# Ambient Agents (环境Agent)

> **知识类型**: 概念专题
> **分类**: Agent架构
> **提出者**: Harrison Chase (LangChain)
> **相关人物**: 姚顺雨 (OpenAI)
> **更新时间**: 2026-03-04
> **版本**: v1.0

---

## 概念定义

### 什么是Ambient Agents

> **"Ambient agents operate on a fundamentally different paradigm"**
> 环境Agent在根本不同的范式上运行

**Ambient Agents (环境Agent)** 是一种新型Agent交互范式，与传统对话式Agent形成对比。它们像"环境"一样存在——持续运行、事件驱动、不需要人类显式触发。

| 特征 | 传统对话Agent | Ambient Agent |
|------|-------------|---------------|
| **触发方式** | 人类发起对话 | 事件驱动，自动触发 |
| **运行模式** | 按需启动，同步响应 | 持续运行，后台监听 |
| **交互形式** | 对话框/聊天界面 | Agent Inbox/消息队列 |
| **并行能力** | 单一会话 | 数千个并行实例 |
| **延迟要求** | 低延迟（秒级） | 宽松延迟（分钟到小时） |
| **任务复杂度** | 简单、即时 | 复杂、长时间运行 |

---

## 四大核心特征

### 1. Event-driven (事件驱动)

```
传统Agent: 用户说话 → Agent响应
Ambient Agent: 事件发生 → Agent行动
```

| 事件类型 | 示例 |
|----------|------|
| **时间事件** | 每天9点检查邮件、每周生成报告 |
| **数据事件** | 数据库更新、API响应、文件变化 |
| **消息事件** | 收到邮件、Slack消息、PR提交 |
| **条件事件** | 指标超阈值、异常检测、模式匹配 |

### 2. Scalable (可扩展)

```
传统Agent: 1用户 → 1Agent会话
Ambient Agent: 1系统 → 数千Agent实例并行
```

**扩展模式**：
- 每个任务一个Agent实例
- 每个事件源一个Agent
- 按用户/项目/领域水平扩展

### 3. Relaxed Latency (宽松延迟)

```
传统Agent: 用户等待 → 必须秒级响应
Ambient Agent: 后台运行 → 分钟/小时级响应可接受
```

**宽松延迟的价值**：
- 可以执行更复杂的分析
- 可以调用更多工具
- 可以进行多轮推理
- 成本更低（不需要实时推理）

### 4. Complex Operations (复杂操作)

```
传统Agent: 简单问答 → 快速返回
Ambient Agent: 复杂任务 → 完整执行流程
```

**复杂操作示例**：
- 跨多系统的数据整合
- 长时间的研究和报告生成
- 多步骤的审批和处理流程
- 持续监控和异常响应

---

## Agent Inbox 概念

### 什么是Agent Inbox

**Agent Inbox** 是Ambient Agent与人类异步协作的核心机制：

```
┌─────────────────────────────────────────────┐
│                Agent Inbox                   │
├─────────────────────────────────────────────┤
│  📩 Agent A: 完成了竞品分析报告，请审阅      │
│  ❓ Agent B: 遇到权限问题，需要确认         │
│  ✅ Agent C: 数据同步完成，无异常           │
│  📩 Agent D: 发现3个待处理PR，优先级排序？  │
└─────────────────────────────────────────────┘
```

### 工作模式

| 组件 | 职责 |
|------|------|
| **Ambient Agent** | 后台执行任务，产生消息 |
| **Agent Inbox** | 汇集所有Agent的消息 |
| **Human** | 按自己的节奏处理Inbox |

**交互流程**：
```
1. Agent执行任务
2. 遇到需要人类判断的节点 → 发送到Inbox
3. 完成任务 → 发送成果到Inbox
4. 人类在方便时处理Inbox
5. 人类反馈 → Agent继续
```

### 消息类型

| 类型 | 描述 | 紧急度 |
|------|------|--------|
| **通知** | 任务完成通知 | 低 |
| **成果** | 交付的工作成果 | 中 |
| **问题** | 需要人类决策 | 中-高 |
| **异常** | 错误或意外情况 | 高 |
| **审批** | 关键操作需确认 | 高 |

---

## 与传统Agent的对比

### 架构对比

```
传统对话Agent:
┌──────────┐      ┌──────────┐
│  用户    │ ←→   │  Agent   │
└──────────┘      └──────────┘
   同步对话

Ambient Agent:
┌──────────┐      ┌─────────────┐      ┌──────────┐
│  事件源  │  →   │ Ambient     │  →   │  Inbox   │  →  用户
│          │      │ Agent集群   │      │          │     (异步)
└──────────┘      └─────────────┘      └──────────┘
```

### 适用场景对比

| 场景 | 传统Agent适合 | Ambient Agent适合 |
|------|-------------|------------------|
| **客服问答** | ✅ | ❌ |
| **编程助手** | ✅ | ✅ (后台重构) |
| **监控告警** | ❌ | ✅ |
| **定期报告** | ❌ | ✅ |
| **数据同步** | ❌ | ✅ |
| **审批流程** | ❌ | ✅ |

---

## 技术实现

### 核心组件

```
┌─────────────────────────────────────────────────┐
│               Ambient Agent System              │
├─────────────────────────────────────────────────┤
│  ┌───────────┐  ┌───────────┐  ┌───────────┐   │
│  │ 事件监听器│  │ Agent调度│  │ 状态管理 │   │
│  └─────┬─────┘  └─────┬─────┘  └─────┬─────┘   │
│        │              │              │         │
│        ▼              ▼              ▼         │
│  ┌─────────────────────────────────────────┐   │
│  │            Agent 执行引擎               │   │
│  │  ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐       │   │
│  │  │Agent│ │Agent│ │Agent│ │Agent│ ...   │   │
│  │  └─────┘ └─────┘ └─────┘ └─────┘       │   │
│  └─────────────────────────────────────────┘   │
│        │                                        │
│        ▼                                        │
│  ┌───────────────┐  ┌───────────────┐          │
│  │  Agent Inbox  │  │  结果存储     │          │
│  └───────────────┘  └───────────────┘          │
└─────────────────────────────────────────────────┘
```

### 技术选型建议

| 组件 | 推荐技术 |
|------|---------|
| **事件队列** | Kafka / RabbitMQ / Redis Streams |
| **Agent框架** | LangGraph / CrewAI |
| **状态存储** | Redis / PostgreSQL |
| **调度系统** | Celery / Temporal |
| **Inbox UI** | Web应用 / Slack集成 |

---

## 设计原则

### 1. 明确人类介入点

```python
# 伪代码示例
async def ambient_agent_task():
    result = await analyze_data()
    
    if result.confidence < 0.8:
        # 低置信度 → 请求人类确认
        await inbox.send_question(
            "分析结果置信度较低，是否继续？",
            options=["继续", "取消", "修改参数"]
        )
        human_decision = await inbox.wait_for_response()
    
    if result.is_sensitive:
        # 敏感操作 → 必须审批
        await inbox.send_approval_request(
            "即将删除100条记录，请确认"
        )
```

### 2. 优雅降级

| 情况 | 处理方式 |
|------|---------|
| **Agent失败** | 重试 → 降级 → 通知人类 |
| **超时** | 发送进度更新到Inbox |
| **资源不足** | 排队等待，通知延迟 |

### 3. 可观测性

| 维度 | 监控内容 |
|------|---------|
| **运行状态** | 活跃Agent数、队列深度 |
| **性能** | 任务完成时间、成功率 |
| **质量** | 人类修正率、满意度 |

---

## 应用场景

### 企业应用示例

| 场景 | Agent职责 | Inbox消息 |
|------|----------|----------|
| **代码审查** | 自动审查PR | "发现3个潜在问题，请审阅" |
| **数据报表** | 定期生成报告 | "周报已生成，点击查看" |
| **监控告警** | 持续监控指标 | "CPU使用率超90%，建议扩容" |
| **客户跟进** | 分析客户行为 | "客户A有流失风险，建议跟进" |
| **文档更新** | 监控API变化 | "API v2发布，文档需要更新" |

---

## 与其他概念的关系

### 概念关系图

```
                    ┌─────────────────┐
                    │  姚顺雨         │
                    │  "环境式Agent"  │
                    └────────┬────────┘
                             │
                             ▼
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│  事件驱动架构   │ ←→ │  Ambient Agents │ ←→ │  Agent Inbox    │
│  (技术基础)     │    │  (Harrison)     │    │  (人机协作)     │
└─────────────────┘    └────────┬────────┘    └─────────────────┘
                                │
                                ▼
                    ┌─────────────────┐
                    │  Deep Agents    │
                    │  (实现架构)      │
                    └─────────────────┘
```

### 相关人物观点

| 人物 | 观点 | 与Ambient Agents关系 |
|------|------|---------------------|
| **Harrison Chase** | 提出Ambient Agents概念 | 创造者 |
| **姚顺雨** | "环境式Agent演进" | 理论支持 |
| **Barry Zhang** | "Agent = Model + Tools + Loop" | 架构基础 |

---

## 内容来源

| 来源 | 作者 | 时间 | 链接 |
|------|------|------|------|
| Ambient Agents and the New Agent Inbox | Harrison Chase | 2025.05 | [Sequoia AI Ascent](https://inferencebysequoia.substack.com/p/ambient-agents-and-the-new-agent) |

---

## 思想应用

### 设计Ambient Agent系统的检查清单

**规划阶段**：
- [ ] 识别适合后台运行的任务
- [ ] 定义事件源和触发条件
- [ ] 设计人类介入点
- [ ] 规划Inbox消息类型

**实现阶段**：
- [ ] 选择事件队列技术
- [ ] 实现Agent调度系统
- [ ] 构建Inbox界面
- [ ] 设置监控和告警

**运营阶段**：
- [ ] 监控Agent运行状态
- [ ] 分析Inbox处理时效
- [ ] 迭代优化Agent行为

---

*创建时间: 2026-03-04*
*整理者: 林克 AI 助手*