本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 将传统 AI 与软件代理和代理人工智能进行比较
<a name="comparison"></a>

下表详细比较了传统 AI、软件代理和代理 AI。


| 特征 | 传统人工智能 | 软件代理 | 代理式人工智能 | 
| --- | --- | --- | --- | 
| 示例 | 垃圾邮件过滤器、图片分类器、推荐引擎 | 聊天机器人、任务调度器、监控代理 | AI 助手、自主开发者代理、多代理 LLM 编排 | 
| 执行模型 | Batch 或同步 | Event-driven 或预定 | 异步、事件驱动和目标驱动 | 
| 自治 | 有限；通常需要人工或外部编排 | 中等；在预定义的范围内独立运行 | 高；使用自适应策略独立行动 | 
| 反应性 | 对输入数据有反应 | 对环境和事件做出反应 | 被动和主动；预测并启动行动 | 
| 积极主动 | 稀有 | 存在于某些系统中 | 核心属性；推动以目标为导向的行为 | 
| Communication | 最小；通常是独立或 API-bound | Inter-agent 或代理人-人工消息 | 丰富的多代理和人机在环互动 | 
| Decision-making | 仅限模型推断（分类、预测等） | 符号推理，或基于规则的决策或脚本式决策 | 情境化、基于目标的动态推理（通常） LLM-enhanced | 
| 委托意图 | 否；执行用户直接定义的任务 | 部分；代表范围有限的用户或系统行事 | 是；根据委派的目标行事，通常跨服务、用户或系统 | 
| 学习和适应 | 通常以模型为中心（例如，机器学习训练） | 有时是自适应的 | 嵌入式学习、记忆或推理（例如，反馈、自我纠正） | 
| 中介机构 | 无；人类工具 | 隐式或基本 | 明确；有目的、目标和自我指导的运作 | 
| 情境感知 | 低；无状态或基于快照 | 中等；某些状态跟踪 | 高；使用内存、情境上下文和环境模型 | 
| 基础设施角色 | 嵌入在应用程序或分析管道中 | 中间件或服务层组件 | 与云、无服务器或边缘系统集成的可组合代理网格 | 

总而言之：
+ 传统的人工智能以工具为中心，功能狭窄。它侧重于预测或分类。
+ 传统的软件代理引入了自主权和基本的通信，但它们通常是受规则约束或静态的。
+ Agentic AI 汇集了自主权、异步性和代理性。它使智能的、以目标为导向的实体能够在复杂的系统中进行推理、行动和适应。这使得代理人工智能成为云原生未来 AI-driven（future）的理想之选。