BDI 信念 - 愿望 - 意图模型的理论基石

在人工智能的宏大叙事中，如何构建理性的、自主的、能够进行实践推理的智能体（Agent），始终是一个核心问题。BDI（Belief-Desire-Intention，信念 - 愿望 - 意图）模型，作为回答这一问题的最成功框架之一，其理论渊源可追溯至古希腊哲学，其形式化基础奠基于 20 世纪末，其工程实现繁荣于 21 世纪初，其现代复兴则与大语言模型 Agent 的崛起同步。

BDI 模型的历史演进

为什么 BDI 模型如此成功？

BDI 模型的成功并非偶然，而是多重因素的共同作用：

• 哲学根基深厚：不是工程师的凭空想象，而是扎根于 2000 多年的实践推理哲学传统，具有概念上的严谨性和解释力。
• 形式化严谨：Rao 和 Georgeff 的 BDI 逻辑提供了完整的模态逻辑形式化，包括语法、公理、语义，使得 BDI 概念可以被精确推理和验证。
• 工程可实现：从 IRMA 到 PRS 到 Jason，BDI 模型被反复证明可以在实际系统中高效实现，支持实时反应性与慎思性推理的平衡。
• 应用广泛：从 NASA 太空任务到空中交通管制，从工业机器人到游戏 AI，从多 Agent 系统到 LLM Agent，BDI 架构展现出惊人的适用性。
• 认知合理性：BDI 三元组与人类实践推理的直觉高度吻合，使得系统设计者和用户都能直观理解 Agent 的决策过程。

本书结构

第一编 哲学渊源：追溯 BDI 模型的哲学根源，从亚里士多德的实践推理理论，到 Brentano 和 Anscombe 的意向性哲学，再到 Bratman 的规划理论，揭示 BDI 概念的思想谱系。

第二编 形式化基础：深入讲解 BDI 逻辑的形式语法、公理系统、Kripke 语义模型，详解 Rao-Georgeff 形式化框架，分析信念 - 愿望 - 意图的一致性约束条件。

第三编 架构实现：从理论走向实践，讲解 IRMA、PRS、dMARS 等经典 BDI 系统架构，介绍 AgentSpeak 语言和 Jason 解释器，分析现代 BDI 系统的实现技术。

第四编 扩展与演进：探讨 BDI 模型的现代发展，包括与深度学习的融合（神经符号 BDI）、多 Agent 系统中的社会性扩展、在 LLM Agent 中的复兴与应用。

第五编 应用实践与未来展望：总结 BDI 模型在各领域的应用案例，分析当前挑战与未来研究方向，展望 BDI 理论在 AGI 时代的持续价值。

—— 作者

2026 年 3 月 9 日 于数字世界

谨以此书献给 Anand Rao 和 Michael Georgeff，BDI 逻辑的奠基者

以及 Michael Bratman，规划理论的开创者

1.1 理论理性与实践理性的区分

亚里士多德在《尼各马可伦理学》第六卷中做出了一个影响深远的区分：理论理性（theoretical reason）与实践理性（practical reason）。

• 理论理性：关注"是什么"（what is），追求真理，其德性是智慧（sophia），目标是理论知识（episteme）。
• 实践理性：关注"做什么"（what to do），追求行动，其德性是实践智慧（phronesis），目标是实践知识。

1.2 目的论行动理论

亚里士多德的行动理论是目的论的（teleological）：行动总是为了某个目的（telos）。

大前提（愿望/目的）：
  我希望实现 E（例如：健康）

小前提（信念/手段）：
  我相信做 A 会导致 E（例如：锻炼导致健康）
  且 A 在我能力范围内

结论（意图/行动）：
  因此，我意图做 A
  （并实际执行 A）
                    

这个实践推理三段论已经包含了 BDI 结构的雏形：

• 大前提：对应愿望（Desire）——希望实现的目标状态
• 小前提：对应信念（Belief）——关于世界因果关系的认知
• 结论：对应意图（Intention）——承诺执行的行动

1.3 意愿行动与非意愿行动

亚里士多德在《尼各马可伦理学》第三卷中区分了意愿行动（hekousion）与非意愿行动（akousion）：

• 意愿行动：行动者知道行动的具体情况，且行动的起源在行动者自身。
• 非意愿行动：由于强制或无知而做出的行动，行动的起源在外部。

这一区分影响了后世对意向性（intentionality）的理解，进而影响了 BDI 模型中意图概念的形成。

1.4 实践智慧（Phronesis）

亚里士多德提出实践智慧（phronesis）作为实践理性的德性：

• 实践智慧不是抽象的理论知识，而是关于如何在具体情境中正确行动的能力。
• 实践智慧包括：感知情境、权衡目标、选择手段、适时行动。
• 实践智慧需要通过经验和习惯培养，而非单纯学习规则。

实践智慧的概念在 BDI 模型中体现为手段 - 端推理（means-end reasoning）和意图 reconsideration机制：Agent 需要审慎地选择目标、规划手段，并在环境变化时重新考虑意图。

1.5 对 BDI 模型的影响

1.6 本章小结

本章追溯了 BDI 模型的哲学源头——亚里士多德的实践推理理论。关键要点：

• 亚里士多德区分理论理性与实践理性，确立实践推理的独立地位
• 实践推理三段论包含 BDI 结构的雏形：愿望（目的）、信念（手段）、意图（行动）
• 目的论行动理论：行动总是为了某个目的
• 实践智慧（phronesis）概念影响 BDI 的手段 - 端推理机制
• 亚里士多德的洞见在 2300 年后仍然是 BDI 模型的理论基石

4.1 BDI 逻辑的语言

Rao 和 Georgeff 在 1991 年提出的 BDI 逻辑是一种多模态命题逻辑，包含三个模态算子：Bel（信念）、Des（愿望）、Int（意图）。

命题变量：p, q, r, ...

布尔连接词：
  ¬φ  (否定)
  φ ∨ ψ  (析取)
  φ ∧ ψ  (合取)
  φ → ψ  (蕴含)
  φ ↔ ψ  (等价)

模态算子：
  Bel(φ)  — Agent 相信φ
  Des(φ)  — Agent 希望φ为真
  Int(φ)  — Agent 意图使φ为真

形成规则：
  1. 所有命题变量是公式
  2. 如果φ是公式，则¬φ是公式
  3. 如果φ和ψ是公式，则φ∨ψ是公式
  4. 如果φ是公式，则 Bel(φ)、Des(φ)、Int(φ) 是公式
  5. 只有通过以上规则生成的才是公式
                    

4.2 命题逻辑公理

BDI 逻辑包含经典命题逻辑的所有公理和推理规则：

公理模式：
  (A1) φ → (ψ → φ)
  (A2) (φ → (ψ → χ)) → ((φ → ψ) → (φ → χ))
  (A3) (¬ψ → ¬φ) → (φ → ψ)

推理规则：
  (MP) 从φ和φ→ψ，推出ψ  (Modus Ponens)
                    

4.3 信念模态逻辑公理（KD45 系统）

信念算子 Bel 遵循KD45模态逻辑系统，这是 doxastic logic（信念逻辑）的标准系统：

(K) Bel(φ → ψ) → (Bel(φ) → Bel(ψ))
    信念对蕴含封闭（正交性）

(D) Bel(φ) → ¬Bel(¬φ)
    信念一致性：不相信矛盾

(4) Bel(φ) → Bel(Bel(φ))
    正内省：相信自己的信念

(5) ¬Bel(φ) → Bel(¬Bel(φ))
    负内省：相信自己的无知

(Nec) 如果φ是定理，则 Bel(φ) 是定理
      必然化规则
                    

4.4 愿望模态逻辑公理

愿望算子 Des 遵循较弱的模态逻辑系统，因为愿望可以不一致、可以不现实：

(K) Des(φ → ψ) → (Des(φ) → Des(ψ))
    愿望对蕴含封闭

(D*) Des(φ) → ¬Des(¬φ)  (可选公理)
    愿望一致性（弱约束，某些系统不要求）

注意：
  • 愿望可以不现实（希望不可能的事）
  • 愿望可以相互冲突
  • 没有内省公理（不一定知道自己想要什么）
                    

4.5 意图模态逻辑公理

意图算子 Int 遵循特殊的公理系统，反映意图的承诺特性和一致性约束：

(K) Int(φ → ψ) → (Int(φ) → Int(ψ))
    意图对蕴含封闭

(D) Int(φ) → ¬Int(¬φ)
    意图一致性：不能意图矛盾

(IM) Int(φ) → Des(φ)
    意图 - 愿望公理：意图的必须是希望的

(IB) Int(φ) → Bel(φ)  (可选，弱意图)
    或 Int(φ) → Bel(◇φ)  (强意图)
    意图 - 信念公理：意图的必须相信可能实现

(UI) Int(φ) → Int(Int(φ))
    意图的内省：知道自己意图什么
                    

4.6 BDI 之间的交互公理

BDI 逻辑的核心在于三个模态算子之间的交互关系：

(ID1) Int(φ) → Des(φ)
      意图蕴含愿望（只能意图所希望的）

(ID2) ¬(Int(φ) ∧ Int(¬φ))
      意图一致性（不能意图矛盾）

(IB1) Int(φ) → Bel(◇φ)
      意图可实现性（相信φ是可能的）

(IB2) ¬(Int(φ) ∧ Bel(¬◇φ))
      不能意图自己认为不可能的事

(BD) Bel(φ) → ¬Des(¬φ)  (可选)
     信念 - 愿望协调：不相信的事不会希望其假

(ID3) Des(φ) → ◇Int(φ)  (可选)
      愿望可意图化：希望的可以成为意图
                    

4.7 推理规则

1. Modus Ponens (MP):
   从 φ 和 φ→ψ，推出 ψ

2. 必然化规则 (Nec):
   如果 φ 是定理，则 Bel(φ)、Des(φ)、Int(φ) 都是定理

3. 等价替换 (RE):
   如果 φ↔ψ 是定理，则 Bel(φ)↔Bel(ψ) 是定理
   （Des 和 Int 同理）

4. 合取引入/消除：
   从 Bel(φ) 和 Bel(ψ)，推出 Bel(φ∧ψ)
   （Des 和 Int 在一致性约束下同理）
                    

4.8 BDI 逻辑定理示例

⊢ ¬(Int(φ) ∧ Int(¬φ))

证明：
1. Int(φ) → ¬Int(¬φ)  (D 公理)
2. ∴ ¬(Int(φ) ∧ Int(¬φ))  (命题逻辑)
                    

⊢ Int(φ) → Bel(◇φ)

解释：如果 Agent 意图φ，则它相信φ是可能的。
这是理性 Agent 的基本要求：不追求自认为不可能的事。
                    

⊢ Int(φ) ∧ Bel(φ → ψ) → Int(ψ)  (在特定条件下)

解释：如果意图φ，且相信φ蕴含ψ，则在某些条件下
会意图ψ（手段 - 端推理的形式化）
                    

4.9 本章小结

本章讲解了 BDI 逻辑的形式语法与公理系统。关键要点：

• BDI 逻辑是多模态命题逻辑，包含 Bel、Des、Int 三个模态算子
• 信念遵循 KD45 系统（一致性、内省性）
• 愿望遵循较弱的模态系统（允许不一致、不现实）
• 意图遵循特殊公理系统（一致性、愿望约束、信念约束）
• BDI 交互公理刻画三者的关系（Int→Des、Int→Bel(◇φ)）
• 公理系统为 BDI Agent 的理性提供形式保证

7.1 Rao-Georgeff BDI 模型的核心贡献

Anand Rao 和 Michael Georgeff 在 1991-1995 年间的系列论文中，提出了 BDI 模型的完整形式化框架，这一框架成为后续所有 BDI 研究的基准。

7.2 BDI 模型的 Kripke 语义

一个 BDI Kripke 模型 M 是一个七元组：
M = (W, B, D, I, Φ, π, w₀)

其中：
  W: 可能世界（状态）的非空集合
  B ⊆ W × W: 信念可访问关系
  D ⊆ W × W: 愿望可访问关系
  I ⊆ W × W: 意图可访问关系
  Φ: 原子命题集合
  π: W × Φ → {true, false}: 赋值函数
  w₀ ∈ W: 当前世界（实际状态）

直观解释：
  • B(w) = {w' | (w, w') ∈ B}: 在 w 中 Agent 认为可能的世界
  • D(w) = {w' | (w, w') ∈ D}: 在 w 中 Agent 希望成为的世界
  • I(w) = {w' | (w, w') ∈ I}: 在 w 中 Agent 意图实现的世界
                    

7.3 模态算子的语义定义

在模型 M 和世界 w 中：

M, w ⊨ Bel(φ)  当且仅当  对所有 w' ∈ B(w)，有 M, w' ⊨ φ
  解释：Agent 相信φ，当且仅当φ在所有信念可访问
        的世界中都为真

M, w ⊨ Des(φ)  当且仅当  对所有 w' ∈ D(w)，有 M, w' ⊨ φ
  解释：Agent 希望φ，当且仅当φ在所有愿望可访问
        的世界中都为真

M, w ⊨ Int(φ)  当且仅当  对所有 w' ∈ I(w)，有 M, w' ⊨ φ
  解释：Agent 意图φ，当且仅当φ在所有意图可访问
        的世界中都为真
                    

7.4 可访问关系的性质约束

为了捕捉 BDI 算子的逻辑特性，需要对可访问关系施加约束：

信念关系 B 的性质（KD45）：
  • 序列性（Serial）：∀w ∃w' B(w, w')
    对应 D 公理：信念一致
  • 传递性（Transitive）：B(w,w') ∧ B(w',w'') → B(w,w'')
    对应 4 公理：正内省
  • 欧几里得性（Euclidean）：B(w,w') ∧ B(w,w'') → B(w',w'')
    对应 5 公理：负内省

愿望关系 D 的性质：
  • 通常无特殊约束（允许不一致、不现实）
  • 可选：序列性（愿望至少有一个可实现）

意图关系 I 的性质：
  • 序列性：∀w ∃w' I(w, w')
    意图一致性
  • I(w) ⊆ D(w): 意图世界必须是愿望世界
    对应 Int→Des 公理
  • I(w) ⊆ B(w): 意图世界必须是信念可能世界
    对应 Int→Bel 公理
                    

7.5 BDI 一致性的形式化

1. 信念一致性：
   ∀w: B(w) ≠ ∅
   （至少有一个信念可能世界）

2. 意图一致性：
   ∀w: I(w) ≠ ∅ 且 ∀w',w'' ∈ I(w): w' 和 w'' 兼容
   （意图世界非空且相互兼容）

3. 意图 - 愿望约束：
   ∀w: I(w) ⊆ D(w)
   （所有意图世界都是愿望世界）

4. 意图 - 信念约束：
   ∀w: I(w) ⊆ B(w)
   （所有意图世界都是信念可能世界）

5. 理性 Agent 约束：
   ∀w: I(w) ⊆ D(w) ∩ B(w)
   （意图世界必须是愿望且信念可能的）
                    

7.6 时间与行动的扩展

Rao 和 Georgeff 进一步将 BDI 逻辑扩展为时序 BDI 逻辑，引入时间算子和行动算子：

时间算子（线性时序逻辑 LTL）：
  ○φ (Next): φ在下一时刻为真
  □φ (Always): φ在所有未来时刻为真
  ◇φ (Eventually): φ在某个未来时刻为真
  φ U ψ (Until): φ一直为真直到ψ为真

行动算子：
  Does(a): Agent 执行行动 a
  Happens(e): 事件 e 发生

时序 BDI 公理示例：
  Int(φ) → ◇Bel(φ)
  如果意图φ，则最终会相信φ（意图实现）
  
  Int(φ) ∧ Bel(○¬φ) → ○Int(φ)
  如果意图φ且相信下一时刻φ不成立，
  则下一时刻仍然意图φ（意图持续性）
                    

7.7 BDI 模型的类型

Rao 和 Georgeff 区分了不同类型的 BDI 模型，反映不同的理性程度：

7.8 模型检测与验证

基于 Kripke 语义，可以对 BDI Agent 进行形式验证：

• 模型检测：给定 BDI 模型 M 和公式φ，检查 M ⊨ φ 是否成立
• 可满足性：给定公式φ，是否存在模型 M 使得 M ⊨ φ
• 有效性：公式φ在所有模型中都为真
• 一致性检查：检查 Agent 的 BDI 状态是否满足理性约束

7.9 本章小结

本章详解了 Rao-Georgeff BDI 形式化框架。关键要点：

• BDI Kripke 模型用可能世界和可访问关系给出形式语义
• Bel、Des、Int 的真值条件由可访问关系定义
• 可访问关系的性质（序列性、传递性、欧几里得性）对应逻辑公理
• BDI 一致性约束形式化为集合包含关系（I⊆D∩B）
• 时序 BDI 逻辑扩展支持时间和行动推理
• 形式语义支持模型检测和形式验证

10.1 AgentSpeak 语言的诞生

2000 年代初，Rafael Bordini 基于 BDI 理论开发了AgentSpeak语言，这是一种声明式的逻辑编程语言，专门用于编程 BDI Agent。

10.2 AgentSpeak 的核心语法

AgentSpeak Agent = {
  信念库（Belief Base）
  初始目标（Initial Goals）
  计划库（Plan Library）
}

信念（Belief）:
  belief_predicate(arg1, arg2, ...).
  例：at(home).
      has(money, 100).
      friend(alice).

目标（Goal）:
  !goal_predicate(arg1, ...)   // 达成目标
  ?goal_predicate(arg1, ...)   // 测试目标
  例：!buy(milk).
      ?at(location).

计划（Plan）:
  +!triggering_event: context <- body.
  
  触发事件类型：
    +!g: 添加达成目标
    +?g: 添加测试目标
    +b: 添加信念
    -b: 删除信念
  
  例：
  +!buy(X): has(money, M) & M > 0
    <- ?at(Location);
       go_to(store);
       buy(X);
       -has(money, M);
       +has(money, M-10).
                    

10.3 BDI 概念在 AgentSpeak 中的体现

// 信念库示例
at(home).
has(money, 100).
time(14).
weather(sunny).
friend(alice).
friend(bob).

// 信念更新
+has(new_belief).    // 添加信念
-has(old_belief).    // 删除信念
                    

// 目标示例
!deliver(package).     // 达成目标：送达包裹
?location(X).          // 测试目标：查询位置
!achieve(success).     // 达成目标：获得成功

// 目标生成规则
+!urgent_task: high_priority(T)
  <- !complete(T).     // 生成子目标
                    

// 意图通过计划体体现
+!build_house: has(land) & has(money, M) & M > 10000
  <- !hire_architect;      // 意图序列 1
     !design_house;        // 意图序列 2
     !obtain_permit;       // 意图序列 3
     !hire_contractor;     // 意图序列 4
     !construct_house.     // 意图序列 5

// 意图的持续性
// 一旦开始执行计划，Agent 承诺完成计划体
// 除非遇到失败或 reconsideration 触发
                    

10.4 Jason 解释器

Jason是 AgentSpeak 的开源解释器，由 Bordini、Hübner 和 Wooldridge 开发，是最广泛使用的 BDI Agent 开发平台。

┌─────────────────────────────────────────────────────┐
│                  Jason Agent                        │
├─────────────────────────────────────────────────────┤
│  感知接口          │  信念库 (Belief Base)          │
│  (Perception)      │  - 一阶逻辑谓词                 │
│                    │  - 动态更新                     │
├────────────────────┼─────────────────────────────────┤
│  事件队列          │  计划库 (Plan Library)          │
│  (Event Queue)     │  - 触发事件 → 计划体            │
│  - 目标事件        │  - 上下文条件                   │
│  - 信念更新事件    │  - 手段 - 端推理                 │
├────────────────────┴─────────────────────────────────┤
│              推理引擎 (Reasoning Engine)              │
│  1. 事件选择：从队列中选择下一个处理事件            │
│  2. 计划检索：找到所有适用计划                      │
│  3. 计划选择：根据策略选择一个计划                  │
│  4. 计划执行：执行计划体，生成子目标/行动           │
│  5. 意图 reconsideration：必要时重新考虑意图        │
├─────────────────────────────────────────────────────┤
│  行动接口          │  通信模块 (ACL)                 │
│  (Action)          │  - FIPA ACL 消息                │
│  - 内部行动        │  - 多 Agent 通信                 │
│  - 外部行动        │                                 │
└─────────────────────────────────────────────────────┘
                    

10.5 Jason 的推理循环

每个推理循环执行以下步骤：

1. 感知（Perceive）:
   接收环境输入，更新信念库
   
2. 事件生成（Generate Events）:
   从信念变化和新目标生成事件
   
3. 事件选择（Select Event）:
   从事件队列中选择一个事件处理
   
4. 计划检索（Retrieve Plans）:
   找到所有触发事件匹配且上下文满足的计划
   
5. 计划选择（Select Plan）:
   根据适用性、优先级等策略选择一个计划
   
6. 意图执行（Execute Intention）:
   执行计划体，可能生成子目标或行动
   
7. 意图 reconsideration（可选）:
   检查是否需要放弃或修改当前意图
   
8. 行动执行（Act）:
   执行选定的外部行动，影响环境

重复以上循环，直到没有事件或达到终止条件。
                    

10.6 完整示例：递送 Agent

// 递送 Agent (delivery_agent.asl)

// 初始信念
at(warehouse).
has(package, p1).
has(package, p2).
customer(c1, home).
customer(c2, office).
fuel(100).

// 初始目标
!deliver_all.

// 计划 1: 递送所有包裹
+!deliver_all: true
  <- !deliver(p1);
     !deliver(p2);
     !return_to_warehouse.

// 计划 2: 递送单个包裹
+!deliver(P): has(package, P) & customer(C, Loc)
  <- !navigate_to(Loc);
     deliver_package(P, C);
     -has(package, P).

// 计划 3: 导航到位置
+!navigate_to(Loc): at(Current) & Current \= Loc
  <- calculate_route(Current, Loc, Route);
     follow_route(Route);
     +at(Loc);
     -at(Current).

// 计划 4: 返回仓库
+!return_to_warehouse: \+ at(warehouse)
  <- !navigate_to(warehouse).

// 计划 5: 燃料不足时加油
+!navigate_to(Loc): fuel(F) & F < 20
  <- !refuel;
     !navigate_to(Loc).

+!refuel: true
  <- go_to(gas_station);
     refuel_tank;
     +fuel(100).
                    

10.7 Jason 的高级特性

• 注解（Annotations）：为信念和计划添加元数据，支持更复杂的推理
• 计划选择策略：可自定义计划选择逻辑（最新、最具体、随机等）
• 意图 reconsideration：配置何时重新考虑意图（每次循环、定期、事件触发）
• 多 Agent 通信：支持 FIPA ACL 消息，实现 Agent 间协作
• 与 Java 集成：可调用 Java 代码，访问外部库和 API
• Web 界面：提供可视化的调试和监控工具

10.8 形式语义与验证

AgentSpeak/Jason 的一个关键优势是有形式语义：

• 操作语义：用转换系统定义推理循环的精确行为
• 指称语义：将 AgentSpeak 程序映射到 BDI 逻辑公式
• 模型检测：使用 AJPF（Agent Java Pathfinder）验证 Agent 属性
• 定理证明：证明 Agent 满足 BDI 理性约束

// 验证属性：Agent 最终会递送所有包裹
□(has(package, P) → ◇delivered(P))

// 验证属性：Agent 不会在燃料不足时导航
□(fuel(F) & F < 20 → ○¬executing(navigate))

// 验证属性：意图一致性
¬(Int(deliver(p1)) ∧ Int(¬deliver(p1)))
                    

10.9 本章小结

本章讲解了 AgentSpeak 语言和 Jason 解释器。关键要点：

• AgentSpeak 是声明式的 BDI 编程语言，直接映射 BDI 理论
• 信念库、目标、计划库构成 AgentSpeak 程序
• Jason 是最广泛使用的 AgentSpeak 解释器
• Jason 推理循环实现 BDI 推理：感知→事件→计划→意图→行动
• AgentSpeak/Jason 有形式语义，支持形式验证
• Jason 支持多 Agent 通信、Java 集成、可视化调试

15.1 BDI 模型的应用领域

15.2 BDI 在 LLM Agent 中的复兴

2020 年代，随着大语言模型（LLM）的崛起，BDI 模型在 LLM Agent 架构中重新获得关注：

class BDILLMAgent:
    def __init__(self, llm):
        self.beliefs = {}      # 信念库
        self.desires = []      # 目标列表
        self.intentions = []   # 当前意图（计划）
        self.llm = llm
    
    def perceive(self, observation):
        # 更新信念
        self.beliefs.update(observation)
    
    def deliberate(self):
        # 从愿望中选择意图
        prompt = f"""
        当前信念：{self.beliefs}
        愿望列表：{self.desires}
        
        选择最合适的目标作为意图，并制定计划。
        """
        plan = self.llm.generate(prompt)
        self.intentions = self.parse_plan(plan)
    
    def execute(self):
        # 执行意图（计划）
        for step in self.intentions:
            if step.type == 'action':
                result = self.perform_action(step)
                self.beliefs.update(result)
            elif step.type == 'subgoal':
                self.desires.append(step.goal)
    
    def reconsider(self):
        # 重新考虑意图
        if self.beliefs.changed_significantly():
            self.intentions = []  # 放弃当前意图
            self.deliberate()     # 重新 deliberation
                    

15.3 当前挑战

15.4 未来研究方向

15.5 BDI 理论的永恒价值

从亚里士多德的实践推理，到 Bratman 的规划理论，到 Rao-Georgeff 的形式化，到 Jason 的工程实现，再到 LLM Agent 的现代复兴，BDI 模型展现了一条罕见的理论 - 实践 - 再理论的螺旋上升路径。

15.6 本章小结

本章总结了 BDI 模型的应用领域与未来方向。关键要点：

• BDI 广泛应用于航空航天、交通、制造、医疗、游戏、金融等领域
• LLM Agent 的兴起带来 BDI 理论的复兴
• 当前挑战：可扩展性、实时性、学习、不确定性、多 Agent、伦理
• 未来方向：神经符号 BDI、LLM 增强、集体 BDI、终身学习、伦理 BDI
• BDI 理论因其概念清晰、形式严谨、工程可行而具有永恒价值

古典哲学（公元前 350 年 -1900 年）

1. Aristotle. (c. 350 BCE). "Nicomachean Ethics." Translated by W. D. Ross. Oxford: Clarendon Press.
2. Aristotle. (c. 350 BCE). "De Anima (On the Soul)." Translated by J. A. Smith. Oxford: Clarendon Press.
3. Brentano, F. (1874). "Psychology from an Empirical Standpoint." London: Routledge.
4. Anscombe, G. E. M. (1957). "Intention." Oxford: Blackwell.

现代哲学与行动理论（1950-1990）

5. Davidson, D. (1963). "Actions, Reasons, and Causes." Journal of Philosophy, 60(23), 685-700.
6. Searle, J. R. (1983). "Intentionality: An Essay in the Philosophy of Mind." Cambridge: Cambridge University Press.
7. Bratman, M. E. (1987). "Intention, Plans, and Practical Reason." Cambridge, MA: Harvard University Press.
8. Bratman, M. E. (1992). "Shared Cooperative Activity." Philosophical Review, 101(2), 327-341.
9. Cohen, P. R., & Levesque, H. J. (1990). "Intention is Choice with Commitment." Artificial Intelligence, 42(2-3), 213-261.

BDI 形式化与架构（1990-2000）

10. Rao, A. S., & Georgeff, M. P. (1991). "Modeling Rational Agents within a BDI-Architecture." In Proceedings of ATAL-91.
11. Rao, A. S., & Georgeff, M. P. (1995). "BDI Agents: From Theory to Practice." In Proceedings of ICMAS-95, 312-319.
12. Georgeff, M. P., & Lansky, A. L. (1987). "Reactive Reasoning and Planning." In Proceedings of AAAI-87, 677-682.
13. Kinny, D., Georgeff, M., & Rao, A. (1992). "A Methodology and Modelling Technique for Systems of BDI Agents." In Proceedings of MAAMAW-92.
14. Wooldridge, M. (2000). "Reasoning about Rational Agents." Cambridge, MA: MIT Press.

AgentSpeak 与 Jason（2000-2010）

15. Bordini, R. H., Hübner, J. F., & Wooldridge, M. (2007). "Programming Multi-Agent Systems in AgentSpeak Using Jason." Wiley.
16. Bordini, R. H., et al. (2005). "AgentSpeak(L): BDI Agent Speak Like Programming Language." In Proceedings of CLIMA-05.
17. Hübner, J. F., et al. (2007). "The Jason Platform." In Proceedings of AAMAS-07.
18. Dennis, L. A., et al. (2006). "Agent Java Pathfinder: A Model Checker for BDI Agents." In Proceedings of ICSE-06.

现代发展与 LLM Agent（2010-2026）

19. Wooldridge, M. (2009). "An Introduction to MultiAgent Systems." 2nd ed. Wiley.
20. Shoham, Y., & Leyton-Brown, K. (2009). "Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations." Cambridge University Press.
21. Harland, J., et al. (2018). "BDI Agent Programming: A Survey." In Proceedings of PRICAI-18.
22. OpenAI. (2023). "GPT-4 Technical Report." arXiv:2303.08774.
23. Yao, S., et al. (2023). "ReAct: Synergizing Reasoning and Acting in Language Models." In Proceedings of ICLR-23.
24. Xi, Z., et al. (2025). "The Rise and Potential of Large Language Model Based Agents: A Survey." Science China Information Sciences.
25. Bui, N. D. Q. (2026). "Building AI Coding Agents for the Terminal: Scaffolding, Harness, Context Engineering, and Lessons Learned." arXiv:2603.05344.