Skip to main content

作为 AI component 的代理（Agents）

注意：本文档是英文原版的自动翻译。

作为 AI component 的代理（Agents）

**代理（Agents）**作为一种 AI component，意味着项目的人工智能层是围绕一个代理框架构建的——这是一个感知输入、做出决策并采取行动的系统，通常带有记忆、工具和目标。当某个 DecAIHub 项目卡片在 AI component 字段中列出与代理相关的值时，它描述的是具体的技术架构：使自主或半自主行为成为可能的运行时、编排层或框架。这不同于 什么是人工智能代理 这一总体概念，也不同于 AI/Agents 类别标签。

简而言之： 代理作为一种组件，意味着项目拥有一个真正的代理框架——而不仅仅是名称里带有"agent"这个标签。

它在 DecAIHub 卡片中的样子

AI component 字段使用规范化的值。与代理相关的条目包括：

  • agentic framework (memory/actions/plugins) —— 一个带有持久记忆、动作能力以及工具/插件集成的代理运行时
  • agent swarm + NL prompt-to-DeFi —— 一个将自然语言提示词转换为 DeFi 操作的多代理系统
  • AI agent platform (workflows/tools/KB) —— 用于构建和部署代理的基础设施，带有工作流编排、工具和知识库
  • AI agents + orchestration —— 协调多个代理以完成复杂任务的系统
  • autonomous trading agent —— 一个基于人工智能驱动的分析独立执行交易策略的代理
  • on-chain AI agent —— 一个其决策或执行可在链上被可验证地记录的代理

每个值都描述了真实的代理架构，而不是产品口号。如果卡片写着 agentic framework (memory/actions/plugins)，就意味着评估者找到了一个具备这些特定能力的代理系统的证据。

代理的谱系

并非每个被称为"agent"的系统都有相同的深度。在实践中，代理的实现落在一个谱系上：

  1. 简单机器人 —— 一个执行固定规则、不涉及任何人工智能模型的脚本。不是 AI component。
  2. 带提示词的聊天机器人 —— 一个位于聊天界面背后的 LLM，每次只回答一个问题。能动性极小。
  3. 带记忆的代理 —— 一个能在多次交互之间保持上下文、并可引用过往对话或数据的 LLM。
  4. 带工具和目标的代理 —— 一个能够调用外部 API、与智能合约交互并追求多步目标的系统。
  5. 自主多代理系统 —— 多个代理相互协调、分派任务，并在最少人工监督下做出集体决策。

DecAIHub 的项目卡片描述了项目的代理组件位于这个谱系上的什么位置。越往右，AI component 的主张就越强——但所需的证据负担也越高。

这个谱系是阅读卡片的指南，而不是一套刚性分类法。一个产品可能结合多种要素（例如记忆加上工具，但又带有大量人工审批）。对验证而言重要的是：有文档记录的行为是否与规范化的 AI component 值相符，以及 Tier-1 工件是否展示出代理循环在实际运作。

需要验证什么

在评估项目卡片中的代理主张时，请关注：

  • 推理能力 —— 该代理是否展现出真正的决策能力，还是在执行预先脚本化的流程？
  • 工具与动作集成 —— 该代理是否与外部系统（DEX、智能合约、API）交互，还是只生成文本？
  • 记忆与上下文 —— 该代理是否在多次会话之间保持状态？它能否引用先前的交互或链上历史？
  • 自主性证据 —— 是否存在日志、交易历史或演示，表明该代理在无人工提示的情况下行动？
  • Tier-1 证据 —— 代码仓库、带文档的代理框架、实时演示，或由代理生成的链上交易轨迹。

关键问题是：该代理是否真正做出决策，还是一个 提示词封装器，将用户输入转发给第三方 LLM 并返回其响应？

作为组件的代理无法证明什么

  • 拥有一个"agent"组件并不能证明自主性。许多所谓的代理需要手动触发，或对每个动作都需要人工审批。
  • 代理这个标签并不能证明决策质量。一个会做决策的代理不一定能做出好的决策。
  • 代理可能是薄封装 —— 这个"agent"是发送给第三方 API 的一个提示词模板，没有内部推理、记忆或工具集成。参见 API wrapper。
  • 一个代理组件并不能证明代币对代理的运作是必要的。
  • 多代理主张需要按比例提供更多证据。一个代理"swarm"必须证明多个代理在协调，而不是一个模型运行多个提示词。

请务必查看项目卡片中的证据表以及 AI reality 标记。

请勿混淆

  • 什么是人工智能代理 解释了代理这一总体概念。本页描述的是代理如何作为一个具体组件出现在 DecAIHub 项目卡片中。
  • AI/Agents 是一个项目类别，在顶层对以代理为核心的项目进行分类。属于另一类别（例如 AI/分析）的项目仍然可以拥有代理组件。
  • 聊天机器人和助理 对提示词作出响应，但缺乏自主性和多步推理。代理则更进一步。
  • 推理 是运行模型的过程。代理在其推理循环中使用推理，但仅有推理并不构成代理。
  • 自动化 遵循预定义规则，没有学习或推理。一个人工智能代理必须展现出基于模型的决策。

常见问题

产品名称中的"agent"一词能保证存在代理类 AI component 吗？

不能。营销语言常常用agent来指代任何自动化工作流。在 DecAIHub 上，AI component 字段应当反映有证据支撑的架构：如规范化值所描述的运行时、工具、记忆或编排。把名称与 Tier-1 证据 以及上述谱系进行对照。

代理组件与 AI/Agents 类别有什么区别？

AI/Agents 类别在高层次上描述项目的主要侧重点。AI component 字段中的agent条目描述的是具体机制（例如 agentic framework 与 on-chain AI agent）。一个项目可以属于另一个类别，但只要存在该机制，仍可列出与代理相关的组件。

一个"swarm"或多代理系统应当提供多少证据？

要比单代理堆栈更多。寻找协调工件：不同的角色、消息传递、任务分派或独立运行时——而不仅仅是对一个模型发出多个提示词。若没有这些，请把多代理主张当作假设，直到文档或演示能够支持它们。

外部参考

另请参阅

No comments to display

Back to top