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
<a name="comparison"></a>

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 | 代理式人工智能 | 
| --- | --- | --- | --- | 
|  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  |  事件驱动或定时  |  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  |  与云端、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。