从工作模式来看，AI智能体可以分为单Agent、多Agent、混合Agent（人机交互Agent）三种类型：

单Agent：这种代理侧重于执行单一任务或一系列相关任务，且不需要与其他智能体进行交互。单个代理可以根据任务执行不同的操作，如需求分析、项目读取、代码生成等。例如手机上的Siri或Google Assistant，你可以要求它设置闹钟、查询天气、播放音乐等，每个请求都是由单个AI代理独立处理的，它根据你的命令执行特定的任务。

图：单代理应用场景的三个层次：任务导向、创新导向、生命周期导向。

多Agent：这种模式侧重于智能体之间的互动（合作或对抗）和信息共享，多个智能体协同工作，相互交流信息，共同完成更复杂的任务或目标。多agent应用场景在软件行业开发、智能生产、企业管理等高度协同的工作中非常有帮助。

图：多代理应用场景的两种交互形式：合作型互动、对抗型互动。

混合Agent：这种模式中，人工智能系统和人类共同参与决策过程，交互合作完成任务，强调的是人机协作的重要性和互补性。智慧医疗、智慧城市等专业领域可以使用混合智能体来完成复杂的专业工作。以智慧医疗为例，医生和AI系统共同进行病情诊断，AI系统可以快速分析病人的医疗记录、影像资料等，提供初步的诊断建议；而医生则可以基于AI的分析结果和自己的专业知识和经验，做出最终的诊断决定。

从决策制定和行为方式的角度看，AI智能体可以分为以下类型：

在大多数环境中，仅靠目标并不足以产生高质量的行为。例如，许多动作序列都能使出租车到达目的地（从而实现目标），但有些动作序列比其他动作序列更快、更安全、更可靠或更便宜。同样是在“路线规划”中，可能会有“地铁优先”“步行最少”“换成少”“时间短”等不同的选项，这些就是用户期望的效用。

还有一些其他的分类，尽管没有出现在《人工智能：现代方法》一书中，但也值得一提：

• 信念（Belief）：Duplex具有对环境的认知，比如理解用户的需求、知道餐厅的开放时间和预约规则。它能够收集和处理信息，形成对当前环境的理解。
• 欲望（Desire）：它基于用户的指令，有明确的目标或欲望，如为用户预订特定日期和时间的餐厅。
• 意图（Intention）：Duplex制定计划和行动步骤来实现这一目标，比如通过电话与餐厅交流，询问可用时间，确认预约细节。
• 复杂的推理和规划：在进行电话预约时，Duplex能够根据对方的回答进行即时的推理，做出合适的响应，并根据对话情况调整其行动计划，以实现用户的预约意图。