AI Agent

探索 AI 代理的世界。了解这些自主系统如何使用 Ultralytics YOLO26 进行感知、推理并实时行动以解决复杂任务。

AI Agent 是一个能够感知环境、通过复杂逻辑进行推理以做出决策，并采取特定行动来实现既定目标的自主系统。与被动处理输入以产生输出的静态 machine learning 模型不同，Agent 在连续的工作流中动态运行。这些系统构成了 artificial intelligence 的“活跃”层，弥合了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，Agent 能够处理从软件自动化到物理导航等各项任务，而无需人工的持续干预。

感知-推理-行动循环#

AI 代理的功能依赖于一个循环过程，通常被称为感知-行动循环。这种架构允许代理与其周围环境进行有意义的交互。

感知（Sensing）： Agent 从世界中收集信息。在 computer vision 应用中，Agent 使用相机作为“眼睛”。它采用诸如 YOLO26 的高速模型来执行 object detection 或分割，将原始像素转换为结构化数据。
推理（Thinking）： Agent 根据其目标处理感知到的数据。此阶段通常集成用于语义理解的 Large Language Models (LLMs) 或用于优化决策策略的 reinforcement learning 算法。高级 Agent 可以提前规划多步，就像预测未来走法的国际象棋选手一样。
行动（Executing）： 根据其推理结果，Agent 执行一项任务。这可以是一项数字操作（例如查询数据库或发送警报），也可以是 robotics 中的物理操作（例如机械臂从传送带上抓取特定物品）。

AI 代理与 AI 模型#

区分代理和模型非常重要，因为它们在技术栈中扮演着不同的角色。

AI Model： 模型是一个数学引擎（例如 neural network），经过训练可以识别模式。它是一个提供预测（例如“这是一辆车”）但不会据此自动采取行动的工具。
AI 代理： 代理是一个将模型作为工具使用的综合系统。它具备代理能力——即启动变化的能力。例如，当模型识别出红灯时，代理会决定踩下刹车。

实际应用#

AI 代理正在通过自动化需要认知灵活性的工作流来改变各行各业。

智能制造： 在 industrial automation 中，视觉 Agent 监视生产线。如果 quality control system 识别出缺陷，Agent 可以自主停止机械并记录事件，从而防止浪费。
自主物流： 仓库利用具有 Agent 特性的机器人进行库存管理。这些 Agent 使用 SLAM (Simultaneous Localization and Mapping) 和视觉模型在动态环境中导航，以高效定位、挑选和运输包裹。

构建简单的视觉代理#

开发者可以通过将感知模型与条件逻辑相结合来构建基础 Agent。以下 Python 示例展示了一个使用 ultralytics 包的简单“安全 Agent”。该 Agent 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.")