行为树（Behavior Tree）是一种用于描述智能体决策逻辑的层次化模型，它将复杂的行为分解为可重用的模块化节点，通过树状结构组织行为执行流程。与传统的有限状态机相比，行为树具有更好的可扩展性和可读性，其节点通常包括选择节点（Selector）、序列节点（Sequence）、条件节点（Condition）和行为节点（Action）等基本类型，通过节点间的父子关系和返回值（成功、失败、运行中）控制行为执行顺序。
在游戏AI和机器人控制领域，行为树已成为主流的决策系统实现方式。其可视化特性允许非程序员通过拖拽节点快速调整AI行为逻辑，而分层设计则便于团队协作开发。近年来，行为树与机器学习结合的趋势日益明显，例如用强化学习动态调整节点参数，或通过行为树解释神经网络决策过程，这种混合方法在自动驾驶、服务机器人等具身智能产品中展现出独特优势。