Agent的九种设计模式

要理解 Agent（智能体，可简单理解为 “能自主做事的智能程序 / 角色”）的九种设计模式，我们可以用 “生活场景类比”+“具体实例” 拆解 —— 每种模式本质是 Agent 在不同任务场景下，“如何自主决策、与环境 / 其他 Agent 互动” 的固定套路，核心是解决 “谁来做、做什么、怎么协作” 的问题。

1. 反应式 Agent（Reactive Agent）：“条件反射，只看眼前”

通俗理解：像只 “没记性的小狗”—— 看到食物就吃，看到危险就跑，不记过去发生的事，只根据 “当前看到的情况” 做反应，没有长期目标。核心逻辑：无内部记忆，仅通过 “感知→规则匹配→行动” 的即时循环工作，输入是 “当前环境状态”，输出是 “对应行动”。

实例：

• 家用烟雾报警器：只检测 “当前是否有烟雾（环境状态）”，一旦检测到（规则匹配：烟雾浓度＞阈值），就立即响铃（行动），不记录 “昨天是否响过”“烟雾持续了多久”。
• 游戏里的基础小怪：只看 “当前是否有玩家进入攻击范围（环境状态）”，一旦进入（规则匹配：距离＜5 米），就挥刀攻击（行动），不记得 “之前被玩家打了几次”。

2. 基于模型的 Agent（Model-Based Agent）：“记笔记，懂复盘”

通俗理解：像 “会记路线的快递员”—— 不仅看眼前的路（当前环境），还会记 “之前走过的错路”“小区楼栋分布”（环境模型），遇到岔路时，会结合记忆判断 “哪条路更近”，而不是瞎闯。核心逻辑：比反应式多了 “内部模型”（记录环境的历史状态和变化规律），会通过 “感知→更新模型→预测环境→匹配规则→行动” 的流程，避免重复犯错。

实例：

• 扫地机器人：第一次清扫时，会记录 “家里哪里有家具（障碍物模型）”“哪个房间大（空间模型）”；下次清扫时，不会重复撞家具，也不会漏扫已记录的区域 —— 因为它用 “内部模型” 记住了环境规