于规则的决策或脚本式决策 |
情境化、基于目标的动态推理（通常是 LLM 增强型） |
|
委托意图 |
否；执行由用户直接定义的任务 |
部分；代表范围有限的用户或系统行事 |
是；根据委派的目标行事，通常是跨服务、用户或系统 |
|
学习和适应 |
通常以模型为中心（例如，机器学习训练） |
有时是自适应的 |
嵌入式学习、记忆或推理（例如，反馈、自我纠正） |
|
中介机构 |
无；人类工具 |
隐式或基本 |
明确；有目的、目标和自我指导的运作 |
|
情境感知 |
低；无状态或基于快照 |
中等；某些状态跟踪 |
高；使用内存、情境上下文和环境模型 |
|
基础设施角色 |
嵌入在应用程序或分析管道中 |
中间件或服务层组件 |
与云、无服务器或边缘系统集成的可组合代理网格 |
总而言之：
-
传统的人工智能以工具为中心，功能狭窄。它侧重于预测或分类。
-
传统的软件代理引入了自主权和基本的通信，但它们通常是受规则约束或静态的。
-
Agentic AI 汇集了自主权、异步性和代理性。它使智能的、以目标为导向的实体能够在复杂的系统中进行推理、行动和适应。这使得代理人工智能成为云原生、人工智能驱动的未来的理想之选。
