自主智能体：定义及工作原理

什么是自主智能体

自主智能体是一种能够自主朝着目标开展工作的 AI 系统。用户只需描述想要的结果，智能体便会自行规划步骤并执行。

假设有人想在三款项目管理工具中做出选择。自主智能体可以逐一搜索每款工具，打开其定价页面，记下差异，并返回一份完整的对比。用户设定目标并审阅结果，中间的工作则由智能体完成。

当前许多软件智能体都使用大语言模型来理解指令并决定下一步行动。有些模型还能处理图像或音频。要搜索网络、点击按钮或发送电子邮件，智能体需要借助软件将模型与工具连接起来，并执行模型发出的请求。

在项目管理工具的例子中，LLM 和智能体的工作方式如下：

1. LLM 读取目标，并编写一条搜索第一款工具定价的请求。
2. 智能体的软件执行搜索，并将结果以文本形式传回给 LLM。
3. LLM 读取结果，选择下一步（打开定价页面），并编写一条新请求。
4. 这一循环不断重复，直到 LLM 判断对比已经完成，并写出最终答案。

放大

自主程度的等级

在智能体 AI 系统（为执行操作而不仅仅是回答问题而构建的 AI）中，自主程度是一种设计选择。同一个智能体既可以设置为每一步都先征求许可，也可以设置为独立完成整个任务。

华盛顿大学的研究人员提出了一个五级框架，用于说明智能体可以具备的不同自主程度：

在第 4 级，智能体可能会自行调研并起草采购订单，但在提交前暂停。在第 5 级，它还会直接提交订单。

自主 AI 智能体、自动化与聊天机器人有何不同

自主智能体与聊天机器人和工作流自动化有两点不同：它们会自行决定步骤，并能在其他应用和网站中执行操作。

聊天机器人在对话中回答问题，但通常不会在对话之外采取行动。工作流自动化确实会执行操作，但只能按照事先设定好的步骤进行。一种常见类型是机器人流程自动化（RPA），即重复执行简单、基于规则的任务的软件，例如将数据从一个系统复制到另一个系统。

自主智能体则兼具两者：它能在其他软件中执行操作，还能在被授予的工具、权限和指令范围内，自行选择实现目标的步骤。

以一起订单延误投诉为例，就能看出其中的区别。聊天机器人可能会回复一段预先写好的配送政策说明。工作流自动化可能会发送一封标准的“订单延误”邮件。自主智能体则可以查询订单，发现包裹在运输途中丢失，安排补发，并告知客户最新情况。

自主智能体的工作原理

自主智能体依靠四项能力来完成任务：规划步骤、使用工具、记住已完成的工作，以及检查自身结果。对于规模更大的任务，有些智能体还会将工作分配给一组智能体协作完成。

1. 拆解目标并制定计划

目标通常太大，无法一步完成，因此智能体的首要工作是将其拆分为更小的任务。例如，如果用户请智能体策划一次团队团建，它可以将目标拆分为：选定日期、寻找符合预算的场地、确认场地是否可订，以及起草邀请函。

根据构建方式的不同，智能体可以预先规划，也可以边做边规划。预先规划是指在开始前写好每一个步骤，适用于简短、可预测的任务。边做边规划则是先规划接下来的一两步，执行后再根据返回的结果进行调整。如果团建的首选场地已被预订，智能体可以直接转向下一个选项，而无需从头开始。

放大

中国人民大学的一篇基于 LLM 的自主智能体综述发现，第二种方式更擅长处理复杂任务，因为在看到任何结果之前很难写出完美的计划。许多智能体会将两者结合，先勾勒出完整计划，再在工作过程中不断修改。

2. 使用工具执行操作

计划就绪后，智能体会逐个完成其中的任务，并为每个任务选择合适的工具。

• 为了寻找场地，它可能会使用网络搜索，输入“奥斯汀附近可容纳 20 人的团建场地”之类的查询。
• 为了确认场地是否可订，它可能会在浏览器中打开每个场地的预订页面并查看日历。
• 为了发送邀请函，它可能会通过 API 连接到用户的电子邮箱。API 是一种连接方式，能让一个软件向另一个软件请求数据或操作。

每执行一次操作，智能体都会读取返回的结果并决定下一步行动。如果搜索找到了五个场地，它就会确认这些场地是否可订。如果某个预订页面无法加载，它会尝试通过该场地公布的电话联系，或者转向下一个选项。

智能体所拥有的工具决定了它能独立完成哪些任务。如果无法访问电子邮箱，它可以起草邀请函，但无法发送。

3. 借助记忆追踪进度

在工作过程中，智能体必须记录自己做了什么、了解到了什么。当它查看完三个场地时，需要知道哪些已被预订、哪些还有空位，以及每个场地的费用。这些记录保存在 LLM 的上下文窗口中，即模型一次能够处理的文本量。

长任务可能会超出上下文窗口的容量。具备长期记忆的智能体会将信息保存在模型之外（通常是数据库中），并只检索当前步骤所需的内容，以此解决这一问题。

长期记忆还能在不同任务之间延续。到了策划明年团建的时候，智能体可以重复使用今年的场地清单和预算，或者想起团队更喜欢一小时车程以内的场地。

4. 检查结果并纠正方向

在工作过程中，许多智能体会留意某个步骤出错的迹象。如果预订表单返回错误，或者搜索没有结果，它就会尝试其他方法。当遇到不应独自做出的决定时，例如略微超出预算的场地是否可以接受，它会询问用户，并根据答复进行调整。

在交付工作成果之前，许多智能体会检查自己的结果。LLM 会回读自己生成的内容，将其与目标进行比较，并列出任何遗漏或错误之处。智能体会进行修改并再次检查，直到结果达到目标。例如，如果邀请函中缺少场地地址，检查环节就会发现这一问题，智能体会在发送前补上。

5. 在多个智能体之间分配工作

有些任务由多个智能体分担会完成得更快。主智能体负责拆分工作，并将各部分交给子智能体。

Perplexity Computer 就是这样工作的。用户描述想要的结果，Computer 会将其拆分为任务和子任务，然后创建子智能体来执行。子智能体可以在网络上开展调研、生成文档、处理数据，或通过 API 调用已连接的服务。

当 Computer 遇到问题时，它会创建新的子智能体来解决。每个子智能体还可以运行在不同的 AI 模型上，从而让每部分工作都交给最适合的模型处理。

因此，在团建的例子中，一个子智能体可能负责调研场地，另一个负责查看团队成员的日历，第三个则负责研究出行方案。

放大

人们如何使用自主智能体

人们使用自主智能体主要是为了完成日常知识工作：研究、写作、处理电子邮件和学习。在一项由哈佛大学和 Perplexity 研究人员开展的研究中，生产力和学习类任务占智能体查询的 57%。以下示例展示了智能体在各类工作中能做些什么。

研究与分析

研究非常适合交给智能体，因为它包含许多细小的步骤。智能体可以搜索、打开信息来源、阅读内容，并比较它们的观点。以“找出三项关于远程办公与生产力的近期研究，并总结每项研究的发现”这样的查询为例。智能体会搜索相关研究，并打开最相关的几项。它会阅读每项研究的发现，并撰写一份附有所有来源链接的摘要。如果某项研究需要付费才能查看，智能体就会转向下一项。在该研究中，总结和分析研究资料占智能体查询的 7%。

文档、电子邮件和日历

智能体通常在人们日常使用的工具中开展工作。在哈佛大学和 Perplexity 的这项研究中，Google 的文档工具和电子邮件是最常见的两类，合计约占智能体查询的四分之一。以“浏览本周的未读邮件，标记所有来自客户的邮件，并为日程安排请求起草回复”这样的查询为例。智能体会打开收件箱并对邮件进行分类。它会查看日历中的空闲时间，并为每个请求起草回复。它可以只保存草稿而不发送，以便用户先逐一审阅。

学习与课业

学生使用智能体来学习。在该研究中，课业是智能体使用中占比最大的单一类别，占智能体查询的 13%。像“根据我课程阅读材料的第四章给我出题测验”这样的查询，会让智能体前往课程网站，阅读该章节，围绕要点编写问题，并检查学生的答案。同样的方法也适用于任何学习新学科的人，例如需要快速熟悉陌生行业的员工。

购物与比价

购物占智能体查询的 10%，主要是搜索和比较商品。当被要求“找一张价格低于 400 美元且评价很好的站立式办公桌”时，智能体会搜索多家零售商，按价格和评分进行筛选，比较排名靠前的选项，并可以将最佳选项加入购物车。让智能体在多个网站上比较选项可以节省大量时间，因为用户不必再逐一打开每个商品页面进行交叉核对。

使用自主智能体的七个最佳实践

1. 从易于核查的任务入手

最适合起步的任务，是那些错误容易发现、修正成本也低的任务。研究摘要和产品比较都是不错的起点。如果智能体附上了信息来源链接，核查工作只需几分钟。随着信任的建立，人们可以把步骤更多、耗时更长的任务交给它。

2. 设定明确的结果和约束条件

如果智能体了解任务为何重要，就可能做出更好的判断。好的提问读起来就像给外包方的任务简报：说明目的、受众、已知信息以及已排除的内容。“为董事会备忘录比较这三家供应商；董事会最关心的是实施风险，我们已经排除了所有不符合 SOC 2 合规要求的供应商”——这样的提问为智能体提供了自行做出判断所需的信息。

3. 添加审批检查点

有些操作无法撤销，例如发送电子邮件、进行购买、删除文件或提交表单。如果智能体支持，可以将其设置为在执行这些步骤前暂停并征求确认。提问本身也可以设定停止点。“起草回复，但不要发送”或“把最佳选项加入购物车，但不要结账”，能明确告诉智能体在哪里停下并交还控制权。

4. 先审查计划，再开始工作

对于较大的任务，请让智能体在开始前先概述其计划。审查计划只需一分钟，而在这一阶段纠正误解，远比在已完成的交付成果中才发现问题省事得多。

5. 仅授予任务所需的访问权限

智能体能访问的每个账户，都是它可以在其中执行操作的账户。只连接任务所需的应用，可以让敏感数据处于其访问范围之外，并限制可能出错的范围。负责调研供应商的智能体不需要访问电子邮件。负责起草回复的智能体则需要，但它可能并不需要发送权限。

6. 将检查要求写入提问

智能体本身就会审查自己的输出，因此可以在提问中告诉它们要检查什么。说明好的结果应当是什么样的（“每个数据都需要有 2025 年或之后的来源”），能让智能体在交付工作前按照这一标准进行检查。要求它区分已证实的事实和自身的推断，并标出假设，能让人工审查更快、更有针对性。

7. 复用行之有效的做法

产生过出色结果的提问，可以成为下一个类似任务的模板。给智能体提供一个优质输出的示例（例如上季度的报告），往往比用文字描述格式更有效。重复性任务可以变成常设的工作流。

Perplexity 如何打造自主智能体

Perplexity 提供两种自主智能体。Comet Assistant 在浏览器中处理日常任务，而 Perplexity Computer 则承担可持续运行数小时甚至更久的大型项目。

Comet Assistant 内置于 Perplexity 的 AI 浏览器 Comet 中。它直接在用户已打开的网站上工作，因此无需切换工具，就能安排会议、编辑文档、发送电子邮件和预订机票。

Computer 在云端运行，并如前文所述，将每个目标拆分给多个子智能体处理。它可连接数百种服务，用户还可以为工作的特定部分选择特定的 AI 模型。Computer 面向 Pro 和 Max 订阅用户提供。

探索 Comet Assistant，在浏览器中体验智能体；或探索 Perplexity Computer，将大型项目交给它完成。

常见问题

自主智能体和智能体式 AI 是一回事吗？

不是，但这两个术语有所重叠。智能体式 AI 通常泛指通过规划和采取行动来实现目标的 AI 系统这一更宽泛的类别。自主智能体则是该类别中的一种特定系统，它在执行工作时几乎不需要逐步审批。

所有 AI 智能体都是自主的吗？

不是。有些智能体只有在人发出指令时才会执行每一步，而另一些则能独立完成整个任务。前文所述的自主程度级别展示了完整的范围：从需要人逐步操作的智能体，到人只需监督的智能体。

自主智能体可以购物或付款吗？

有些智能体可以协助购物，具体取决于网站、权限和安全保障措施。Comet Assistant 可以比较产品，并协助完成结账流程。借助 Perplexity 的 Instant Buy，符合条件的美国用户可以直接在 Perplexity 内购买支持的产品，并可选择 PayPal 作为结账方式。

使用自主智能体需要编程技能吗？

许多现成的智能体无需编程即可使用。有些平台还允许用户通过自然语言指令或图形界面构建智能体。对于自定义集成、调试以及更专门的行为，编程能力会很有帮助。