本节书摘来自华章计算机《人工智能：计算Agent基础》一书中的第1章，第1.3节,作者：（加）David L.Poole,Alan K.Mackworth 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1.3 环境中的Agent
人工智能研究具有实用性的推理：为了完成某项任务或达到某一目的而进行的推理。Agent由感知、推理和行为组成。Agent在环境中进行某种行为，这里的环境也可以包括其他的Agent。一个Agent与其周围的环境统称为一个世界。
例如，被称做机器人的Agent，是由带有物理传感器的计算引擎和制动器组成的，其行为环境是物理环境；再者，能够提供建议的计算机专家系统，能够感知信息以及执行任务；Agent也可以只是存在于纯粹的计算环境中的程序，如软件Agent。
图1-3 图1-3 Agent与环境的交互展示了Agent的输入输出。任何时候，Agent所做的都依赖于以下几个方面：
1) Agent及其环境的先验知识。
2) 与环境的交互历史，其中包括:10
- 当前环境的观察值。
- 先前经验和观察值，或从学习中获得到的其他数据。
3）试图达到的目标或整个世界状态的偏好。
4）它能够执行的最原始动作，即能力。
两个具有相同先验知识、历史、能力和目标的Agent才会产生同样的行为，改变其中任何一个条件都将导致不同的行为结果。
每个Agent都有一些内部状态，能为它的环境及其自身进行编码。Agent可能会有多个要达到的目标，在环境中为达到这些目标而存在多种行为方式，以及通过推理、感知和学习来改变信念的多种方法。纵观所有Agent，从恒温控制器到一组移动机器人，到由人类提供感知和行为的诊断建议系统，再到社会本身，其复杂度各不相同。
