人工智能中基于知识的代理
人类声称智能是如何实现的——不是通过纯粹的反映机制，而是通过对知识的内部表示进行操作的推理过程。在人工智能中，这种智能技术存在于基于知识的代理中。
基于知识的代理具有可以推理的知识的显式表示。他们维护内部知识状态，对其进行推理，对其进行更新并相应地执行操作。这些代理根据要求智能地行动。
基于知识的代理以句子的形式给出当前的情况。他们对迷你世界及其周围环境的现状有完整的了解。这些代理操纵知识以在“知识级别”推断新事物。
基于知识的系统具有以下特点：
知识库 (KB)：它是基于知识的代理的关键组成部分。这些涉及世界的真实事实。它是用知识表示语言解释的句子的混合体。
推理引擎（IE）：它是一种基于知识的系统引擎，用于推断系统中的新知识。
代理执行的操作：
当我们想更新知识库系统中的一些信息（句子）并知道已经存在的信息时，使用推理系统。该机制由TELL和ASK操作完成。它们包括推理，即从旧语句生成新语句。当一个人向 KB 提出问题时，推理必须接受需求，并且回答应该遵循已告诉 KB 的内容。 Agent也有一个KB，它最初有一些背景知识。每当调用代理程序时，它都会执行一些操作。
KB 代理执行的操作：
- 它告诉知识库它从环境中识别了什么以及它需要知道什么。
- 它询问要做什么动作？并从知识库中获取答案。
- 它告诉选择了哪个动作，然后代理将执行该动作。
算法 ：
function KB_AGENT (percept) returns an action
KB : knowledge base
t : time ( counter initially 0)
TELL(KB, MAKE_PERCEPT_SENTENCE (percept,t) )
action = ASK(KB, MAKE_ACTION_QUERY (t) )
TELL(KB, MAKE_ACTION_SENTENCE (action,t) )
t = t + 1
return action
如果给出了一个感知，代理将其添加到 KB，然后它会向 KB 询问最佳动作，然后告诉 KB 它实际上已经采取了那个动作。
基于知识的代理
可以通过以下方法设计基于知识的系统行为：-
声明式方法：从一个空的知识库开始，代理可以一个接一个地讲句子，直到代理知道如何处理它的环境。这被称为声明式方法。它将所需的信息存储在基于知识的空系统中。
程序方法：这将所需的行为直接转换为基于知识的空系统中的程序代码。与声明式方法相比，这是一种对比方法。在此通过对系统的编码行为进行设计。