AI Agent的演进逻辑——从概念沉淀到经典框架的建立

本文承接内容，延续前文对AI Agent概念溯源的相关内容，依旧以AI Agent的发展历程作为探讨核心。BDI模型的思维模拟思路、PEAS框架的标准化设计规则，是本文的两大切入点，文中逐层解析其从理论雏形到经典架构的演变流程，帮助一线教师梳理出对应的发展特点。文章衔接了前文的概念研究成果，也能够为后续探究大语言模型赋能的现代AI Agent架构，做好相应的理论铺垫。

AI Agent专题

01

杨磊 张锦生

02

杨磊 朱多跃

AI Agent的演进逻辑——从概念沉淀到经典框架的建立

03

杨磊 段淑勤

AI Agent的现代架构——大语言模型驱动的认知与协同革新

AI Agent的演进逻辑

——从概念沉淀到经典框架的建立

AI Agent的概念经过词源学、控制论、意向立场等多个理论方向的长期积累，在1959年以“建议获取者（Advice Taker，也译作建议接受者）”为标志，完成了从哲学想法到技术方案的转变；研究重点也自然从“什么是AI Agent概念”，转向“怎么设计AI Agent结构”，正式进入从逻辑推算向通用智能发展的阶段。

本文全面梳理了AI Agent的早期发展过程（先回顾它的跨学科概念形成过程，再看BDI模型怎么把人类心理结构转化成计算结构，实现从逻辑推算到思维模拟的跨越），分析了PEAS框架为AI Agent设计厘清的标准维度，以及两个经典框架的主要价值和不足，为AI Agent现代结构研究提供了可靠的理论基础。

引言

AI Agent的基本概念不是凭空出现的，现有文献清楚说明，从拉丁语词根“agere”包含的“权力委托”含义，到维纳控制论提出的“感知—反馈—调整”循环，再到丹尼特意向立场证明的思维模拟合理性，数十年来不同学科相互交叉、相互影响，让AI Agent的概念在1959年麦卡锡提出的“建议获取者”方案里，完成了从哲学想法到技术方案的关键转变。本文由此引出主要研究问题：既然概念的理论雏形已经形成，那么它在计算机科学的技术体系里怎么进行实际应用和完善，最终形成早期的经典结构体系？

本文梳理了AI Agent的早期发展脉络，聚焦从20世纪50年代概念确立到80年代后经典框架成型这个阶段，重点说明“从概念到结构”“从逻辑到标准”两个主要突破，对应BDI模型和PEAS框架两大经典理论。二者不是相互孤立的，而是从“思维模拟”到“标准化设计”，形成了连续的逻辑严密的发展链条，是后面AI Agent结构迭代升级的可靠起点。

BDI结构：人类实际推理的软件转化

1.从逻辑推算到思维模拟的研究转变

20世纪80年代后期，基于符号方法的人工智能慢慢出现很多问题。这种只靠简单逻辑计算做出来的智能程序叫专家系统，只能在固定场景里做基本的推理工作，而且程序运行全靠人提前写好的规则，没法灵活应对随时变化的外部环境。这种模式只把智能当成符号之间的转换，忽略了人类思考过程的主要特点——行为的连贯性和目标坚持性。

人们在复杂多变的环境里，在得到新的信息后，不会马上推翻原来定好的行动方案，而是坚持已经确定的目标，一直做下去，直到目标完成，或者确定目标没法实现为止。这种既灵活又稳定的做事方式，是纯逻辑计算类程序没有的特点。要让AI Agent拥有和人类差不多的自主判断能力，就需要参考人类真实的思考和推理逻辑。

哲学家迈克尔·布拉特曼在1987年提出的人类实践推理理论中，说明了人类信念、欲望、意图相互配合的方式。后来的研究人员基于这个理论，做出了BDI模型，推动了AI Agent研发从单纯逻辑计算，变成模拟人类思维模式的新设计思路的形成。这个模型实际能用的系统，由拉奥和乔治夫在20世纪90年代完善后正式发表，成为早期AI Agent思维模拟的主要方法。

2.BDI模型的三元认知结构

布拉特曼在《意图、计划与实践理性》一书中说，人类行为不只是由欲望驱动的，而是由“信念”“欲望”“意图”三者一起影响的结果。研究人员把这个理论用到AI Agent的设计里，做出了三个既独立又能相互配合的认知部分，组成了完整的BDI三元认知结构（如下图）。

BDI协同作用

信念（Beliefs）是AI Agent对世界当前状态的认知情况，包含已知的事实、相关的规则和知识、事物之间的关系以及对环境状态的判断。和人类的信念差不多，AI Agent的信念不一定正确或者完整，只是基于现有信息形成的对环境的最好理解。所以，信念系统是AI Agent“明白”自己处境的基础，为后面的决策提供主要的认知依据。例如，智能导航AI Agent的信念包含当前位置坐标、道路拥堵情况、离目的地还有多远等信息，而且会根据环境变化随时更新。

欲望（Desires）是AI Agent开展行动、追求目标的主要动力，包括AI Agent所有想要实现的目标状态。这类内容存在两类形成渠道，一方面是外界人员下达的相关指令，另一方面是系统自主运行调整以及外界环境变动所催生的内容。不同的任务目标常会在时间、资源上产生矛盾，AI Agent需要自主完成次序划分与取舍工作，明确现阶段的核心任务；智能办公AI Agent一般会同时承担撰写报告、回复紧急邮件、规划次日会议等多项工作，AI Agent可结合任务的紧急性与重要性重新排列次序，让核心任务得到优先处理。

意图（Intentions）是BDI模型最有新意的主要概念，也是它和简单“信念—欲望”二元模型最根本的不同。AI Agent会经过综合研判，定下后续要坚守的目标以及配套执行方案，意图就是这样一种用来固定任务方向的运行方式；在清晰的意图确立之后，AI Agent便能始终坚守既定方向，持续调配各类资源推进各项事务，直至任务落地，或证实目标无法达成。这套约束模式能让AI Agent保持判断的平稳性，使其在复杂多变的环境中，维持连贯且统一的行为表现。

智能物流AI Agent的运行逻辑能清楚说明意图的主要作用：它的主要意图是“在规定时间内把货物送到B地”。各类出行路线、运输调配等详细方案，都会被AI Agent提前制订出来用以达成既定目标，任务开展期间若出现道路阻断等意外状况，AI Agent就会结合最新的环境认知修正原有方案，核心配送任务不会被轻易舍弃，仅当目标完全无法达成时，AI Agent才会终止相关工作。

3.BDI模型的价值与不足

BDI模型最主要的贡献是把人类心理结构系统转化成能计算、能实际应用的AI Agent结构，让AI Agent的行为有和人类差不多的决策稳定性和行为连贯性，打破了符号方法下智能系统“死板推理”的缺点。基于BDI模型开发的PRS、dMARS、JACK等系统，已经大量用在机器人导航、工业过程控制、军事仿真等领域，充分证明了形式化AI Agent模型的实际使用价值。同时，BDI模型也有明显的不足：它太依赖符号化的知识表示和逻辑推理，对现实世界到处都有的不确定性、模糊性、噪声信息处理能力比较差，没法直接适应复杂多变的实际使用场景。这个不足，成为后面AI Agent结构不断发展的主要动力。

BDI模型很好地解决了AI Agent内部思维模拟和自主决策的主要问题，但没有形成统一通用的AI Agent设计和描述标准，不同的研发团队做的AI Agent结构很难相互配合使用。在这个行业问题下，PEAS标准化设计框架就出现了。

PEAS框架：AI Agent的标准化设计参考

1.从个性化设计到标准化维度

BDI模型的大量使用，显示出行业发展的明显问题：不同团队设计的AI Agent系统没有统一的结构描述规范和通用设计标准，使得各类AI Agent系统很难相互对比、评估和配合使用，限制了AI Agent的大规模、标准化发展。为了解决这个问题，罗素和诺维格在《人工智能：一种现代方法》一书中提出了PEAS框架，这个框架用四个主要维度覆盖了AI Agent设计整个过程的关键内容（如下表），为各类AI Agent提供了通用规范的设计指导。

PEAS框架四大核心设计维度说明

性能度量（Performance）是评价AI Agent任务完成质量的主要量化指标，它在不同场景里有很大的不同。不同用途的AI Agent，对应的考核方向也存在区别，智能导航AI Agent重点考量通行时长、路线规划水平，智能医疗AI Agent侧重判断精准度与实际诊疗成效，智能办公AI Agent则关注作业速度与失误情况，结构升级与功能调整都会以性能度量作为重要参照，也能为AI Agent的优化设计给出量化的参考标准。

环境（Environment）是AI Agent运行的外部空间，也是它感知信息、执行动作的主要对象。环境可以分成完全可观测和部分可观测、确定性和随机性、静态和动态等类型，环境的复杂特点直接影响AI Agent的结构设计方向和适配方式，准确描述环境特征是搭建合适AI Agent系统的基本前提。

执行器（Actuators）是AI Agent主要的输出模块，主要作用是把AI Agent的决策结果变成具体的实际行为。执行器的样子随着AI Agent类型的不同而不同：实体机器人的执行器主要是机械臂、行走轮等物理部件，软件类AI Agent的执行器包括文档编辑、邮件推送、数据处理等软件接口，是AI Agent和外部环境交互、落实决策的主要载体。

传感器（Sensors）是AI Agent感知外部信息的主要输入渠道，用来收集环境数据，为AI Agent决策提供主要依据。传感器包含多种形式，摄像头、红外感应装置都属于实体采集设备，文件调取、网络传输、数据采集等功能则属于软件类采集接口。传感器的采集精度，会直接影响AI Agent后续判断的可靠程度与正确率。

2.PEAS框架的工程价值

PEAS框架最主要的价值，是为各类AI Agent建立了统一通用的行业“设计语言”，打破了不同研发体系AI Agent系统的描述障碍。不管是实体机器人还是纯软件AI Agent，都可以通过性能、环境、执行器、传感器四个维度做标准化的定义和完整的描述，做到不同系统之间的对比、评估和配合使用。同时，PEAS框架清楚说明了AI Agent设计的主要内容和关键步骤，为AI Agent模块化、标准化、工程化的开发流程打下了坚实基础，其至今还是AI Agent研发和教学的基础核心框架。

结论

本文梳理了AI Agent从概念积累到形成成熟经典框架的整个发展过程，主要分析了BDI模型和PEAS框架两个主要成果。多学科的交叉发展，推动AI Agent从抽象的哲学想法变成能实际操作的技术方案；拉丁语的语义内涵、控制论的循环理论、人类实践推理理论，一起组成了AI Agent主要的理论基础，让它在20世纪50年代形成了确定的概念。BDI模型改变了传统AI Agent只靠逻辑运算的研发缺点，把人类认知、目标、规划的心理特征变成能运行的程序结构，很大程度上提高了AI Agent决策和行动的稳定性，打牢了AI Agent思维模拟的理论根基，而它太依赖符号运算的不足，也为后面结构的迭代优化指出了方向。PEAS框架结束了AI Agent零散、各自为战的混乱设计状态，形成了统一的行业设计和描述规范，包括AI Agent研发的整个过程，很好地打破了不同系统之间的互通障碍。

总的来说，AI Agent早期的发展一直围绕“模拟人类的思考和行为方式”进行，这两个经典框架形成的理论和实际使用经验，为现在用大语言模型做新AI Agent的研究提供了有用的参考，也促进原来只能做特定事情的AI Agent，慢慢向能做更多事情的通用智能方向发展，同时为后面研究现代AI Agent的实际应用打下了扎实的理论基础。

本文作者：

杨磊

天津市第五中学

新疆生产建设兵团第十一师第四中学

朱多跃

新疆生产建设兵团教育科学研究院

文章刊登于《中国信息技术教育》

2026年第13期

引用请注明参考文献：

杨磊 朱多跃.AI Agent的演进逻辑——从概念沉淀到经典框架的建立,2026(13):85-88.

陆续推送 敬请期待 ……

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志