AI Agent

人工智能代理是一种自主系统，能够感知环境、通过复杂逻辑进行推理以做出决策，并采取具体行动来实现既定目标。不同于被动处理输入并生成输出的静态机器学习模型，代理会在持续的工作流中动态运行。这些系统构成了人工智能的“主动”层，弥合数字预测与现实世界执行之间的鸿沟。通过利用记忆和自适应学习，代理可以处理从软件自动化到实体导航等各种任务，而无需持续的人为干预。

感知—推理—行动循环#

人工智能代理的功能依赖于一种循环过程，通常称为感知—行动循环。这种架构使代理能够与周围环境进行有意义的交互。

1. **感知（传感）：**代理从现实世界收集信息。在计算机视觉应用中，代理使用摄像头作为“眼睛”。它采用YOLO26等高速模型执行目标检测或分割，将原始像素转换为结构化数据。

2. **推理（思考）：**代理根据自身目标处理感知到的数据。此阶段通常会集成大型语言模型（LLMs）以实现语义理解，或使用强化学习算法优化决策策略。高级代理可以提前规划多个步骤，就像棋手预测未来棋步一样。

3. **行动（执行）：**代理根据推理结果执行任务。这可以是数字操作，例如查询数据库或发送警报；也可以是机器人技术中的实体操作，例如让机械臂从传送带上拾取指定物品。

人工智能代理与人工智能模型#

区分代理和模型非常重要，因为它们在技术栈中承担着不同的角色。

• **人工智能模型：**模型是一种数学引擎，例如经过训练用于识别模式的神经网络。它是一种提供预测的工具（例如“这是一辆汽车”），但本身不会对预测结果采取行动。
• **人工智能代理：**代理是使用模型作为工具的完整系统。它具备自主行动能力——即发起改变的能力。例如，模型识别出红灯后，代理会决定踩下刹车。

实际应用#

人工智能代理正通过自动化需要认知灵活性的工作流来改变各个行业。

• **智能制造：**在工业自动化中，视觉代理会监控生产线。如果质量控制系统识别出缺陷，代理可以自主停止设备并记录事件，从而避免浪费。
• **自主物流：**仓库利用代理机器人进行库存管理。这些代理使用同时定位与地图构建（SLAM）和视觉模型在动态环境中导航，高效地定位、拾取和运输包裹。

构建简单的视觉代理#

开发者可以将感知模型与条件逻辑相结合来构建基础代理。下面的 Python 示例使用 ultralytics 包演示了一个简单的“安全代理”。该代理会检测人员，并根据模型的置信度决定是否触发警报。

from ultralytics import YOLO

# Load the YOLO26 model (The Agent's Perception)
model = YOLO("yolo26n.pt")

# 1. Perceive: The agent analyzes an image
results = model("bus.jpg")

# 2. Reason & 3. Act: Decision logic based on perception
for result in results:
    # Check if a 'person' (class 0) is detected with high confidence
    if 0 in result.boxes.cls and result.boxes.conf.max() > 0.5:
        print("ACTION: Person detected! Initiating security protocol.")
    else:
        print("ACTION: Area clear. Continuing surveillance.")

相关概念#

• **边缘 AI：**为了实时响应，代理通常会在NVIDIA Jetson等硬件上本地运行，通过在数据源头而非云端处理数据来最大限度地降低延迟。
• **通用人工智能（AGI）：**当前的代理属于专用型人工智能，而 AGI 指的是假设中能够执行人类可以完成的任何智力任务的代理。
• **生成式人工智能：**现代代理经常使用 GenAI 生成动态响应或代码，作为能够在工作流中生成内容的助手。

如果你希望训练代理所依赖的底层模型，Ultralytics Platform提供了一个简化的环境，用于标注数据集和管理训练运行。有关代理架构的更多内容，可以参考斯坦福 HAI和DeepMind等组织的研究。