了解环境的现状并不总是足以决定做什么。例如，在一个路口，出租车可以左转、右转或者直行。正确的决定取决于出租车要去哪里。换句话说，除了当前状态的描述之外，智能体还需要某种描述理想情况的目标信息，例如设定特定的目的地。智能体程序可以将其与模型相结合，并选择实现目标的动作。
有时，基于目标的动作选择很直接， 例如，单个动作能够立刻实现目标的情况。有时会更棘手，例如，智能体为了找到实现目标的方法而不得不考虑很长的复杂序列。搜索和规划是人工智能的子领域，专门用于寻找实现智能体目标的动作序列。
注意，这类决策从根本上不同于前面描述的条件-动作规则，因为它涉及对未来的考虑，包括“如果我这样做会发生什么” 和 “这会让我快乐吗？” 在反射型智能体设计中，这种信息并没有被明确的表示出来，因为内置规则直接从感知映射到动作。反射型智能体在看到刹车灯时刹车，但它不知道为什么。基于目标的智能体在看到刹车灯时会刹车，因为这是它预测的唯一动作，这个动作可以实现不撞到其他汽车的目标。
尽管基于目标的智能体看起来效率较低，但它更灵活，因为支持其决策的知识是显示表示的，并且可以修改。例如，只要将目的地指定为目标，就可以很容易地更改基于目标的智能体的行为，以到达不同的目的地。反射型智能体关于何时转弯和何时直行的规则只适用于单一目的地，这些规则全部更换才能去新的目的地。
[1]
-
从明天起做一个快乐的 agent 工程师！！！ ↩
