---

何为 Agent：1995 年的双层锚定与三层视角

一个词，四个社区，各说各话

1995 年，想在任何一场计算机科学会议上挑起争论，只需要问一句：“什么是 Agent？”

软件工程师会说，Agent 是“自包含的、并发执行、通过消息传递通信的软件进程”，不过是并发编程范式的自然发展 ^{genesereth1994 agha1993}。AI 研究者会摇头：Agent 是“用心智概念（知识、信念、意图、义务）来概念化或实现的系统” ^shoham1993。分布式系统社区说它是自治的网络节点；连用户界面领域也凑热闹：一个带动画面孔的程序也敢自称 Agent。

同一个词，至少四种含义，彼此不通约。这就是 Michael Wooldridge 和 Nicholas Jennings 动笔时面对的局面。两人发表在《The Knowledge Engineering Review》上的综述有 38 页，标题朴素得像教材章节（”Intelligent Agents: Theory and Practice”），但它做的事情远比综述重要：不再追问统一的定义，而是给混乱的概念提供一个双层锚定（弱概念 + 强概念）和一个三层视角（理论-架构-语言），这个框架至今仍在被使用 ^wj1995。

W&J 的真实难题是如何把互不相容的回答组织成一个可讨论的框架；“Agent 是什么”这个问题，太多人回答过了。开篇的措辞很委婉：”The concept of an agent has become important in both Artificial Intelligence (AI) and mainstream computer science” ^wj1995，但论文的组织方式暴露了实情：他们不得不同时在硬件层、软件层、AI 层、分布式系统层给出定义。

弱概念：四条只要”看起来”成立的性质

W&J 的解法极其简洁：承认存在两个层次的定义，让它们并存。第一层是弱概念（weak notion），行为层面的描述性定义。Agent 是“享有以下性质的硬件或（更常见的）软件计算机系统” ^wj1995：

• 自主性（autonomy）：”agents operate without the direct intervention of humans or others, and have some kind of control over their actions and internal state”
• 社会性（social ability）：”agents interact with other agents (and possibly humans) via some kind of agent-communication language”
• 反应性（reactivity）：”agents perceive their environment … and respond in a timely fashion to changes that occur in it”
• 主动性（pro-activeness）：”agents do not simply act in response to their environment, they are able to exhibit goal-directed behaviour by taking the initiative”

勘误注记：四性质在原文中明确标注为“弱概念”（A Weak Notion of Agency），同页并列的还有基于心智状态的“强概念”（A Stronger Notion of Agency）。引用四性质时宜注明层次：它们是 Agent 的“弱概念定义”，不宜径直称作“定义”。

弱概念的妙处在于不预设任何内部结构：一个系统“看起来”具有四性质即可，无论内部是模态逻辑推理机、神经网络还是 if-else 规则。这四条还有个工程上的好处：每一条都能写成可运行的检验。我们在复现仓库（../agent-properties-reproduction/，纯 Python 标准库）里搭了最小验证框架，逐一过堂。

自主性：无人干预，自行运转

检验方式是：给 Agent 信念、目标和计划，然后只给时间步，不给指令。

agent.add_belief("task_available")
agent.add_goal("complete_task")
agent.add_plan("complete_task", ["select_subtask", "execute", "report"])
for t in range(5):
    agent.step()

五个时间步没有任何外部命令，Agent 自行依次执行了 select_subtask、execute、report 三步，has_acted_independently 置为 True。行动由自身目标而非调用流驱动——这就是“对自身行动和内部状态有某种控制”的最小形态，传统程序做不到这一点。2026 年 Dochkina 的实证还表明，这类自主行为可以从简单交互规则中涌现，不必显式编程（见第 10 篇）。

社会性：用通信语言协作

社会性要求的不只是消息传递，而是理解和使用结构化通信协议。框架里 Message 分 inform、request、ack 三类。当 Agent 有目标却没有计划时，它会向同伴求援：

msg = Message(self.name, target.name, goal, "request")
self.env.send_message(msg)
self._pending_requests.add(goal)

实验里 A1 有目标 get_data_from_a2 却无计划；A2 有信念 data_ready 和计划 provide_data。A1 发出 request，A2 激活计划，执行到 send 步时回传一条 inform，最终消息交换 2 次，任务完成。请求与告知的一个往返，就是社会性的最小实例；第 4 篇合同网的招标-投标-授标机制，全部建立在这条性质之上。

反应性：环境变了就及时响应

反应性的关键词是“及时”：不仅要响应，还要在适当时间内响应。检验方式是让环境在某个时刻突变，看 Agent 下一步做什么。

agent.add_plan("respond_to_alarm", ["evacuate"])
agent.step()                      # 变化前
env.set_condition("alarm_active") # 环境变化
agent.step()                      # 变化后

变化前行动数为 0；设置 alarm_active 后，下一步立即执行 evacuate，行动数变为 1，has_responded_to('alarm_active') 返回 True。对接逻辑在 _check_reactivity：环境条件的关键词出现在计划名中即触发。0 与 1 的对比，就是“及时响应”的可观察证据。

主动性：没人催，自己干

主动性是 Agent 与恒温器这类纯反应系统的分界线：不只应答环境，还主动展现目标导向行为。检验方式恰好是反应性的反面：环境从头到尾不变。

agent.add_goal("improve_efficiency")
agent.add_plan("improve_efficiency", ["analyze", "optimize"])
for t in range(5):
    agent.step()                      # 环境始终无变化

五个时间步、零环境变化，Agent 主动执行了 analyze 和 optimize 两步，主动行动数为 2。这些行动全部出自对自身目标的追求，并非对刺激的应答，这正是 “taking the initiative” 的字面意思。

四性质之间的张力

四性质并非各自独立：反应性要求“及时响应”，主动性要求“坚持目标”——环境突变时，Agent 是放下目标去响应，还是无视变化继续推进？这个张力直接导致了架构层三分的出现，后文会回到它。

强概念：心智状态入场，麻烦也开始

弱概念四条全部验证通过，那 W&J 为什么还要第二层？因为“看起来像 Agent”不等于“是 Agent”。强概念（stronger notion）在四性质之上再加一层约束：

“a computer system that, in addition to having the properties identified above, is either conceptualised or implemented using concepts that are more usually applied to humans” ^wj1995

翻译过来：用知识、信念、意图、义务这些通常只适用于人类的心智概念来概念化或实现的系统 ^shoham1993。W&J 观察到，强概念的支持者“主要是那些在 AI 领域工作的研究者” ^wj1995；也有人走得更远，考虑带情感的 Agent ^bates1994——但 W&J 指出，用心智状态设计 Agent 并非“无意义的拟人化”（pointless anthropomorphism）。

那么强概念能否像弱概念一样被实验验证？我们在同一框架里做了一个判定实验，结果失败了——而且很有教益。给 Agent 两条信念，计算信念库的全部逻辑后承：

consequences = set(self.beliefs)
changed = True
while changed:
    changed = False
    for belief in list(consequences):
        if "_implies_" in belief:
            antecedent, consequent = belief.split("_implies_")
            if antecedent in consequences and consequent not in consequences:
                consequences.add(consequent)
                changed = True

信念库是 {‘P’, ‘P_implies_Q’}，闭包却是 {‘P’, ‘Q’, ‘P_implies_Q’}，后承数量从 2 涨到 3——Agent 被“推出”知道了 Q，尽管它从未显式考虑过 Q。这就是可能世界语义著名的逻辑全知问题（logical omniscience）：一旦用模态逻辑形式化信念，Agent 就必然“知道”其所有信念的所有逻辑后承。弱概念与强概念的判定差异在此显形：前者的四性质可以逐条行为验证；后者撞上的第一块礁石，就是它自己的形式化工具。

“概念化或实现”——两条途径。 定义中的析取词 “either conceptualised or implemented” 是关键结构：软途径只要求用心智概念描述系统，心智状态是理论层面的描述与预测词汇；硬途径要求心智状态作为内部结构存在，即实现层面的数据结构或语言原语。BDI 逻辑框架走软途径（信念、意图是模态算子）；AGENT0 走硬途径的极端（心智状态直接成为语言原语）；dMARS 的意图栈是硬途径的工程温和版，尽管 AgentSpeak(L) 后来承认这只是设计者“外部归因”的诠释标签（见第 2 篇）。两条途径的分离预示了结尾的判断：软途径优雅但撞上逻辑全知，硬途径可运行但语义对应从未被证明。

词汇不等于状态。 使用心智词汇不等于满足强概念：ELIZA 也可以说“我相信你今天不开心”，但这些词不参与任何推理约束，删掉它们行为不变。强概念的实质是心智状态作为受理性约束的实体进入系统的描述或实现——信念须满足一致性；不相信不可能之事能成为目标；意图在相信已达成或不可能之前不放弃（C&L 的 PGOAL 放弃条件，见第 1 篇）；意图之间须相互协调。这正是 C&L 标题中 “rational balance” 的含义。也是在这个意义上，在 system prompt 里写“你有信念和意图”不构成强概念：那些词不约束任何后续生成。

意向立场的合法性。 强概念的哲学底座是 Dennett 的意向立场 ^dennett1987：在物理立场和设计立场之外，把系统当作理性行动者，用信念和愿望预测其行为。意向立场对任何系统都可以采用（恒温器也能被归因为“想保持温度”），真正的问题是它何时不可替代。Dennett 的标准是预测经济性：当系统复杂到物理立场和设计立场在计算上不可行时，意向立场成为合法且不可避免的描述层。强概念因此隐含一个承诺：用信念与意图的互动预测这个系统，比逐行追踪代码更经济。这也解释了为什么强概念支持者集中在 AI 界：只有足够复杂的系统才需要这条描述路径。

三层视角：理论、架构与语言

双层定义回答了“Agent 是什么”，W&J 还需要回答“如何研究和构建 Agent”：

“we identify three key issues, and structure our survey around these” ^wj1995

理论层关注”essentially specifications”：如何概念化 Agent，形式化地表示和推理其性质；架构层关注”the move from specification to implementation”：构造满足理论性质的系统；语言层关注”programming languages that may embody the various principles proposed by theorists”：用什么原语编程 Agent。W&J 坦承三层界限”somewhat dubious”，但其价值不在精确分类，而在提供一张从规格到实现到工具的路线图。整个框架可以这样画：

图里最关键的连线，是“主动性”与“心智状态”同时汇入三层视角——弱概念内部的张力与强概念的形式化需求，共同把研究推向了分层视角。

理论层的技术栈是一条清晰路径：意向立场 → 信息/赞成态度二分 → 模态逻辑 + 可能世界语义 → 逻辑全知问题及三种补救。心智状态先被二分：信息态度（信念、知识，对世界的认知）与赞成态度（愿望、目标、意图，对世界的要求）；信念用模态算子表示，“Agent 相信 φ”当且仅当 φ 在所有它认为可能的世界中为真。然后，就撞上了实验里已经见过的那块礁石。W&J 讨论的三种补救 ^wj1995：Levesque 区分显式/隐式信念，Agent 只对显式信念闭包负责 ^levesque1984；Konolige 用局部演绎闭包替代全局闭包 ^konolige1986；元语言方法直接引用 Agent 的语法状态。共同思路是承认推理能力有限，与后来 BDI 架构的“资源有限理性”一脉相承。理论层的两个核心实例，正是本系列前两篇的主角：

W&J 在理论层第 2.6 节专门讨论了 Cohen & Levesque 的工作，将其列为“Agent 理论”的核心实例 ^cl1990。C&L 的意图形式化试图回答的问题是：强概念中的“意图”应该被如何形式化？他们的回答——意图是对未来行动的承诺，且承诺意味着不轻易放弃——直接为后续的 BDI 架构提供了理论基础。

Rao & Georgeff 的 BDI 形式化是 W&J 强概念的工程实现。W&J 在理论层和架构层都讨论了 R&G 的工作——理论层将 BDI 逻辑列为 Agent 理论的核心实例，架构层将 PRS（R&G 的工程实现）列为混合分层架构的代表 ^{rg1995 georgeff1987}。R&G 的贡献在于：他们不仅在理论层形式化了 BDI，还在架构层实现了 PRS——这是少数跨越了 W&J“理论-架构”鸿沟的工作。

架构层的三分已成为 Agent 架构研究的标准分类 ^wj1995：

审慎式架构继承经典 AI 的符号推理传统：维护显式世界模型，靠规划和手段-目的推理决定行动，代表是 IRMA（Bratman, Israel & Pollack ^bratman1988）、HOMER 和 GRATE*——其中 IRMA 是 Bratman 实践推理哲学的直接工程化。它内含一个“手段-目的分析器”（means-end analyser），与阶段二的 MYCIN 在“显式知识库 + 符号推理”上结构同构。反应式架构反其道而行：不建世界模型、不规划，行为由感知-行动规则直接驱动：Brooks 包容架构 ^brooks1986、PENGI、情境自动机，核心主张是智能不需要内部世界模型。混合分层架构两者兼取：底层快速反应、中层目标驱动、顶层规划，代表是 PRS ^georgeff1987、TOURINGMACHINES 和 INTERRAP。

勘误注记：“手段-目的推理”并非 W&J 本文的通用术语，而是 W&J 在描述 IRMA 架构时引用 Bratman 等人的 means-end analyser 组件时的用语。引用时宜注明出处。

勘误注记：W&J 的架构层三分（审慎式/反应式/混合分层）在原文中逐字验证。但 PRS 的具体分类需注意：在 W&J 论文的目录结构中，PRS 出现在”Hybrid Architectures”节下；但 PRS 的计划库驱动机制与审慎式架构有显著的结构相似性，这也是不同综述对 PRS 分类不一致的原因。

语言层三类语言的设计哲学截然不同。AGENT0/PLACA 从理论出发，让编程语言直接体现模态逻辑；Concurrent MetateM 从规约出发——Agent 由时序逻辑公式直接规约，前件触发后件对应的行动，规约即程序，消除了规约与实现的缝隙 ^fisher1994；TELESCRIPT 从应用出发，用“远程编程”让 Agent 自主迁移到远程主机执行，是四性质的工业级实例化：自主性是远程独立运行，社会性是 Agent 间通信，反应性是对远程环境的感知响应，主动性是主动发起迁移与执行 ^white1994。这个谱系暗示了一个困难：AGENT0 有理论但工程化不足，TELESCRIPT 有工程但理论不足。

Shoham 的 AOP：让心智状态成为语言原语

W&J 的强概念明确归因于 Shoham 1993 的 Agent-Oriented Programming（AOP）范式 ^shoham1993。Shoham 的核心思想是：不仅用心智概念描述 Agent（理论层的事），而且用心智概念作为编程语言的原语来构建 Agent（语言层的事）。在 AGENT0 语言中，Agent 的程序直接包含信念、承诺和能力的声明与规则；Agent 之间通过基于言语行为理论的结构化消息通信，消息类型包括告知、请求、提供。

W&J 对此的评价是技术性的：AGENT0 的逻辑组件是一个量化多模态逻辑，允许直接引用时间，包含信念、承诺和能力三个模态词，但没有给出形式语义 ^wj1995。“没有形式语义”这五个字预示了全文的重要主题：强概念的理论很优雅，但从理论到可运行代码的距离，远比人们想象的要远。

把四性质装进一个 step：可操作化验证的集成

单性质验证之后的问题是：四性质能否在同一个 Agent 里共存？MinimalAgent 给出肯定回答。框架只有三个模块：Message（通信单位）、Environment（注册表、环境条件、消息投递）、MinimalAgent（信念库、目标库、计划库、收件箱）。四性质集成的核心是 step 方法，每步的执行顺序本身就是一次架构决策：

def step(self):
    # 1. 处理收到的消息（社会性）
    self._process_messages()
    # 2. 检查环境变化并响应（反应性）
    reacted = self._check_reactivity()
    # 3. 无反应性需求时，主动追求目标（主动性/自主性）
    if not reacted:
        self._pursue_goals()
    # 4. 投递本步发送的消息
    self.env.deliver_messages()

一步之内的流转如下图所示。

注意第 2、3 步的结构：反应性优先于主动性，但两者在同一个 step 中共存——这正是架构层三分中“混合分层”思想在一个函数里的投影，四性质的张力被一个 if 语句就地仲裁。这个框架证明了弱概念的可操作化：四性质可以逐条定义、逐条检验，并在一个主循环里集成。但它也诚实地暴露了边界：MinimalAgent 的“信念”只是集合，“意图”只是计划名——代码注释里写着“弱概念层用集合模拟，非真正的模态逻辑”。

作者判断：这个复现框架是弱概念的完整验证，却是强概念的零步推进——四性质全部可观察、可判定，而心智状态的理性约束一条都没有实现。这本身就是 W&J 双层定义最生动的注脚。

三十年后的回响：只有弱概念层的 LLM Agent

W&J 的双层定义在当代 LLM Agent 语境下，可以用 BDI 坐标审视：

维度	W&J 1995	LLM Agent 2026
信念	强概念：心智状态（知识/信念/义务）	参数统计分布 + system prompt
愿望	强概念：意图/目标	用户指令 / task description
意图	强概念：对未来行动的承诺	ReAct 循环的 action 序列
定义层次	弱概念（行为层）vs 强概念（心智层）双层	只有弱概念（行为层），无强概念
自主性	“无人直接干预下运行”	LLM 被动等待 prompt，无自主发起

今天说“LLM 是 Agent”时，用的正是弱概念——LLM 看起来有自主性（ReAct 循环中自行决定下一步）、社会性（用自然语言与其他 Agent 通信）、反应性（响应输入）和主动性（主动发起行动）。但它没有强概念意义上的信念、意图和义务：这些不是内部数据结构，而是外部观察者归因的诠释标签——“信念”是参数统计分布的外部投射，“意图”是 action 序列的事后描述，“义务”根本没有对应物。

这就是 W&J 弱概念留下的 Bar-Hillel 式批评：行为相似不等于机制等价。弱概念允许与 ELIZA 同构的结构复现——一个简单的 if-else 系统也可以“看起来”具有四性质，而内部没有任何心智结构。W&J 用双层定义诚实标注了这一局限，但三十年后，Agent 社区在多数实践中仍然只用弱概念层。强概念层被搁置了，不是因为问题解决了，而是因为太难了。

作者判断：ELIZA 通过关键词匹配”看起来”理解对话，弱概念 Agent 通过行为特征”看起来”自主，LLM 通过流畅语言”看起来”有意图——三层错觉共享同一个结构，而 W&J 的双层定义正是为标出这种结构而生的工具。

补篇 C 会看到 Ciatto 等人 2025 年的工作：把 LLM 放进 BDI 架构充当计划生成模块——三十年来强概念第一次具备自主获取计划的能力，但也把 “believes achieved” 的前提选择难题暴露得更尖锐。而“谁编辑 Agent 的心智状态”（第 9 篇的意图编辑权），W&J 的框架使它可以被精确提出，即使没有给出答案。

影响谱系与诚实的边界

一张表看清 W&J 1995 的影响所及，引证强度分级如下：

影响路径	引证强度	证据
弱概念四性质 → Agent 教材标准定义	强	Wooldridge 2009 教材直接沿用 wooldridge2009
三层视角 → Agent 研究方法论	强	后续综述普遍采用理论-架构-语言三分法
强概念 → Shoham AOP 范式	强	原文直接引用 Shoham 1993 并明确归因 wj1995 shoham1993
架构三分 → Agent 架构分类标准	强	审慎式/反应式/混合分层成为教材标准分类
理论层 → BDI 形式化谱系	中强	论文第 2.6 节专门讨论 C&L 与 R&G cl1990 rg1995
架构层 → PRS/IRMA/INTERRAP 传播	中强	对每个架构的讨论成为后续引用入口
语言层 → AGENT0/Concurrent MetateM 传播	中强	论文是这些语言被广泛认知的重要渠道
弱概念四性质 → FIPA ACL 标准	中	FIPA 引用类似属性，无直接因果链 fipa
弱概念 → 当代 LLM Agent 定义	中	概念传承（行为层定义），无直接引用链
逻辑全知讨论 → 后续认知逻辑研究	中	概念影响，非直接引用

诚实的边界同样要讲清楚。W&J 1995 是一篇综述，不是原创理论：四性质中的任何一个都不是它发明的——自主性、社会性、反应性、主动性此前已被多位研究者分别讨论；IRMA、PRS、Brooks 包容架构、AGENT0、TELESCRIPT 也都是被综述的对象。它的贡献在于整合：把分散的概念整合成一个双层定义和三层视角的框架，使后续研究者能在同一框架内讨论 Agent。

它也没有直接影响到神经网络和深度学习，与符号 Agent 无因果链；没有影响到 Transformer，注意力机制与 Agent 理论无关联；也没有参与当代 LLM 的训练，反向传播与模态逻辑无关联。

而最大的边界是：强概念路线（用模态逻辑形式化心智状态）从未被真正工程化。AGENT0 有理论原型但无工程化版本；Concurrent MetateM 有可执行原型但未广泛使用；TELESCRIPT 有工业实现但与心智状态理论无关。理论与工程之间的鸿沟——这是 W&J 全文暗示但未明言的最大主题。三十年后，当我们用弱概念称呼每一个带工具调用的 LLM 系统时，1995 年留下的那层空着的强概念仍是一份悬而未决的账单：行为可以验证，心智还没有。[作者判断]

---

参考文献

[wj1995]  Wooldridge, M. & Jennings, N. R. (1995). “Intelligent Agents: Theory and Practice.” The Knowledge Engineering Review, 10(2), 115-152. https://www.cs.ox.ac.uk/people/michael.wooldridge/pubs/ker95/ker95-html.html

[shoham1993]  Shoham, Y. (1993). “Agent-oriented programming.” Artificial Intelligence, 60(1), 51-92. https://www.sciencedirect.com/science/article/pii/0004370292900699

[cl1990]  Cohen, P. R. & Levesque, H. J. (1990). “Intention is Choice with Commitment.” Artificial Intelligence, 42, 213-261.

[rg1995]  Rao, A. S. & Georgeff, M. P. (1995). “BDI Agents: From Theory to Practice.” Proc. ICMAS-95.

[bratman1988]  Bratman, M. E., Israel, D. J. & Pollack, M. E. (1988). “Plans and Resource-Bounded Practical Reasoning.” Computational Intelligence, 4, 349-355. https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1467-8640.1988.tb00284.x

[brooks1986]  Brooks, R. A. (1986). “A robust layered control system for a mobile robot.” IEEE Journal on Robotics and Automation, 2(1), 14-23.

[georgeff1987]  Georgeff, M. P. & Lansky, A. L. (1987). “Reactive reasoning and planning.” Proc. AAAI-87.

[fisher1994]  Fisher, M. (1994). “A survey of Concurrent METATEM.” Proc. AMAST-93.

[white1994]  White, J. E. (1994). “Telescript Technology: Mobile Agents.” General Magic, Inc.

[dennett1987]  Dennett, D. C. (1987). The Intentional Stance. MIT Press.

[genesereth1994]  Genesereth, M. R. & Ketchpel, S. P. (1994). “Software Agents.” Communications of the ACM, 37(7).

[agha1993]  Agha, G. A., Hewitt, C., Bishop, J. & et al. (1993). “Foundational issues in concurrent object-oriented programming.” SIGPLAN OOPS Messenger.

[bates1994]  Bates, J. (1994). “The role of emotion in believable agents.” Communications of the ACM, 37(7).

[levesque1984]  Levesque, H. J. (1984). “A logic of implicit and explicit belief.” Proc. AAAI-84.

[konolige1986]  Konolige, K. (1986). A Deduction Model of Belief. Pitman.

[wooldridge2009]  Wooldridge, M. (2009). An Introduction to MultiAgent Systems (2nd ed.). Wiley.

[fipa]  FIPA (Foundation for Intelligent Physical Agents). “FIPA ACL Message Structure Specification.” https://www.fipa.org/repository/message-structure.html

系列导航 · 意图即承诺，智能体即社会——自主性的第一个可计算答案

Agent 考古 意图即承诺，智能体即社会 系列文章	关键词
导读：总览与阅读路线	四条线时间线 · 阶段二衔接 · 阅读路线
意图即带承诺的选择	C&L 1990 · PGOAL · 持续承诺
BDI 从理论到工程	PRS · AgentSpeak · dMARS · 承诺策略
何为 Agent	W&J 弱/强概念 · AOP
合同网	Smith 1980 · 任务招标 · 囚徒困境
三种仲裁	Z&R · PERSUADER · D&M
联合意图部署	STEAM · ARCHON · EV(通信)
智能体如何找到彼此	KQML · FIPA · JADE · MCP/A2A
反应与慎思的和解	TouringMachines · INTERRaP · 门控
意图编辑权	三时空同构 · 编辑权拉锯 · 自止焊接
自组织的实证与治理悖论	Dochkina 2026 · BCG 治理悖论
当 LLM 住进 BDI	Ciatto 2025 · GenAI+BDI · 计划生成