“组合体代理”到底是什么？非专业人士为什么需要关心？
具身智能体是一种新型人工智能，它结合了软件助手（如手机应用）和实体机器人的能力，但有一个关键不同：它的主要职责是随着时间推移理解并支持你这个人，而不仅仅是完成一项任务。可以把它想象成一个助手，它追踪你的健康状况、情绪和日常规律，然后利用这些理解来决定何时提醒你服药、建议你休息一下，或者联系人类照护者[2]。其中的风险很高：对于一位漏服药物的老年人来说，简单的提醒远远不够——智能体需要判断这个人究竟是忘记了、感到困惑，还是故意拒绝，然后提供恰当的支持方式[2]。
这一点之所以重要，是因为当前的AI系统要么纯粹是数字化的（它们改变屏幕上的数据），要么纯粹是物理性的（它们在现实世界中移动物体）。两者都无法真正建模你不断变化的状态——比如你的精力水平或意图——而这对于长期、在现实环境中的帮助至关重要[2][3]。具身智能体旨在填补这一空白，但它们并非无所不知或无所不能。它们受目标约束，意味着只追踪特定目标所需的信息；同时它们具备不确定性意识，意味着它们知道自己可能会出错[2]。
为什么这些智能体很难解释它们在做什么？
主要挑战在于，具身智能体依赖社交线索——如眼神、手势和语调——来传达意图，但这些线索并不总是清晰或可靠的。2021年一篇关于可解释具身智能体的综述发现，研究者使用了多种不同术语——透明度、可读性、可解释性——且对这些术语的含义或衡量方式尚未达成共识[1][4]。这种不一致性使得向非专业人士说明预期效果变得困难：一个智能体在一项研究中可能被视为“透明”，在另一项研究中却并非如此。
此外，同一篇综述还指出，可解释性的实现方式往往因智能体的具身形态而异——无论是机器人、虚拟化身还是智能音箱——而且其影响很少以一致的方式被衡量[1][4]。因此，当你向非专业人士解释这些局限时，请坦诚相告：我们目前还没有一套标准方法来确保这些智能体能够清晰地传达其推理过程，而这仍是一个开放的研究问题。
对于非专业人士，你应该告知哪些实际限制？
首先，具身智能体并非读心者。它们通过传感器和过往互动构建一个“个人世界模型”，但该模型是目标受限且具有不确定性意识的——它只是一个粗略的草图，而非完整的数字孪生[2]。因此，它们可以猜测你为什么漏服了一剂药，但可能猜错，而且它们被设计为会征求你的同意，并允许你纠正它们[2]。
第二，它们尚未为开放式的长期共存而设计。2025年的一篇论文指出，当前的具身智能体擅长静态、预定义的任务，但在与人类的动态、长期互动中表现不足[3]。它们缺乏像人类那样利用环境和社会背景持续适应与进化的能力。因此，非专业人士应预期这些智能体在受控环境中表现良好，但在混乱的现实场景中则会力不从心。
第三，可解释性无法得到保证。即使智能体使用社交线索来解释自身行为，这些线索也可能含糊不清或被忽略，而且目前尚无公认的方法来衡量解释是否奏效[1][4]。因此，要告诉非专业人士：不要假设智能体总会告诉你它为什么做了某件事——有时它做不到，有时它会尝试但失败。
关于这些资料来源
这个回答基于4项研究（1篇同行评审，3篇预印本）——发表于2021年至2026年间，其中2篇为2024年或之后发表，1篇发表于Q1期刊，合计被引用73次——这些研究是从4项通过质量筛选的研究中选出的最相关成果，而这些研究又源自从超过5亿篇论文数据库中检索到的32篇文献。
本文引用的文献
通过社交线索实现可解释的具身智能体
2021年的一项关于可解释具身智能体的综述发现，相关术语种类繁多（如透明性、可读性等），且在定义和测量方法上缺乏共识，这凸显出可解释性在不同研究中的实现方式各异，且往往依赖于社会性线索。
ComBodied Agents：以人为本的智能体AI新范式
这篇2026年的论文提出了“组合具身智能体”这一以人为中心的范式，用于建模并支持个体人类状态轨迹，采用目的受限、感知不确定性、可由用户修正的表征方式，而非穷尽式的数字孪生，并强调同意、安全与用户控制。
人类共存，具身人工智能体亦当如此
一篇2025年的论文指出，当代具身智能体在静态、预定义任务中表现出色，但在与人类的动态、长期互动中仍显不足，并借鉴生物学与设计理论，提出“共存”是野外互动的前提条件。
通过社交线索实现可解释智能体：综述
这篇2022年的综述（与[1]类似）再次指出，具身智能体在可解释性方面缺乏标准化的定义和衡量标准，并强调了社会线索在使智能体变得透明或可理解方面所发挥的独特作用。