AI Agent的分级框架

描述：

基于预设规则或条件直接响应环境，无复杂推理。

特点：

• 感知环境并立即行动。
• 无记忆、无规划，行为单一。

例子：

• 自动回复邮件的规则（如"收到后回复'感谢'"）。
• 智能家居的温控器（温度低于X时加热）。

与自动驾驶对比：

类似L1（如自适应巡航控制，仅单一功能自动化）。

描述：

具备简单的环境模型，能根据上下文调整行为，但仍以反应为主。

特点：

• 有短期记忆或状态感知。
• 决策基于规则或简单模型，无长期规划。

例子：

• 智能客服机器人（根据对话历史选择回复）。
• 扫地机器人（遇到障碍物调整路径）。

与自动驾驶对比：

类似L2（如部分自动化，需人类监督）。

描述：

能够理解目标并规划行动，具备一定自主性，但依赖明确指令。

特点：

• 可拆解任务并执行多步骤操作。
• 决策基于目标，但适应性有限。
• 通常需人类提供具体目标或边界条件。

例子：

• AutoGPT（接到任务后自主调用工具完成）。
• 导航软件（规划最优路线并实时调整）。

与自动驾驶对比：

类似L3（如有条件自动化，可在特定场景接管，但需人类随时介入）。

描述：

在复杂环境中优化多目标决策，具备较强的适应性和自主性。

特点：

• 可权衡不同选项，选择最优解。
• 能处理模糊指令或多变量任务。
• 在特定领域内接近人类水平。

例子：

• Manus（自主完成复杂任务，如筛选简历并生成报告）。
• 高级推荐系统（综合用户偏好、时间、库存等多因素）。

与自动驾驶对比：

类似L4（如高度自动化，仅在极端情况需人类接管）。

描述：

在开放环境中完全自主运作，无需人类干预，接近或超越人类智能。

特点：

• 自我定义目标并长期优化。
• 跨领域通用，适应未知环境。
• 具备学习、推理和创造能力。