Hello-Agents-Chapter1习题个人解答

[SuzyYin]

Q1
case A：不是智能体。
智能体的定义是：

能够通过传感器（Sensors）感知其所处环境（Environment），并自主地通过执行器（Actuators）采取行动（Action）以达成特定目标的实体。
智能需要具备自主性（Autonomy）。超级计算机只能严格执行预设指令的程序，无法自主决策。

case B：是智能体。是学习型 + 效用驱动 + 模型驱动智能体。其中避障功能属于反射型智能体。

case C：是智能体。是学习型 + 效用驱动 + 目标驱动智能体。

case D：是智能体。是学习型 + 目标驱动 + 效用驱动智能体。

Q2

维度	描述
性能度量(Performance)	用户健身目标达成度，心率安全性、训练执行质量、用户满意度
环境(Environment)	用户设定的运动目标，可穿戴设备监测的实时心率、运动强度，传感器接收到的用户的动作等。
执行器(Actuators)	根据用户目标生成健身计划，根据用户的动作生成语音指导和动作纠正，根据用户的心率评估用户的评估训练效果并生成饮食建议
传感器(Sensors)	解析用户的心率、运动强度、动作数据，读取用户输入的自然语言

环境部分可观测，具有动态性。

Q3
1.

方案	优点	缺点
方案1	可控性强，决策可回溯，便于审计	缺乏灵活性，无法参考用户的历史消费情况，难以识别恶意退款；特殊商品一律拒绝退款，可能难以满足部分用户的需求。维护成本高，高价值产品一律审批，审批流程过长可能造成用户不满意。
方案2	节约人力，可自适应优化，个性化。可以根据用户历史消费情况、商品的退货情况进行个性化的退换政策	误判后造成的损失难以挽回，且难以监测误判情况；审计难；风险敞口大

2. workflow模式适合：规则高度明确、边界清晰；高合规、高审计要求；风险成本高；场景简单且稳定。Agent模式适合：规则无法覆盖灰度场景；有欺诈博弈；数据规模大；追求长期优化。我倾向于采用混合架构，先落地 Workflow，再逐步引入 Agent 作为增强。
3. 用Workflow做强约束，Agent 做决策增强，人工审核作为兜底。

Q4

1. 改为Retrieve Memory → Thought → Action → Observation → Write Memory模式，增加一个prompt_memory用于记录用户偏好。在最初使用时，提醒用户输入自己的偏好（如喜欢历史文化景点、预算范围等），每轮对话结束时，Observation 里只要出现以下信号就写入记忆，如：用户明确表达偏好：“我更喜欢历史文化”；用户明确否定：“不要太贵”；用户对推荐做选择（隐式偏好）：连续接受“博物馆/古迹”类等等。
2. 在 Observation 阶段增加“异常分支”，并把“售罄/不可预订”当成一种结构化事件：Observation: {status: sold_out, item: XXX, time: YYYY-MM-DD}。然后在下一轮 Thought 中触发一个 Fallback Planner（备选生成策略），再 Action 去检索备选。
3. 增加一个 Rejection Counter 写入 Session Memory，并在 Thought 阶段加一个“反思门槛”：
   if reject_count >= 3 → 进入 Reflection 子循环
   把循环升级为带反思的：
   Retrieve → Thought → Action → Observation → (Reflect if needed) → Write

Q5
医疗诊断助手：患者输入主诉（症状、持续时间、既往病史、过敏史等），系统 1 负责自然语言理解、症状模式识别、风险快速评分，系统2负责病因推理验证、禁忌检测、处方输出。
系统1初步识别，识别所有匹配上的症状和可能的疾病，并将结果输入到系统2，系统二通过规则校验排除不符合的病症，确定最终病因，再输出结果。最终通过决策和冲突处理机制，给出诊断。

Q6

1. 智能体的构成结构是：感知 → 决策 → 行动 → 反馈。
   幻觉可能在其中任意一个环节产生。

• 感知不完整：当环境数据缺失或存在噪声时，智能体必须“推断缺失信息”。推断错误时，就会产生幻觉。
• 模型是概率生成器，而非事实检索器：大语言模型的本质是预测“最可能的下一个 token”，当“语言上合理” ≠ “事实真实”时，就会出现幻觉。
• 长链推理中的误差累积：在多步 Thought-Action-Observation 循环中小误差会逐步放大，后续步骤基于错误前提继续推理，形成“逻辑自洽的错误世界”。

2. 可能会导致无限循环。
3. 不够。任务成功率、成本消耗、效率、稳定性等都是度量标准。