《Agentic AI: a comprehensive survey of architectures, applications, and future directions》本文系统梳理了“Agentic AI”（具自主行动能力的人工智能）领域的架构、应用与未来方向，首次提出了“符号/经典范式”与“神经/生成范式”两大并行体系的划分，解决了当前研究中常见的“概念回溯”混淆问题。基于对2018-2025年90篇文献的PRISMA系统回顾，文章从理论基础、应用领域（医疗、金融、机器人等）、伦理治理三大维度展开，揭示两大范式各自优势、挑战及战略适配。核心观点如下：1. 双范式架构框架 - 符号范式依赖算法规划、明确状态与规则，适合安全关键领域，如医疗诊断、法规合规，强调可验证性和逻辑严谨。- 神经范式基于大规模语言模型（LLM）等生成式模型，通过提示链、动态上下文管理实现自主行为和多智能体协作，适合数据丰富、环境动态的金融、教育等领域。2. 概念清晰，突破“概念回溯”误区 传统用符号AI术语（如BDI模型、感知-规划-执行循环）描述基于LLM的现代Agentic AI，掩盖了神经范式的本质差异。本文明确两者根本不同的机制，有助于精准分类与设计。3. 应用领域的范式选择因地制宜 高风险领域如医疗更倾向符号或符号-神经混合系统以保障安全；金融等领域则广泛采用神经范式实现复杂数据分析和自适应决策。科研领域体现了两种范式在推理与生成上的互补。4. 多智能体系统的协调机制差异 符号范式强调算法式、可验证的协调协议（如合约网协议、黑板系统）；神经范式则通过LLM驱动的对话式、多角色协作实现灵活的任务分配与执行，展现出全新协同范式。5. 评估体系需范式适配 符号系统评估侧重逻辑完整性、计划最优性与边缘案例的严密测试；神经系统则关注多步任务完成率、工具调用效率、鲁棒性与资源消耗，融合自动化指标与人工评审。6. 治理与伦理挑战显著不同 符号范式具备较强的责任归属和可审计性，但缺乏现代治理框架；神经范式面临透明度不足、偏见扩散、责任归属模糊等问题，亟需发展针对性的监管和安全机制。7. 未来研究重点：神经-符号混合架构 推动两大范式的优势互补，开发既具适应性又具可验证性的混合智能体，构建多样化、多角色的智能生态系统，推动安全、透明且高效的Agentic AI发展。8. 战略路径与研究蓝图 文章详细列出范式特有的挑战与研究需求，涵盖评估标准、推理能力、长期记忆、计算架构、交互界面、信任机制、安全防护与治理模型，强调双轨并行与融合创新。“Agentic AI的未来不在于单一范式的主导，而在于符号与神经范式的有机融合，打造既可靠又灵活的混合智能系统，成为科学发现、公平服务与关键基础设施可信伙伴。”本文为研究者、工程师及政策制定者提供了清晰的概念工具、分类体系和设计指导，助力推动Agentic AI迈向更系统、可信和可持续的未来。全文链接：link.springer.com/article/10.1007/s10462-025-11422-4
