第 1 章 绪论：智能体的必要性与工程挑战

本章目标
本章旨在为“智能体（Agent）”建立坚实的工程问题背景。我们将首先剖析将大型语言模型（LLM）直接应用于真实系统时必然遭遇的三大失效模式，论证为何仅靠提升模型规模或优化提示无法根本解决这些问题。最终，我们将阐明，“推理”与“行动”在循环中紧密协同的智能体范式，是实现可靠、可审计、能解决实际问题的AI系统的唯一技术路径。

1.1 什么是智能体？——回归工程本质的定义

在流行语境中，“智能体”常被泛化为任何能对话的AI。然而，在工程实践中，我们必须回归其控制论与人工智能领域的本源，给出一个可构建、可测试的定义。

定义（工程化智能体）：

智能体是一个能基于给定目标，自主进行推理规划，并通过与外部环境交互来执行动作、感知反馈，进而持续优化其决策与行动，直至完成目标的感知-决策-执行闭环系统。

这个定义剥离了神秘感，强调了几个工程核心要素：

• 目标驱动：输入不是闲聊，而是一个待完成的“任务”。

• 序列决策：能够拆解目标，规划步骤序列。