代理性与自主性：厘清代理型人工智能中的两个核心概念

最近，人们越来越关注对智能体AI的理解，而深入研究AI智能体的工作原理时会遇到两个乍看之下似乎可以互换的术语：

能动性

自主性

初步看来，这两个概念容易混淆。能动性被定义为系统采取行动、做出决策并追求目标的能力；而自主性则紧接着被定义为智能体利用自身掌握的信息和资源自行找到实现目标的方法，无需人类为它一步步指导的能力。

这就引发了困惑：既然能动性已经涵盖了决策与行动，自主性也涉及决策与行动，那么为看似相同的行为设置两个独立的标签究竟有何意义？

一旦理清了这些概念，最初的困惑便转化成了宝贵的学习机会。

首先，我需要将两者区分开来

解决的办法是用更通俗的语言重新表述每个术语。

对于能动性，问题可以表述为：

系统能否自行决定并朝着目标采取行动？

对于自主性，问题则可以表述为：

在没有人类指导的情况下，系统能在多大程度上独立做出决策并执行它们？

这就是缺失的环节。能动性关乎是否具备行动与决策的能力，而自主性则涉及系统在运用这种能力时拥有多大的自由度。如此界定之后，这两个概念便不再重叠，而是开始描述同一系统的不同维度。

代理可以具备能动性而不一定拥有完全的自主性

通过一个例子可以更具体地说明这一点。假设某个人工智能代理接到了一个目标：

Resolve a customer's payment issue.

该代理会评估形势并进行推理：

I should check the payment status.

接着：

I should retry the failed transaction.

然后：

I should notify the customer.

在这里，系统正在判断哪些行动是合理的。这个推理过程就是能动性。

现在想象同一个代理在每采取一个行动之前都必须暂停并进行检查：

Agent:
"I want to check the payment system."

Human:
"Approved."

那么：

Agent:
"I want to retry the transaction."

Human:
"Approved."

代理仍然负责决定下一步要做什么。但人类仍是把关人，在每一步发生之前都会予以批准。因此，该代理拥有能动性，但其自主性却受到严格限制。

现在提升自主性

现在给同一个代理设定一个目标，而非检查清单：

Goal:
Resolve the customer's failed payment.

让它自行完成整个流程：

Inspect payment status
        ↓
Identify the problem
        ↓
Choose the appropriate tool
        ↓
Retry the payment
        ↓
Verify the result
        ↓
Notify the customer

注意缺少了什么：没有类似这样的指令

First do this.
Then do this.
Now call this API.
Now check this.
Now send this.

仅明确了目标。系统利用自己可获取的信息和资源自行决定了行动顺序。就在这一刻，自主性不再是一个抽象概念，而变成了可以实际观察到的东西。

真正的问题不仅仅是：

这个系统能够做出决策吗？

它还涉及：

在做出并执行这些决策时需要多少人工监督？

值得保留的心智模型

在探讨了所有这些定义之后，一个简洁明了的模型浮现出来。

AGENCY

Can I decide and act toward a goal?

还有：

AUTONOMY

How independently can I decide and act
without step-by-step human direction?

就是这些内容。无需在脑海中记住冗长的定义。

能动性 → 能力。

自主性 → 独立性。

如此一来，能动型人工智能看起来就不同了

在达到这一点之前，人们很容易将人工智能应用想象成遵循简单流程的形态：

User asks something
        ↓
Model generates something
        ↓
User receives response

但能动体增加了另一层复杂性。

该系统可能拥有目标。

它可能具备对周围环境的感知能力。

它可能拥有可以使用的工具和资源。

无需有人明确告知每一个中间步骤，它能够自行判断哪些行动是合理的。

这改变了人们对智能体本质的理解：

GOAL
  ↓
Observe available information
  ↓
Decide what to do
  ↓
Use available resources
  ↓
Take action
  ↓
Continue toward the goal

在这种理解下，能动性与自主性各自承担着不同的功能。

能动性指的是系统是否具备决策和行动的能力。

自主性则指的是其在执行任务时拥有多大的独立性。

为何这一区分对工程师很重要

仅知道定义往往不够，还需通过如下问题不断深入探究：

“为什么需要这个术语？”“它与刚才讲过的那个有何不同？”“它在系统中究竟起什么作用？”

“代理”与“自主性”也遵循同样的模式。

最初，人们对它们的认知可能如下所示：

Agency → decision-making
Autonomy → decision-making

???

一旦深入探究它们之间的区别，认知就会变成这样：

Agency
→ capability to decide and act

Autonomy
→ independence in deciding and acting

这样一来，每个概念在人们心理中对这些系统的建模中都会占据独立的定位。

这比仅仅记住两个类似词典的定义要有用得多。

核心要点

理解上的最大转变在于意识到，系统并非在具备决策能力时就立刻变得自主。

实际上有两个独立的问题值得探讨。

系统真的能够为达成目标而做出决策并采取行动吗？

这就是能动性。

此外：

在无需人类指导每一步的情况下，它行使这种能力时拥有多大的独立性？

这就是自主性。

两者之间的差异很微妙。

但一旦理解了这一点，具有能动性的人工智能就不再显得那么抽象。

这正是学习这一领域时最令人欣慰的部分。

会有新的术语出现。

人们会对它提出质疑。

会将其与已有的知识进行对比。

会检测它的弱点。

最终会出现一个足够简单的模型，无需参考原始资料就能向他人解释清楚。

这通常意味着某个概念已经真正被理解了。

“代理能力”指系统是否具备决策与行动的能力，而“自主性”则体现其独立执行任务的程度。

相关阅读

• 代理型AI详解：从语言模型到自主智能体 —— 通过工具、记忆、规划、多智能体架构以及MCP集成，系统地阐述大型语言模型如何演变为代理型系统。
• 理解AI智能体：目标、工具、记忆与智能体循环 —— 以通俗易懂的方式讲解AI智能体与聊天机器人的区别，涵盖核心组件、决策循环、自主性水平以及实际应用场景。