智能代理人工智能架构的综合调研：推理、规划与实际应用

智能代理人工智能（AI）标志着一种根本范式的转变：从被动的语言模型转向能够进行多步推理、自适应规划、动态工具使用以及持续目标导向行为的自主系统。本综述系统地回顾了智能代理AI的理论基础、架构模式、推理策略以及实际部署。我们考察了当代智能代理框架的核心组件——感知、推理引擎、记忆层次、规划模块和工具接口，涵盖了近期关于基于大型语言模型（LLM）的代理、多代理系统、具身代理以及混合符号-神经方法的文献。本文还分析了包括链式思维（CoT）、思维树（ToT）、ReAct、反思（Reflexion）以及蒙特卡洛树搜索（MCTS）增强规划等先进推理范式，同时探讨了对齐、安全性和可扩展性等新兴挑战。文中调研了软件工程、科学发现、医疗、机器人、企业自动化和教育领域的实际应用，并指出关键的未解决问题。本综述旨在为从事智能代理AI系统设计、评估和部署的研究者与实践者提供参考架构。