人工智能代理类型可以根据人工智能的智力和能力程度分为五类：简单反射代理、基于模型的反射代理、基于目标的代理、基于实用程序的代理、学习代理。
简单的反射代理
简单的反射代理仅根据当前感知行事。代理功能基于条件-动作规则。条件-动作规则是将状态映射到动作的规则。如果条件为真，则采取行动，否则不采取行动。只有当环境完全透明清晰时，此代理功能才会成功。
对于在部分可观察环境中运行的简单反射代理，通常会无限循环。
简单反射代理存在的问题
1、智能水平有限。
2、不知道非感知部分的状态
3、通常太大而无法生成和存储
4、如果环境发生变化，则需要更新规则
简单反射代理流程图
基于模型的反射代理
通过与当前情况匹配的规则来工作。基于模型的代理可以通过使用“关于世界认知模型”来处理当前可观察的环境。
基于模型的反射代理必须跟踪每个感知的内部状态，当前状态存储在代理内部，该代理维护某种结构，描述了无法看到的世界部分。
基于模型的反射代理流程图
基于目标的代理
代理根据他们目前离目标的距离来做出决定。每一个动作都是为了减少它与目标的距离。但需要在在多种可能性中进行选择，选择一种目标状态，这就需要进行搜索和计划，以便能实现目标。
基于目标的代理流程图
基于实用的代理
将最终用途作为构建开发的代理称为基于实用程序的代理。当有多种可能的替代方案时，为了决定哪一个是最好的，可以使用基于实用的代理。
基于实用的代理根据每个状态的效果来选择操作。有时仅仅实现预期目标是不够的，还要寻找更快、更安全、更便宜的过程来实现目标。
基于实用的代理流程图
学习代理
人工智能中的学习代理是可以从以往的经验中学习或具有学习能力的代理类型。它以基本知识开始行动，然后能够通过学习自动行动和适应。
学习代理主要有四个概念组件，它们是：
1、学习要素：通过从环境中学习来进行改进
2、批评者：从批评者那里获得反馈并学习，这些反馈描述了代理在固定性能标准方面的表现。
3、性能要素：负责选择外部动作
4、问题生成器：该组件负责建议将新信息丰富操作
学习代理流程图
