AI 智能体详解：从循环中的单个模型，到一支专家团队

AI 智能体（AI agent）是一种借助 AI 模型自主追求目标的软件系统：它读取当前情况，决定下一步，通过网络搜索、代码或 API 等工具采取行动，并在继续之前检查结果。多智能体系统则把这项工作分给多个各有专长的智能体：它们共享各自的发现，在分歧之处相互质疑，再把综合后的答案交给一个负责最终拍板的智能体。

这两句话的定义，涵盖了这个词在 2026 年的大部分含义：从能在整个代码仓库里修复缺陷的编程助手，到动笔写报告前先读完数百个网页的研究工具。但它也掩盖了真正的难点。智能体的成本高于一次聊天回复，耗时更长，而长任务早期的一个小错误，可能会悄无声息地毁掉最终结果。

在 SimianX，我们每天都在构建和运行多智能体系统。在我们的实时分析室里，四个智能体实时分析一只股票或一个加密货币交易对；在深度研究中，一个八智能体委员会围绕单只股票或单个币种展开辩论；公开的加密货币排行榜则为 30 多个 AI 模型平仓的每一笔交易打分。本指南以这套系统为实例，同时中立地介绍定义这一领域的智能体产品与研究。

要点速览

智能体 = 模型 + 工具 + 记忆 + 一个由模型自己掌控的循环。如果每一步都写死在代码里，那就是工作流，而不是智能体。
当任务能拆成相互独立的部分，或者需要各方在互相对照之前先独立形成观点时，多智能体系统才真正有帮助。它们消耗的 token（词元）也要多得多。
大多数智能体的失败源于误差累积、工具不可靠、评估薄弱和成本失控，而不是模型“不够聪明”。
评判一个智能体，要看它在你自己的任务上反复运行的结果：成功率、多次运行的一致性、每完成一项任务的成本，以及它所做一切的完整轨迹。

什么是 AI 智能体？一个实用的定义

这个概念比大语言模型出现得更早。标准的 AI 教科书——斯图尔特·罗素（Stuart Russell）与彼得·诺维格（Peter Norvig）合著的《人工智能：一种现代的方法》——把智能体定义为：任何通过传感器感知环境、并通过执行器作用于环境的事物。恒温器算一个，国际象棋程序也算一个。

2022 年之后的变化在于，语言模型如今可以充当推理核心。模型不再遵循人工编写的规则，而是用自然语言理解情况、写出计划，并选择下一步调用哪个工具。Anthropic 那份被广泛引用的指南《构建有效的智能体》划出了如今大多数工程师采用的界线：工作流是通过预先定义的代码路径来编排模型和工具的系统，而智能体是由模型动态主导自身流程和工具使用的系统。

在实践中，一个现代 AI 智能体由五个部分组成：

一个目标。“修复这个失败的测试”“总结今天推动英伟达股价的因素”“决定是否在这根 15 分钟 K 线上开仓”。
一个模型，围绕目标和当前状态进行推理。
它可以调用的工具：搜索、代码解释器、数据库查询、行情数据 API、浏览器。
记忆或状态：它已经尝试过什么、工具返回了什么、还有什么尚不清楚。
一个带停止规则的循环：它会一直运行，直到目标达成、预算耗尽，或下一步必须由人批准。

去掉循环，你得到的是聊天机器人；把每一步都事先固定，你得到的是工作流。正是这个由模型自己掌控的循环，让它成为智能体。

AI 智能体、聊天机器人与工作流的区别

这三个词经常被混用，部分原因在于“智能体”这个词好卖。Gartner 给“把聊天机器人和机器人流程自动化重新包装成智能体”的做法起了个名字——“智能体洗白”（agent washing），并在 2025 年 6 月估计，在销售智能体 AI 的数千家供应商中，只有约 130 家提供的是真正的智能体。下表是区分三者最快的方法。

聊天机器人	工作流（流水线）	AI 智能体
谁决定下一步	用户，一次一条消息	开发者，在事先写好的代码里	模型，在运行时
是否使用工具	有时，每次回复调用一次	是，按固定顺序	是，按需选择并反复调用
无需新提示能否继续工作	不能	能，沿固定路径	能，直到达成目标或用完预算
典型产出	一个回答	已知流程产生的可预期结果	一项完成的任务：一次代码修改、一份报告、一个决策
成本与速度	便宜，几秒钟	便宜到中等，可预期	更高且不固定，从几秒到几小时不等
典型失败	一个你看得见的错误答案	遇到没人预料到的输入就出错	跑偏、陷入死循环，或在一个早期小错误上继续堆叠
最适合	问答与起草	步骤已知、可重复的流程	路径无法预先写死的开放式任务

同一份 Anthropic 指南里有一条实用的规则：从最简单可行的方案开始，只有当更高的自主性明显改善结果时才增加它。许多被包装成智能体来宣传的任务，用工作流来做会更好、更便宜，也更安全。

SimianX AI AI 智能体循环示意图：围绕目标与模型的感知、规划、行动与反思，以及工具、记忆和护栏 — AI 智能体循环示意图：围绕目标与模型的感知、规划、行动与反思，以及工具、记忆和护栏

AI 智能体如何工作：感知、规划、行动、反思的循环

无论贴着什么品牌标签，每个智能体都在运行这个循环的某种版本。

感知

智能体收集当前情况：用户的目标、上一步行动的结果、某个文件的内容、一页搜索结果、图表上最新的一根 K 线。它所知道的一切都必须装进模型的上下文窗口，所以好的智能体懂得取舍：总结旧步骤，保留之后还会用到的原始数据，其余的全部舍弃。

规划

模型决定下一步做什么。有时这是一份预先写好的完整计划；更多时候，它是在看到上一步结果之后，只选出下一步。影响深远的 ReAct 论文（Yao 等，2022）表明，把简短的推理笔记与行动交替进行，能让模型边收集信息边及时纠偏，并在多项任务上胜过只行动或只推理的基线方法。大多数智能体框架至今仍沿用这一模式。

行动

智能体调用一个工具。现代模型会发出结构化请求，例如“搜索 X”或“用这些参数运行这条查询”，外围软件负责执行并返回结果。如今这套“管道”已经有了标准。模型上下文协议（MCP）由 Anthropic 于 2024 年 11 月推出，并于 2025 年 12 月捐赠给 Linux 基金会旗下的智能体 AI 基金会，它定义了智能体如何连接工具和数据源。Google 的 Agent2Agent 协议（A2A）如今同样是 Linux 基金会的项目，规定了由不同厂商构建的智能体之间如何相互通信。

反思

智能体对照目标检查结果。测试通过了吗？这个数字和第二个来源对得上吗？计划还合理吗？Reflexion（Shinn 等，2023）等研究表明，让智能体写下哪里出了错再重新尝试，能提升它在编程和推理任务上的表现。反思也是智能体决定停下来的环节：因为目标已经达成，因为它卡住了，或者因为有风险的操作需要人来批准。

循环周围是护栏：以 token、时间或金钱计的预算，智能体被允许使用的工具清单，以及必须由人点头放行的关口。放在交易场景里，这至少意味着：仓位大小有上限，每笔交易都设止损，模拟交易与真金白银之间界限分明。

SimianX AI 四种多智能体设计对比：单智能体、编排者加工作者、专家智能体汇报给决策智能体、辩论加裁判 — 四种多智能体设计对比：单智能体、编排者加工作者、专家智能体汇报给决策智能体、辩论加裁判

单智能体与多智能体系统

单智能体独自运行这个循环。多智能体系统则把工作的不同部分交给不同的智能体，每个智能体都有自己的指令、工具和上下文，最后再把它们的产出合并起来。常见的设计有四种：

编排者与工作者。一个主导智能体把任务拆成若干部分，分别派给工作者智能体，再合并结果。研究助手常采用这种方式。
专家汇报给决策者。每个智能体负责一个领域，比如图表、新闻或财务，由最后一个智能体权衡它们的观点。这正是我们实时分析室的结构，下文会详细介绍。
辩论。智能体在裁判作出决定之前，分别就对立立场展开争论。Du 等（2023）发现，多个模型实例经过几轮辩论后，在事实准确性和推理能力上都优于单个模型独自作答。
投票或集成。多个智能体或多个模型各自独立回答同一个问题，然后汇总答案。

支持多智能体系统的证据是真实的，但有前提条件。Anthropic 在 2025 年 6 月报告称，在其多智能体研究系统中，由一个 Claude Opus 4 主导智能体指挥多个 Claude Sonnet 4 子智能体，在其内部研究评测上的表现比单个 Claude Opus 4 智能体高出 90.2%。同一篇文章也坦率交代了代价：智能体消耗的 token 约为一次聊天的四倍，多智能体系统则约为十五倍。文章还指出，大多数编程任务中真正可以并行的部分比研究任务少，因此不太适合这种方式。

单智能体	多智能体系统
搭建与调试	更简单：一个提示词，一条轨迹	更难：多个提示词、多次交接和一条合并后的轨迹
每项任务的成本	较低	往往高出数倍
速度	顺序执行	并行部分完成得更快；协调会带来额外开销
覆盖广度	受限于一个上下文窗口	每个智能体为自己负责的部分获得一个全新的上下文
纠错	必须自己发现错误	智能体之间可以相互质疑，分歧一目了然
典型失败	在错误的第一想法上钻牛角尖	沟通失误、重复劳动或最终合并不力
最适合	紧密耦合的任务，比如大多数编程工作	范围广泛的研究，以及需要独立视角的决策

我们的经验法则是：当你希望各方观点在相互对照之前先独立形成时，就用多个智能体。图表解读不应被新闻智能体刚刚读到的标题所左右，而看空理由应当由一个唯一职责就是找问题的智能体来写。

AI 智能体会在哪里失灵

智能体的失败方式是可以预见的，任何诚实的指南都必须花篇幅讲清楚。2025 年的一项研究《多智能体 LLM 系统为何会失败？》（Cemri 等）标注了来自七个流行多智能体框架的 1,600 多条执行轨迹，归纳出分属三大类的 14 种失败模式：系统设计上的问题、智能体之间的错位，以及对最终结果的验证不足。

误差累积

长任务会把小的错误率成倍放大。如果一项任务的每一步都有 95% 的成功率，且各步相互独立，那么一个 20 步的任务只有约 36% 的成功率（0.95 的 20 次方）。如果每一步的成功率是 99%，同一任务的成功率约为 82%。这就是为什么每一步的可靠性比任何单一步骤的出色表现更重要，也是为什么智能体需要检查点，在下一步建立在错误之上之前把它拦下来。

SimianX AI 折线图：步骤越多，端到端任务成功率越低；20 步时，每步可靠性 99% 对应 82%，95% 对应 36%，90% 对应 12% — 折线图：步骤越多，端到端任务成功率越低；20 步时，每步可靠性 99% 对应 82%，95% 对应 36%，90% 对应 12%

幻觉与误读工具结果

模型可能捏造事实、误读工具返回的结果，或者把过时的数字当作最新数据继续沿用。智能体会让问题更严重，因为一个凭空编造的数值，可能成为下一步行动的输入。解决办法是结构性的：传递原始数据而不是转述，用代码核对关键数字而不是相信模型的算术，并要求每一条重要论断都注明出处。

成本

每走一遍循环就是又一次模型调用，而且上下文会随着任务推进不断增长。一个在演示中看起来很便宜的任务，一旦智能体开始重试、反思和重读，放到生产环境中可能要贵上好几倍。为每项任务设定硬性预算，并衡量完成一项任务的成本，而不是单次调用的成本。

延迟

智能体用速度换质量。聊天回复只需几秒钟；研究型智能体可能要几分钟，而处理一项大型代码修改的编程智能体，运行时间可能长得多。我们自己的八智能体深度研究委员会分析一只股票需要好几分钟，因为智能体们要先研究、辩论、投票，然后才开始撰写。

评估

智能体是非确定性的：同一项任务这次成功，下次可能失败。tau-bench 基准引入了一个名为 pass^k 的指标，即智能体在同一任务的 k 次尝试中全部成功的概率，并发现即便是当时强大的函数调用智能体，在其零售领域里八次尝试全部成功的比例也不到 25%。一次惊艳的运行说明不了什么。SWE-bench（编程）和 OSWorld（计算机操作）等公开基准很有参考价值，但它们并不是你的任务。

安全与权限

会读取网页或邮件的智能体，可能被藏在其中的指令所操纵，这种攻击被称为提示词注入，它在 OWASP 的大语言模型应用风险清单中位列第一。只给智能体完成任务所需的最小权限，让密钥等机密信息远离它的上下文，并要求在任何不可逆的操作（比如转移资金）之前先获得批准。

这些问题会带来实实在在的商业后果。在同一份 2025 年 6 月的新闻稿中，Gartner 预测，到 2027 年底，超过 40% 的智能体 AI 项目将被取消，原因包括成本不断攀升、商业价值不明确以及风险控制不足。

实例：SimianX 的智能体如何分工完成一次交易判断

交易对智能体来说是一场严苛的考验。数据源源不断地涌来，做决定时没人知道正确答案，而每一次判断最终都会由市场来打分。下面是我们的系统如何分工。

实时分析：三个专家智能体加一个决策智能体

当你在实时分析室打开一只美股或一个加密货币交易对并选定时间周期，四个智能体就开始工作。覆盖范围包括 13,000 多只美股和 ETF，以及 4,000 多个加密货币交易对，K 线周期最短可到 1 分钟。

指标智能体解读图表：趋势、动量、支撑与阻力。每出现一根新 K 线，它就运行一次。
情报智能体解读该标的的新闻流，以及预测市场的赔率（如果有的话）。它每隔几分钟刷新一次。
基本面智能体对股票解读监管文件和内部人交易，对币种解读链上数据与衍生品数据。这些数据变化缓慢，所以默认大约每小时刷新一次。
决策智能体在 K 线收盘时权衡另外三个智能体的结论，并给出操作建议：买入、卖出或观望，同时给出入场价、止损价和目标价。

当出现交易机会时，系统会按照这个止损和目标开出一个模拟仓位，并在交易推进过程中解释每一次入场、调整和离场。每个智能体背后使用哪个模型，由你来选。这四个智能体还可以作为自动驾驶仪按计划运行，而情报智能体所依赖的打分新闻流，正是驱动市场脉搏的同一个信息源。

为什么要这样分工？三个专家智能体按不同的节奏运行，把它们分开，就能让图表解读在每根 K 线上刷新，而不必花钱去重读一份根本没有变化的财报。这也让每个智能体的上下文保持精简、聚焦。更重要的是，它让分歧一目了然：当图表显示“突破”、新闻智能体却提示明天就要发布财报时，决策智能体必须正面处理这个冲突，而不是把它平均掉。

SimianX AI SimianX 如何分工完成交易判断：指标、情报和基本面智能体向决策智能体汇报，后者开出模拟仓位，并在排行榜上计分 — SimianX 如何分工完成交易判断：指标、情报和基本面智能体向决策智能体汇报，后者开出模拟仓位，并在排行榜上计分

深度研究：八智能体委员会

想对一只股票或一个币种做更从容、更深入的分析时，深度研究会组建一个由八个智能体组成的委员会。四位分析师并行研究：基本面、图表、新闻，以及第四个席位——对股票而言是择时视角，对加密货币而言则是衍生品分析师。随后，一位看多研究员和一位看空研究员分别为多空双方构建最有力的论证。研究经理主持一场围绕最大分歧的辩论，每位成员在最终投票中重申自己的立场，再由风险经理写出附带经过校验价位的决策。我们的重构后委员会全流程演示逐屏展示了一次完整运行。

这就是研究文献中的辩论模式，被搬进了生产环境。之所以要设看空方，是因为一个全是附和者的分析师委员会，其实只是把同一个观点重复了四遍。

排行榜如何衡量结果

做交易判断的智能体，必须以结果来打分，而不是看它的推理听起来有多令人信服。加密货币排行榜为这些模拟仓位背后的 AI 模型打分，只有已经平仓、并按真实市场价格结算的交易才计入。它目前覆盖来自多家 AI 实验室的 30 多个模型，并从两个维度衡量每一个模型：

胜率：已平仓交易中以盈利结束的比例。
平均 R：以入场时承担的风险为单位来衡量每笔交易的盈利。在 100 做多、止损设在 98，每单位承担的风险是 2；在 104 平仓就是 +2R，完全止损出局则是 −1R。

一个模型只有在当前筛选条件下累计 20 笔已平仓交易后才会参与排名，所以靠几笔走运的交易无法登上榜首；你还可以按时间段、时间周期和多空方向进行筛选。把这两个数字放在一起看很重要：高胜率配低 R，可能掩盖了几笔大额亏损；胜率一般但 R 很高，则可能意味着赢的次数较少，但每次赢得更多。我们在《哪个 AI 模型最会交易？》和《GPT、Gemini 与 Claude 对比指南》中比较过榜单背后的这些模型。

接入你自己的智能体

这套系统同样向外部智能体开放。agent 使用页面介绍了如何为 Claude Code、Codex、Cursor 或其他智能体装上 SimianX 技能和一把 API 密钥，让它能对任意标的启动一次四智能体实时分析、跟踪打分新闻流，或者运行深度研究。你的智能体会拿到一把专属密钥，预算由你来设定。它永远拿不到你的网站登录凭据，它管理的每一个仓位都是模拟仓位。

风险提示：以上内容描述的是生成分析结果和模拟交易的软件。这些内容属于信息，不构成投资建议。AI 模型会犯错，排行榜成绩反映的是过去的交易，不能预测未来回报，任何模型或委员会都无法消除市场风险。切勿仅凭 AI 的一个判断，就拿你输不起的钱去交易。

2026 年的 AI 智能体类型

教科书中的分类

教科书按决策方式给智能体分类，这些类别至今仍有助于理解现代系统：

类型	决策方式	示例
简单反射型智能体	针对当前输入执行固定的“条件—动作”规则	恒温器；价格提醒
基于模型的反射型智能体	规则之外，还对无法直接观察的部分保有内部认知	会记录发件人历史的垃圾邮件过滤器
基于目标的智能体	搜索能达成既定目标的行动	路线规划工具
基于效用的智能体	选择预期权衡最优的行动	权衡收益与风险的交易智能体
学习型智能体	根据反馈改进自身行为	根据点击不断更新的推荐系统

语言模型智能体是这些类型的混合体：就所追求的东西而言，它们是基于目标的；在权衡选项时，它们是基于效用的；它们还会在任务过程中通过反思结果来学习。

产品类别

按实际用途划分，2026 年人们使用的智能体大致可分为五大类。这里提到的产品仅为示例，并非推荐，而且它们的能力变化很快。

编程智能体。AI 编程智能体会读取代码仓库、编辑文件、运行测试并提出修改方案，通常以拉取请求（pull request）的形式提交。例子包括 Anthropic 的 Claude Code、OpenAI 的 Codex、GitHub Copilot 中的编程智能体、Cursor 以及 Cognition 的 Devin。人们通常用 SWE-bench 来比较它们，这一基准要求智能体解决开源项目中的真实问题。METR 的研究表明，前沿智能体能以 50% 可靠性完成的软件任务长度，自 2019 年以来大约每七个月翻一番。

研究智能体。它们搜索网络或文档库，阅读大量来源，并撰写附带引用的报告。Google 于 2024 年 12 月推出 Gemini Deep Research，OpenAI 于 2025 年 2 月在 ChatGPT 中推出深度研究（deep research）。它们的弱点在于来源质量：一份写得漂亮的报告，依然可能建立在糟糕的来源之上。

浏览器与计算机操作智能体。它们通过观察屏幕、点击和打字来操作浏览器乃至整个桌面。Anthropic 于 2024 年 10 月发布了计算机操作（computer use）功能。OpenAI 于 2025 年 1 月推出的 Operator，已在 2025 年 7 月并入 ChatGPT agent；Google 则有 Project Mariner。它们比通过 API 工作的智能体更慢、也更不可靠，因此通常只用于不提供 API 的网站。

通用智能体。它们接受一个宽泛的目标，综合运用浏览、代码和文件来完成它。2025 年 3 月推出的 Manus 是其中最知名的例子。Meta 于 2025 年 12 月同意收购该公司；2026 年 4 月，中国国家发展和改革委员会责令撤销这笔交易。

交易与市场分析智能体。它们读取行情数据、新闻和监管文件，生成交易计划或管理仓位。TradingAgents（Xiao 等，2024）等学术框架模拟了一家交易公司，设有分析师、研究员、交易员和风险管理等角色；SimianX 等产品则在实时数据上运行类似的委员会。市场充满对抗与噪音，因此在这一类别中，公开、可逐笔查验的交易记录最为重要。

如何评估一个 AI 智能体：检查清单

无论你是在挑选编程智能体、研究工具还是交易助手，都可以用同一组问题，把真正有用的智能体和演示品区分开来。

问题	好的表现	危险信号
它真的是智能体吗？	自己选择步骤和工具	贴着“智能体”标签的固定脚本
它能处理你的任务吗？	用你工作中的 10–20 个真实任务测试过	只有厂商演示和基准分数
它稳定吗？	同一任务运行多次，结果相近	一次惊艳，之后接连失败
完成一项任务要花多少钱？	每项完成任务的成本有统计、有上限	只报单次调用的价格
需要多长时间？	速度与任务相称	为一句话的答案等上好几分钟
你能看到它做了什么吗？	步骤、工具调用和来源的完整轨迹	只有最终答案，没有任何留痕
它能接触到什么？	最小权限、沙盒或模拟模式，不可逆操作需要批准	权限宽泛的凭据，没有审批环节
它怎么停下来？	预算、步数上限和明确的停止规则	一直循环，直到有人发现
它的数据有多新？	每个数据点都有时间戳	把过时的数字当作最新数据呈现
交易智能体：业绩记录如何？	按真实价格结算的已平仓交易，标明样本量，同时给出胜率和经风险调整的收益	只有回测，或只有胜率却没有交易笔数

常见问题

用简单的话说，什么是 AI 智能体？

AI 智能体是一种借助 AI 模型自行达成目标的程序。它观察情况，决定下一步，用搜索或代码等工具去执行，检查结果，然后不断重复，直到任务完成或需要人来介入。

AI 智能体和聊天机器人有什么区别？

聊天机器人一次回答一条消息，然后等着你。智能体会跨越许多步骤持续朝目标推进，自己选择使用哪些工具，并且无需每一步都给新的提示，就能完成一项任务，比如修复代码或撰写一份报告。

什么是多智能体系统？

多智能体系统是由一组角色不同的 AI 智能体共同处理同一项任务。它们可能分工协作、就对立观点展开辩论或者投票，再由最后一个智能体或一条固定规则合并它们的产出。在范围广泛的任务上，它们往往胜过单个智能体，但成本要高得多。

什么是 AI 编程智能体？

AI 编程智能体在软件项目内部工作：读代码、改文件、跑测试并提出修改。例子包括 Claude Code、OpenAI Codex、GitHub Copilot 中的编程智能体、Cursor 和 Devin。

Manus AI 是什么？

Manus 是一款于 2025 年 3 月推出的通用 AI 智能体，它接受一个宽泛的目标，并利用浏览、代码和文件来完成。Meta 于 2025 年 12 月同意收购该公司，而在 2026 年 4 月，中国监管机构责令撤销了这笔交易。

AI 智能体能交易股票或加密货币吗？

它们能分析市场、管理仓位，包括 SimianX 在内的一些产品允许智能体运行带止损和目标价的模拟仓位。不同模型、不同市场的结果差异很大，所以评判任何交易智能体都要看它的已平仓交易记录，并把它的输出当作信息，而不是投资建议。

怎样把我自己的 AI 智能体接入实时行情分析？

SimianX 的 agent 使用页面介绍了如何在 Claude Code、Codex、Cursor 等智能体中安装 SimianX 技能。你的智能体会获得一把专属的 API 密钥，预算由你掌控；它可以启动实时多智能体分析、跟踪打分新闻流并运行深度研究。

什么是 AI 智能体？一文看懂多智能体系统原理、类型与交易实例