下面给你一个“严格意义上的 AI Agent”必须具备的核心能力清单，这是在学术界（如 Russell & Norvig）、业界（OpenAI、Anthropic、DeepMind）、以及自主智能体研究中都比较公认的。
我把它分成 6 大类、18 项能力，并额外指出 “Agent ≠ 大模型” 的区别，方便你从架构层面理解。
✅ 严格意义上 AI Agent 必须具备的能力
一、感知（Perception）
AI Agent 必须能“读取环境”，不管是现实世界还是数字世界。
-
环境感知（Environment Perception）
能读取外部环境信息，如：- API 返回值
- 网页内容
- 文件系统
- 图片/视频
- 用户输入
-
状态建模（State Modeling）
把读到的信息组织成内部世界模型（World Model）：- 当前任务进度
- 已知事实
- 未解决状态
- 可操作资源
没世界模型，就不是 agent，只是一个“问答机器人”。
二、目标（Goals）与规划（Planning）
这是 Agent 和普通模型最大的区别：
-
目标理解（Goal Interpretation）
能理解“我要你帮我做成什么”。 -
任务分解（Task Decomposition）
把大目标拆成若干可执行的子任务（Subtasks）。 -
长期规划（Long-horizon Planning）
多步骤连续行动，根据未来可能的结果规划路径。
例如：“查机票 → 对比价格 → 填写表格 → 提交订单”
-
优先级管理（Prioritization）
根据重要性、依赖关系、成本来安排执行顺序。
三、行动（Action Execution）
Agent 不是问答器，Agent 会“行动”。
-
工具使用（Tool Use / Tool Calling）
例如：- 调用 API
- 访问数据库
- 操作浏览器
- 运行脚本
- 控制机器人
-
环境修改（Environment Manipulation）
Agent 不只读，还要写，做出能改变系统状态的行动。 -
自主执行（Autonomous Execution）
无需用户一步步指令，也能自己决定下一步行动。
四、学习（Learning）与记忆（Memory）
-
短期记忆（Working Memory）
储存当前对话和任务上下文。 -
长期记忆（Long-term Memory）
保存长期知识、偏好、任务历史。 -
从经验中学习（Learning from Feedback）
能从：- 环境反馈
- 成功/失败结果
- 用户评价
中学习并调整策略。
不学习的体系不是真正的 Agent，只是一个“脚本执行器”。
五、推理（Reasoning）与自我纠错（Self-Correction）
-
多步推理（Multi-step Reasoning）
-
链式思考（Chain-of-thought）
-
自检（Self-Evaluation）
能判断自己是否失败、是否偏离目标。 -
自我修复（Self-Correction）
遇到失败时能：- 回滚
- 换路径
- 重新执行
- 修复错误
六、长期自主性（Autonomy）
-
持续运行（Persistence）
和普通 LLM 最大区别：
Agent 能长时间运行，而不是一次对话就结束。 -
主动性（Proactivity）
能主动发起行动，例如：- 监控某个值异常时报警
- 定期执行任务
- 在用户没指令时继续探索
🧩 总结：什么能力是“不可缺少”的？
必须满足 3 个关键点：
✔ 可以感知环境 —— 有世界模型
✔ 可以自主行动 —— 能调用工具
✔ 可以自我决策 —— 有规划 & 自我纠错机制
只要缺少任何一项，就不能算严格意义上的 Agent。
🆚 AI Agent 和普通大模型的区别（核心对照）
| 能力 | 普通大模型 | AI Agent |
|---|---|---|
| 工作方式 | 纯文本问答 | 自主行动 |
| 记忆 | 回合级 | 长期 |
| 工具使用 | 可选、弱 | 必须 |
| 规划 | 限 | 强 |
| 自我纠错 | 无 | 必须 |
| 环境交互 | 无 | 必须 |
| 目标驱动 | 无 | 强 |
