简介:经典智能体与大模型智能体同属"感知—决策—行动"的自主系统,但决策内核、知识来源、可验证性与成本结构差异显著。本文从技术架构、规划机制、记忆与工具、性能与延迟、安全合规、运维成本等维度展开系统对比,并结合典型场景给出条件化选型建议与迁移注意事项,帮助你在规则确定性要求与开放任务泛化能力之间做出合理权衡。
在智能体相关讨论中,最容易出现的一类误解是:把”智能体能自主调用工具、能连续多步执行”当作一种新技术。实际上,智能体的基本范式在二十世纪九十年代就被学界正式定义过——位于环境中、能够自主行动以实现设计目标的计算机系统,并归纳出自主性、反应性、社会能力与主动性四个基本属性。这一时期的智能体主要建立在符号表示、状态模型、规则库与效用函数之上,行业中的标志性事件包括 1997 年某棋类对弈程序战胜人类世界冠军、2002 年某家用清洁机器人进入消费级市场、2016 年某围棋对弈程序击败人类顶尖棋手。
真正的分水岭出现在 2023 年前后。研究者把基于大语言模型的智能体归纳为四个组成部分:大语言模型作为推理内核、记忆、任务规划、工具使用;同年一批开源自主智能体项目集中出现,标志着基于 LLM 的自主智能体兴起;2024 年 4 月,某国际云厂商推出了托管式智能体构建平台,进一步降低了构建门槛。
于是今天的技术选型面临一个现实问题:面对同一类业务需求,究竟是沿用经典的规则与模型驱动的智能体架构,还是采用大语言模型驱动的智能体架构,或者两者混合。本文的对比对象正是这两类智能体:经典智能体(规则/状态模型/效用驱动的自主系统)与大模型智能体(LLM 内核 + 记忆 + 规划 + 工具的自主系统)。
经典智能体把”决策”当作一个可以在显式模型上求解的问题。它由感知模块把环境状态映射为内部表示,由世界模型维护状态与状态转移,由目标或效用函数对不同候选动作打分,最终选出期望收益最高的动作执行。按感知与智能程度,经典智能体通常分为五层:简单反射型(条件—动作映射)、基于模型型(引入内部状态以处理部分可观测)、基于目标型(用目标检验动作是否推进进展)、基于效用型(在多个目标之间做权衡)、学习型(根据反馈调整内部参数)。
它的核心价值是确定性:只要规则、模型与效用函数被正确定义,行为就可推导、可测试、可复现,容易通过形式化方法与单元测试覆盖。代价是知识必须被显式建模,遇到未覆盖的长尾输入就需要额外的工程投入。
大模型智能体把语言理解、常识推理与多步规划交给参数化的通用模型承担。它的典型结构是:模型负责意图理解、任务分解与下一步决策;记忆负责跨越单轮上下文保存关键信息,包括工作记忆与可检索的长期记忆;规划负责分解、执行、检查与必要的重规划;工具使用把智能体的行动能力延伸到检索、计算、代码执行、数据库访问、业务接口调用等外部系统。
它的核心价值是通用性与低建模成本:面对开放式、长尾、自然语言驱动的任务,不需要预先枚举全部状态与规则。代价是输出具有概率性,同输入不必然同输出,行为的可预测性、可验证性显著弱于经典方案,并且推理成本随调用轮次与上下文长度增长。
第一,两者都符合智能体的原始定义:处于某个环境中,自主地采取行动以达成设计目标。区别只在于”目标”是被显式编码为效用函数,还是被自然语言描述并在推理中被不断解释。
第二,两者都构成感知—决策—行动闭环,都具备自主性、反应性、社会能力、主动性四类属性的某一种实现方式。例如反应性在经典智能体中表现为条件触发的快速响应,在大模型智能体中表现为对输入变化的重新规划;社会能力在前者是结构化协议交互,在后者可以是对话式协作。
第三,两者都无法回避工程上的共同约束:需要明确的目标与验收标准、需要环境侧的接口与权限边界、需要日志与监控来定位失败原因、需要在成本与延迟之间做权衡。也就是说,智能体的难点从来不只是”让模型变聪明”,而是”让自主系统可控”。
第四,两者都可以跑在相同的云基础设施上。无论是托管化程度更高的托管式构建平台,还是自建运行时,其背后依赖的都是通用云产品类目,比如容器平台承载智能体运行时、消息队列做任务解耦与削峰、对象存储与数据库保存会话与知识、日志服务与监控告警做可观测性、身份认证与权限体系做工具调用的最小授权。在百度智能云这类云平台上,这些通用能力可按需组合,用以支撑两类智能体的不同运行特征。
经典智能体的决策是在候选动作集合上做优化或搜索,输出必然落在预定义的合法动作集内,非法动作在设计上就无法被表达。大模型智能体的决策是生成,理论上可以产出任意结构的内容,因此必须依赖结构化输出约束、模式校验与兜底策略,把”自由生成”收敛回可执行动作。这决定了两者在可靠性模型上的根本不同:前者的失败通常是”没有合适动作”,后者的失败还包括”输出了不合规动作”。
经典智能体的知识是外显的:规则、状态转移表、效用权重、领域本体,全部在版本控制之内,修改需要走工程变更流程,好处是可审计、可回滚。大模型智能体的知识大部分被压缩进参数,天然存在知识滞后与幻觉风险,实际工程上普遍通过检索增强与工具调用来补足时效性信息。其更新链路更短(改提示、改检索内容、换模型版本),但也更容易出现”改了一处、行为全面漂移”的回归问题。
经典方案在开放式任务上通常依赖预设流程或有限深度搜索,长链条任务需要人工拆解。大模型智能体可以在运行时把目标动态分解为子任务,遇到失败自我检查后重新规划,因而在开放任务、跨系统编排上更有优势。代价是步骤数不可控,容易出现循环执行与无收敛风险,因此工程上必须设置最大步数、超时、预算上限与终止条件。
经典智能体的”记忆”是显式状态变量与世界模型,语义清晰、容量有限。大模型智能体需要区分工作记忆与长期记忆,长期记忆通常落在外部存储与检索系统中,涉及写入策略、召回质量、遗忘机制与记忆污染问题。检索质量往往直接决定回答质量,这是经典架构中不存在的调优维度。
经典智能体的动作集是编译期确定的。大模型智能体通过工具描述让行动空间可在运行时扩展,接入新系统往往只需新增工具声明与鉴权配置。但工具越多,选择错误与越权调用的概率越高,因此需要工具粒度设计、调用白名单、参数校验与高危动作的人工确认。
经典智能体适合单元测试、覆盖率分析与形式化验证,回归测试稳定。大模型智能体更适合建立评测集,用统计指标评估任务成功率、忠实度、工具调用正确率等,测试结果是分布性的。这直接影响 CI/CD 设计:前者可做二值门禁,后者通常需要分级阈值与人工抽检。
示意性对比伪代码(通用写法,不依赖任何具体框架):
# 经典基于效用的智能体:决策在合法动作集上做优化def decide(state, goal, action_space):best, best_score = None, float("-inf")for action in action_space.applicable(state):score = utility(predict(state, action), goal)if score > best_score:best, best_score = action, scorereturn best # 输出必然属于 action_space
# 大模型智能体:推理—行动循环,输出需校验与限权def run(goal, max_steps=12, budget=None):memory = Memory()for step in range(max_steps):draft = model.generate(build_prompt(goal, memory.recall(), tools.schema()))call = validate(draft) # 结构化校验,非法动作直接丢弃if call is None:return answer(draft) # 直接给出回答,结束循环result = execute(call, scope=least_privilege(call)) # 最小权限 + 审计memory.append(call, result)return fallback(goal) # 超时/超步兜底:转规则或转人工
经典智能体的单次决策开销通常在毫秒到秒级,且资源占用与请求量关系较为线性,容量规划相对容易。大模型智能体的延迟由模型推理与工具往返共同决定,长上下文与多轮规划会显著放大耗时,成本近似随调用次数、上下文长度与工具调用次数线性增长。因此成本优化手段也完全不同:经典方案靠算法剪枝与索引,大模型方案靠上下文压缩、缓存复用、小模型分流与批处理。
两类方案都需要身份认证、权限控制、审计留痕与数据分级,但风险面不同。经典智能体的主要风险是规则漏洞与越权动作;大模型智能体额外面临提示注入、敏感信息泄露、工具被诱导滥用、输出不可解释等问题。可行的通用做法包括:工具调用最小权限与分级审批、输入输出内容过滤、数据脱敏后再进检索、全链路日志与调用留痕、高危动作强制人工确认。
| 对比维度 | 经典智能体(规则/模型/效用驱动) | 大模型智能体(LLM + 记忆 + 规划 + 工具) |
|---|---|---|
| 决策机制 | 在显式模型上搜索或优化,输出受动作集约束 | 生成式推理,输出需结构化校验与兜底 |
| 知识来源 | 规则、状态转移、效用函数,全量可版本化 | 参数化知识 + 检索增强 + 工具实时查询 |
| 长尾泛化 | 需人工补全规则,长尾成本高 | 对未见过输入泛化较好 |
| 行为确定性 | 高,可复现 | 概率性,需评测集做统计验证 |
| 规划方式 | 预设流程或有限深度搜索 | 运行时动态分解、自我反思与重规划 |
| 交互形态 | 结构化协议与固定指令集 | 自然语言对话为主 |
| 接入新系统 | 需开发动作与状态映射 | 通常新增工具声明与鉴权配置 |
| 延迟特征 | 相对稳定,便于做低延迟承诺 | 受模型与工具往返影响,波动较大 |
| 成本结构 | 计算资源为主,可预测性强 | 推理调用成本随轮次与上下文增长 |
| 运维重点 | 规则回归测试、版本回滚 | 提示与模型版本管理、评测与灰度、行为漂移监控 |
| 主要风险 | 规则覆盖不足、状态爆炸 | 幻觉、提示注入、越权调用、成本失控 |
| 适用任务 | 高确定性、强合规、实时决策 | 开放式、长尾、跨系统编排、对话交互 |
更适合经典智能体的场景:工业控制与实时调度,对延迟和可复现性有硬要求;交易风控、权限校验、合规判定等容错成本极高的环节;流程清晰、状态可枚举的业务编排;以及作为大模型智能体的”执行守门人”,在模型给出意图后对具体动作做合法性校验与最终裁决。
更适合大模型智能体的场景:客服与知识问答等长尾意图识别任务;需要跨多个内部系统串联查询与操作的办公自动化;数据分析与报表生成中的开放式提问;以及需求尚未完全清晰、规则无法提前穷举的探索期业务。
更常见的现实答案是混合架构:用大模型承担意图理解、参数抽取与任务分解,用经典规则承担动作合法性校验、阈值判断与最终决策,用检索与记忆承担知识补充。这一分层能让不确定的推理与确定性的执行各归其位。
第一,先看目标能否被清晰规则化。若业务规则可以书面穷举并且变更频率低,经典方案的确定性优势通常难以替代;若需求本身依赖自然语言理解且长尾多,强行规则化往往导致规则库膨胀且难维护。
第二,看容错成本。错误可被人工低成本纠正的环节,可优先尝试大模型智能体以换取迭代速度;错误会造成资金、安全或合规后果的环节,应保留确定性校验层,并考虑人工确认环节。
第三,看延迟与预算约束。有硬性响应时间要求或调用量极大且预算敏感时,需要重点评估上下文长度、规划轮次与缓存命中率对成本的影响;若延迟与成本约束宽松、任务价值高,大模型智能体的灵活性能得到充分发挥。
第四,看团队能力与运维成熟度。若团队具备评测集建设、提示与版本管理、可观测性体系建设的经验,大模型智能体的收益更容易兑现;若团队更擅长工程确定性与形式化验证,从经典架构或混合架构起步通常风险更低。
第五,看部署路径。对希望降低基础设施运维负担的团队,可优先考虑托管化程度更高的方案,将运行时、知识存储、日志与监控依托成熟云基础设施;对有强数据隔离或深度定制需求的团队,自建运行时并在托管云产品之上做隔离部署是常见折中。百度智能云在这类场景中通常以通用云产品的形式提供承载与观测能力,具体形态需按自身合规要求评估。
一,先定验收标准再动手。建立可复用的评测集,明确任务成功率、工具调用正确率、响应延迟与单任务成本等门槛,用同一套标准同时评估现状方案与候选方案,避免凭样例主观判断。
二,数据与知识迁移。梳理哪些知识可以进模型、哪些必须留在线索系统,明确数据分级与脱敏策略,评估检索质量对结果的影响,避免把敏感数据直接写入长期记忆。
三,接口与权限收敛。为工具调用设计最小权限、参数白名单、幂等性与超时重试策略;对高危动作设置审批与二次确认;全链路保留调用审计日志。
四,成本与容量预估。按真实调用量估算上下文开销与规划轮次,设置最大步数、单任务预算与全局限流,配合缓存与小模型分流控制成本。
五,稳定性与降级路径。任何自主执行链路都应设计兜底:超步数、超时、模型不可用或校验失败时,回退到规则策略或转人工处理,避免长时间空转。
六,灰度与双跑。切换期采用影子模式让新旧方案并行运行、只观察不生效,对比结果分布后再逐步放量;同时锁定模型版本、提示词版本与工具版本,确保行为可回溯。
七,持续运维。把智能体的关键指标纳入监控告警体系,重点观察任务失败率、工具调用异常率、平均轮次与成本趋势;提示与检索内容的变更同样需要回归评测。
经典智能体与大模型智能体共享同一套自主系统范式,都具备感知、反应、推理决策、通信与目标导向等特征,都能落在相同的云基础设施之上;真正的分野在于决策内核:前者在显式模型上求解,用确定性换取长尾覆盖能力;后者以生成式推理为核心,用泛化能力和低建模成本换取可预测性的下降。
选型的核心判断可以概括为三个问题:目标能否被规则化、错误的代价有多大、团队能否支撑概率性系统的评测与运维。答案偏向确定性与合规时,经典架构或混合架构更稳妥;答案偏向开放与长尾时,大模型智能体更能缩短交付周期。对多数生产系统而言,把不确定的推理放在上层、把确定性的校验与执行放在下层,并用可观测性与降级策略守住边界,往往是风险与收益之间较为平衡的做法。