一個(gè)叫AutoGPT框架項(xiàng)目發(fā)布，項(xiàng)目利用大型語(yǔ)言模型，能自動(dòng)把一個(gè)大任務(wù)拆分成小任務(wù)，并使用工具完成它們。

這種技術(shù)，將大語(yǔ)言模型處理語(yǔ)言、創(chuàng)造內(nèi)容，和邏輯推理的能力擴(kuò)展到了應(yīng)用場(chǎng)景里，還加了感知和行動(dòng)技術(shù)，所以，能從頭到尾解決一個(gè)簡(jiǎn)單的問(wèn)題。

緊接著，一年時(shí)間內(nèi)，項(xiàng)目引起國(guó)外大公司、國(guó)內(nèi)創(chuàng)業(yè)者、投資者們極大關(guān)注，大家開(kāi)始積極開(kāi)發(fā)AI Agent的框架、平臺(tái)或具體應(yīng)用。

外加上去年11月，OpenAI又推出一系列的GPTs，然后，國(guó)內(nèi)才有不少公司才開(kāi)始根據(jù)各自能力布局應(yīng)用層、平臺(tái)層、開(kāi)發(fā)層和運(yùn)營(yíng)層等方向，來(lái)增加下一波生態(tài)下的壁壘性。

因此，人們才認(rèn)為它是下一個(gè)重要細(xì)分發(fā)展方向。

可是：任何行業(yè)都存在信息差，我周?chē)泻芏嗳耍安](méi)有關(guān)注該賽道，爆發(fā)后才覺(jué)得有必要了解下，但現(xiàn)在市場(chǎng)上各種信息泛濫，讓人眼花繚亂，就帶來(lái)不少困擾。

他們不太清楚Agent是什么？為什么很重要，未來(lái)發(fā)展怎樣？借此機(jī)會(huì)，分享一些信息，希望幫你初步了解這個(gè)概念。

01

到底什么是AI agent？它是怎么工作的呢？

先來(lái)看一個(gè)詞：“agent”，中文意思是代理人。代理人，你可以理解成有人幫你去做某件事。

那么，AI agent是什么？簡(jiǎn)單來(lái)說(shuō)，一個(gè)由AI技術(shù)加持的代理人，它變得更聰明了，可以感知周?chē)沫h(huán)境，并且能夠獨(dú)立地思考和行動(dòng)。

你有沒(méi)有用過(guò)對(duì)話式的大模型（LLM），比如：文心一言、Kimi Chat、或者智譜AI？AI agent和對(duì)話式模型區(qū)別在于，你不用一直告訴它要做什么，只要給它一個(gè)目標(biāo)，就能想辦法自動(dòng)幫你完成。

所以，大模型（LLM）要很多各種各樣的數(shù)據(jù)，數(shù)據(jù)幫助它，學(xué)習(xí)的和人一樣具備交流、學(xué)習(xí)、思考和推理的能力。

不過(guò)，它并不完美，時(shí)常出現(xiàn)一些奇怪的想法，或者受到環(huán)境影響；這時(shí)，就能用基于大模型開(kāi)發(fā)的AI agent進(jìn)一步細(xì)化問(wèn)題。

舉個(gè)容易理解的例子：

你用過(guò)小愛(ài)同學(xué)嗎？假如生病了，以前對(duì)它說(shuō)：“我不舒服”，它只會(huì)告訴你去醫(yī)院看看，多注意防護(hù)。

如果更聰明的AI agent，做法會(huì)不一樣。它能檢測(cè)你的體溫和其他健康指標(biāo)，結(jié)合網(wǎng)上的信息，分析之后告訴你：你可能發(fā)燒了。”接下來(lái)，還能幫你自動(dòng)寫(xiě)好請(qǐng)假條。如果說(shuō)：“幫我在釘釘上發(fā)給領(lǐng)導(dǎo)”，它立刻就能搞定。

要是家里布洛芬不夠了，它甚至可以把藥加入購(gòu)物車(chē)，你確認(rèn)后付款，很快藥就能送到家。這就是AI agent的聰明之處。

所以，它的工作原理是什么呢？主要有四部分：

感知

信息處理

執(zhí)行

輸出

感知是第一步。AI通過(guò)傳感器、攝像頭、麥克風(fēng)這些外部設(shè)備來(lái)感知周?chē)氖澜?。比如你說(shuō)：“我不舒服”，這句話就能通過(guò)麥克風(fēng)被捕捉到。

信息處理，像把一個(gè)通用的大模型和很多專(zhuān)業(yè)的知識(shí)庫(kù)結(jié)合起來(lái)。比如：健康數(shù)據(jù)和家里的藥物存量，你告訴它這些信息，它就能幫你保存并做出決策。

寫(xiě)請(qǐng)假條、在線購(gòu)買(mǎi)藥品，這些都是系統(tǒng)根據(jù)它的決策來(lái)完成的具體工作。完成之后，系統(tǒng)會(huì)告訴你結(jié)果。

一個(gè)完整的智能體（Agent），好比人類(lèi)和周?chē)h(huán)境互動(dòng)的過(guò)程，它由兩部分組成：一部分是智能體自己，另一部分是它所在的環(huán)境。

智能體像生活在物理世界中的人類(lèi)，而物理世界是它的外部環(huán)境，人類(lèi)感知周?chē)氖澜?，理解環(huán)境中隱藏的信息，再結(jié)合自己的記憶、對(duì)世界的了解來(lái)做計(jì)劃、做決定和采取行動(dòng)一樣；行動(dòng)又會(huì)影響環(huán)境，產(chǎn)生新的反饋。

人類(lèi)根據(jù)反饋再次做出決策，從而形成一個(gè)不斷循環(huán)的過(guò)程。

你看，整個(gè)過(guò)程像不像馬克思主義的「實(shí)踐論」？有個(gè)目標(biāo)后，從認(rèn)識(shí)開(kāi)始，實(shí)踐得出理論知識(shí)，再把知識(shí)應(yīng)用回實(shí)踐中去。這就是，AI Agent神奇之處。

02

不過(guò)，由于大模型本身能力還在不斷發(fā)展中，智能體形態(tài)、應(yīng)用場(chǎng)景也就更晚一些，所以，看似短短一年內(nèi)，探索了多種實(shí)現(xiàn)智能體的方式，但大部分還處在概念驗(yàn)證、產(chǎn)品演示階段，常見(jiàn)問(wèn)題也相對(duì)明顯。

包括：項(xiàng)目文檔不完整、復(fù)用效果不穩(wěn)定、任務(wù)拆分過(guò)細(xì)，導(dǎo)致成本過(guò)高，以及推理能力不夠，更主要的原因，還有跨平臺(tái)能力如何解決等等。

我身邊愛(ài)寫(xiě)作、閱讀的朋友們都有一個(gè)共同的習(xí)慣：

他們會(huì)收藏一些有用的信息。通常，信息被臨時(shí)記錄在備忘錄中。隨著時(shí)間往后推，記錄東西多了，管理起來(lái)就比較麻煩。

前段時(shí)間，我琢磨能不能創(chuàng)建一個(gè)完整的流程，自動(dòng)化處理，折騰半天，雖然搭建成功流程自動(dòng)化，但實(shí)際使用起來(lái)的效果并不理想。

所以，許多平臺(tái)廠商、研究機(jī)構(gòu)、創(chuàng)業(yè)公司推出各種單一智能體、多組合智能體、以及機(jī)器人自動(dòng)化（RPA）等框架項(xiàng)目，但從實(shí)際調(diào)研和行業(yè)反饋看，還要迭代。

不過(guò)，這個(gè)框架的總體思路，可以用一個(gè)公式概括：

Agent = LLM（大型語(yǔ)言模型）+ Planning（規(guī)劃）+ Feedback（反饋）+ Tool use（工具使用）。

當(dāng)我們做規(guī)劃時(shí)，不僅只看當(dāng)前情況，還會(huì)考慮記憶、過(guò)去的經(jīng)驗(yàn)，以前的反思和總結(jié)，還有對(duì)世界的了解也加入進(jìn)來(lái)。

而現(xiàn)在以ChatGPT和其他為首的國(guó)內(nèi)大模型，更像一個(gè)固定不變的知識(shí)庫(kù)，它不能直接和環(huán)境互動(dòng)，雖然它們可以進(jìn)行邏輯推理、基本規(guī)劃，但不能感知周邊的一切，來(lái)進(jìn)行自主反饋。

在我看來(lái)，智能體能通過(guò)各種方式獲取反饋。

比如：

如果我們把和對(duì)話的ChatGPT視為一個(gè)智能體，那么，通過(guò)文本框輸入的回復(fù)就是給它的反饋，這種互動(dòng)后，它能調(diào)整自己的回答，而不是一次次再教育。

還有，更進(jìn)一步地，智能體可以使用外部工具來(lái)增強(qiáng)它的功能，解決更復(fù)雜的問(wèn)題。

例如：

它可以用天氣API來(lái)獲取天氣預(yù)報(bào)，如果沒(méi)有工具，智能體還能學(xué)習(xí)適應(yīng)環(huán)境變化的策略，來(lái)應(yīng)對(duì)挑戰(zhàn)。

所以，一個(gè)完整AI智能體應(yīng)該能夠主動(dòng)和環(huán)境互動(dòng)。而大型語(yǔ)言模型是它潛在能力的核心，未來(lái)發(fā)展方向，是創(chuàng)建一個(gè)從頭到尾的系統(tǒng)，這將依靠它有效地使用周?chē)墓ぞ?，?lái)實(shí)現(xiàn)更廣泛的應(yīng)用。

03

那么，它為什么很重要？我為什么要深入理解呢？

首先，AI智能體將會(huì)引領(lǐng)軟件行業(yè)進(jìn)入一個(gè)新的時(shí)代，我們可以叫它“3D打印時(shí)代”。

什么意思呢？

3D打印技術(shù)普及時(shí)，人們很方便地3可以打印出各種“實(shí)體物品”。在所謂的“3D打印時(shí)代”，開(kāi)發(fā)、定制軟件將變得跟打印文件一樣簡(jiǎn)單、快速。公司、個(gè)人想要什么？都根據(jù)自己的需求，很快找到解決方案。

有一個(gè)科學(xué)家，名叫Andrej Karpathy，他在特斯拉負(fù)責(zé)開(kāi)發(fā)、優(yōu)化自動(dòng)駕駛技術(shù)。他在推特上說(shuō)過(guò)，我們可以利用大數(shù)據(jù)、強(qiáng)大的計(jì)算能力來(lái)解決過(guò)去需要很多人力和時(shí)間的復(fù)雜問(wèn)題。

這也是為什么那么多人對(duì)AutoGPT感興趣的原因。

其次，AI智能體能減少軟件的生產(chǎn)成本。

你學(xué)過(guò)編程沒(méi)？以前編程，要寫(xiě)大量臨時(shí)文件、測(cè)試方案，還要長(zhǎng)期保存下來(lái)，以便不時(shí)之需；現(xiàn)在的編程，完全可以自動(dòng)化制作，成本幾乎為零；這意味著，原來(lái)需要上千萬(wàn)人才能完成的軟件任務(wù)，現(xiàn)在少量的人就可以搞定。

還有一點(diǎn)是，智能體靈活滿(mǎn)足各種需求。

以前，我在幾家C輪公司工作過(guò)，技術(shù)人員占了一半，因?yàn)橛脩?hù)很多、開(kāi)發(fā)的東西也特別多。不僅要做商城，還要做CRM系統(tǒng)，只有用很多人力才能提高效率。

現(xiàn)在情況不同，很多基礎(chǔ)的需求直接交給智能體來(lái)處理。這就像，我們從大批量生產(chǎn)，轉(zhuǎn)變成了小批量快速響應(yīng)的模式。

如果把大語(yǔ)言模型看作人類(lèi)思考的“系統(tǒng)1”，即負(fù)責(zé)快速、直覺(jué)的思考，而AI智能體則類(lèi)似于人類(lèi)的“系統(tǒng)2”，負(fù)責(zé)慢速、分析性的深入思考。

計(jì)算機(jī)專(zhuān)家，Andrej Karpathy曾提到：大模型可以快速產(chǎn)生反饋，但也容易產(chǎn)生誤判。AI智能體目標(biāo)是建立一個(gè)個(gè)小框架，讓LLM循序漸進(jìn)的思考，反而更能做出可靠的決策。

我以前在網(wǎng)上搜索學(xué)術(shù)文章時(shí)，要分兩步篩選信息：

首先，根據(jù)研究領(lǐng)域進(jìn)行初步篩選；然后，根據(jù)第一次搜索結(jié)果，進(jìn)一步篩選出與我期望最相似的文章。這個(gè)過(guò)程通常要多次查詢(xún)和調(diào)整，耗時(shí)又麻煩。

后來(lái)，情況大有改觀。

我用RPA后，它按照要求自動(dòng)篩選，并在第一輪結(jié)果后精準(zhǔn)查找，所以，這就像APP的推薦系統(tǒng)，你可以根據(jù)需要，定制自己的智能體。

所以，基于大模型的Agent，改變了獲取信息的方式，未來(lái)會(huì)有更多人有自己的Agent，幫它當(dāng)合作伙伴，你可以想想，如果有個(gè)小助手，你會(huì)讓它做什么？

04

那么，AI Agent有什么不同類(lèi)型呢？

因?yàn)锳gent技術(shù)還不是完全成熟，所以，Agent平臺(tái)也在初期階段，現(xiàn)在一些比較固定的工作流程，或有詳細(xì)標(biāo)準(zhǔn)SOP的程序，都在封閉環(huán)境下進(jìn)行。

即便一些比較受歡迎的平臺(tái)，它們?cè)贏PI生態(tài)系統(tǒng)，工作流程再組合上，還是不夠完善。我盤(pán)了一下，AI Agen平臺(tái)大致有三類(lèi)：

一類(lèi)，面對(duì)公眾和非開(kāi)發(fā)人員，基于知識(shí)庫(kù)和數(shù)據(jù)庫(kù)的簡(jiǎn)單聊天機(jī)器人（Chatbot）；如“類(lèi)GPTs”，它提供標(biāo)準(zhǔn)界面、流程。國(guó)內(nèi)字節(jié)的扣子（Coze）、阿里的AI助理市場(chǎng)。

另一類(lèi)，面向開(kāi)發(fā)者的綜合開(kāi)發(fā)平臺(tái)：這類(lèi)平臺(tái)幫助開(kāi)發(fā)者使用各種API、第三方庫(kù)和代碼嵌入，進(jìn)行Agent的流程調(diào)優(yōu)。

例如：

Coze海外版、百度靈境矩陣全代碼版，阿里、亞馬遜等提供模型托管，支持開(kāi)發(fā)者開(kāi)發(fā)應(yīng)用。它們可以能解決復(fù)雜問(wèn)題、有多個(gè)工作流程安排的復(fù)雜場(chǎng)景在里面。

第三類(lèi)是企業(yè)級(jí)開(kāi)發(fā)平臺(tái)：專(zhuān)門(mén)給企業(yè)工作流程制作的智能化。比如：TARS-RPA-Agent、CubeAgent和Torq等。瀾碼科技的AskXbot平臺(tái)，以及360的“大模型+企業(yè)知識(shí)庫(kù)+Agent”的解決方案。

基于該框架下又能進(jìn)行行業(yè)結(jié)構(gòu)，應(yīng)用場(chǎng)景再次劃分。

圖片

因?yàn)榇蠹野l(fā)展速度真的很快，所以，從實(shí)際情況來(lái)看，首先需要做的是：第一步，豐富通用和特定場(chǎng)景的工作流程。這意味著，要?jiǎng)?chuàng)建一些標(biāo)準(zhǔn)的流程，這樣不同的情況下都能用。

第二步，深入地學(xué)習(xí)和積累專(zhuān)業(yè)知識(shí)。這樣，第三步，平臺(tái)能更好地重復(fù)使用已有的工作流程，也能更靈活地結(jié)合不同的工具。

同時(shí)，還要探索適合的商業(yè)模式，這樣才能滿(mǎn)足AI時(shí)代的需求。簡(jiǎn)單說(shuō)，就是要搞清楚怎么通過(guò)AI Agent賺到錢(qián)，同時(shí)確保AI平臺(tái)能不斷進(jìn)步，更好地服務(wù)大家，很重要。

更直白一點(diǎn)說(shuō)：

產(chǎn)品營(yíng)銷(xiāo)圈，有一個(gè)很重要概念叫做PMF（Product-Market Fit，產(chǎn)品市場(chǎng)匹配度）。如果一個(gè)產(chǎn)品找到它的PMF，就找到了自己的市場(chǎng)立足點(diǎn)，開(kāi)始有了用戶(hù)黏性。

在AI大模型產(chǎn)品領(lǐng)域里，大模型要找到自己的TPF（Technology Product Fit，技術(shù)產(chǎn)品匹配）。

技術(shù)發(fā)展比較快時(shí)，AI從業(yè)者，要從技術(shù)、產(chǎn)品和市場(chǎng)三個(gè)角度全面考慮，尋找一個(gè)中間值，三者，完美匹配的時(shí)，才是AI Agent解決具體需求，賺到前的高光時(shí)刻。

我們不能總說(shuō)技術(shù)厲害，而忽略市場(chǎng)是否需要。

前段時(shí)間，跟一個(gè)老板溝通企業(yè)內(nèi)部流程再造時(shí)，就提到該問(wèn)題，他說(shuō)：看似很多冗余工作，AI Agent可以解決，但是，AI Agent解決前，總要先有人得先用好他。

舉個(gè)例子：

服裝設(shè)計(jì)公司，面臨一個(gè)重大挑戰(zhàn)，批量生產(chǎn)服裝時(shí)，要設(shè)計(jì)和制作多個(gè)樣板，這個(gè)過(guò)程傳統(tǒng)上完全依賴(lài)人工；現(xiàn)在，AI智能體可以介入這一過(guò)程，但到底能處理到哪一步呢？精確度足夠高嗎？這些都要進(jìn)一步的探索、測(cè)試。

所以，國(guó)內(nèi)Agent發(fā)展還未達(dá)到其真正潛力，大多只是些簡(jiǎn)單的聊天機(jī)器人。缺少反思、規(guī)劃、環(huán)境感知能力，而這些能力，恰巧構(gòu)成高級(jí)AI Agent的核心要素。

總結(jié)而言

AI Agent，進(jìn)一步迭代工作流。

據(jù)我所知，目前市面有很多agent搭建工具，如果你想進(jìn)一步了解這個(gè)賽道，親自試試，是最快的方法。