中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

查了一下：

AI Agent熱潮，準確來說，從2023年3月開始。

那時候，一個叫AutoGPT框架項目發(fā)布，項目利用大型語言模型，能自動把一個大任務拆分成小任務，并使用工具完成它們。

這種技術，將大語言模型處理語言、創(chuàng)造內容，和邏輯推理的能力擴展到了應用場景里，還加了感知和行動技術，所以，能從頭到尾解決一個簡單的問題。

緊接著，一年時間內，項目引起國外大公司、國內創(chuàng)業(yè)者、投資者們極大關注，大家開始積極開發(fā)AI Agent的框架、平臺或具體應用。

外加上去年11月，OpenAI又推出一系列的GPTs，然后，國內才有不少公司才開始根據各自能力布局應用層、平臺層、開發(fā)層和運營層等方向，來增加下一波生態(tài)下的壁壘性。

因此，人們才認為它是下一個重要細分發(fā)展方向。

可是：任何行業(yè)都存在信息差，我周圍有很多人，之前并沒有關注該賽道，爆發(fā)后才覺得有必要了解下，但現在市場上各種信息泛濫，讓人眼花繚亂，就帶來不少困擾。他們不太清楚Agent是什么？為什么很重要，未來發(fā)展怎樣？借此機會，分享一些信息，希望幫你初步了解這個概念。

01

到底什么是AI agent？它是怎么工作的呢？

先來看一個詞：“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？簡單來說，一個由AI技術加持的代理人，它變得更聰明了，可以感知周圍的環(huán)境，并且能夠獨立地思考和行動。

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

所以，大模型（LLM）要很多各種各樣的數據，數據幫助它，學習的和人一樣具備交流、學習、思考和推理的能力。

不過，它并不完美，時常出現一些奇怪的想法，或者受到環(huán)境影響；這時，就能用基于大模型開發(fā)的AI agent進一步細化問題。

舉個容易理解的例子：你用過小愛同學嗎？假如生病了，以前對它說：“我不舒服”，它只會告訴你去醫(yī)院看看，多注意防護。如果更聰明的AI agent，做法會不一樣。

它能檢測你的體溫和其他健康指標，結合網上的信息，分析之后告訴你：你可能發(fā)燒了。”接下來，還能幫你自動寫好請假條。

如果說：“幫我在釘釘上發(fā)給領導”，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物車，你確認后付款，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通過傳感器、攝像頭、麥克風這些外部設備來感知周圍的世界。比如你說：“我不舒服”，這句話就能通過麥克風被捕捉到。

信息處理，像把一個通用的大模型和很多專業(yè)的知識庫結合起來。比如：健康數據和家里的藥物存量，你告訴它這些信息，它就能幫你保存并做出決策。

寫請假條、在線購買藥品，這些都是系統(tǒng)根據它的決策來完成的具體工作。完成之后，系統(tǒng)會告訴你結果。

一個完整的智能體（Agent），好比人類和周圍環(huán)境互動的過程，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，而物理世界是它的外部環(huán)境，人類感知周圍的世界，理解環(huán)境中隱藏的信息，再結合自己的記憶、對世界的了解來做計劃、做決定和采取行動一樣；行動又會影響環(huán)境，產生新的反饋。

人類根據反饋再次做出決策，從而形成一個不斷循環(huán)的過程。

你看，整個過程像不像馬克思主義的「實踐論」？有個目標后，從認識開始，實踐得出理論知識，再把知識應用回實踐中去。

這就是，AI Agent神奇之處。

02?

不過，由于大模型本身能力還在不斷發(fā)展中，智能體形態(tài)、應用場景也就更晚一些，所以，看似短短一年內，探索了多種實現智能體的方式，但大部分還處在概念驗證、產品演示階段，常見問題也相對明顯。

包括：項目文檔不完整、復用效果不穩(wěn)定、任務拆分過細，導致成本過高，以及推理能力不夠，更主要的原因，還有跨平臺能力如何解決等等。

我身邊愛寫作、閱讀的朋友們都有一個共同的習慣：

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

前段時間，我琢磨能不能創(chuàng)建一個完整的流程，自動化處理，折騰半天，雖然搭建成功流程自動化，但實際使用起來的效果并不理想。

所以，許多平臺廠商、研究機構、創(chuàng)業(yè)公司推出各種單一智能體、多組合智能體、以及機器人自動化（RPA）等框架項目，但從實際調研和行業(yè)反饋看，還要迭代。

不過，這個框架的總體思路，可以用一個公式概括：

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

當我們做規(guī)劃時，不僅只看當前情況，還會考慮記憶、過去的經驗，以前的反思和總結，還有對世界的了解也加入進來。

而現在以ChatGPT和其他為首的國內大模型，更像一個固定不變的知識庫，它不能直接和環(huán)境互動，雖然它們可以進行邏輯推理、基本規(guī)劃，但不能感知周邊的一切，來進行自主反饋。

在我看來，智能體能通過各種方式獲取反饋。

比如：

如果我們把和對話的ChatGPT視為一個智能體，那么，通過文本框輸入的回復就是給它的反饋，這種互動后，它能調整自己的回答，而不是一次次再教育。

還有，更進一步地，智能體可以使用外部工具來增強它的功能，解決更復雜的問題。

例如：

它可以用天氣API來獲取天氣預報，如果沒有工具，智能體還能學習適應環(huán)境變化的策略，來應對挑戰(zhàn)。所以，一個完整AI智能體應該能夠主動和環(huán)境互動。而大型語言模型是它潛在能力的核心，未來發(fā)展方向，是創(chuàng)建一個從頭到尾的系統(tǒng)，這將依靠它有效地使用周圍的工具，來實現更廣泛的應用。

03?

那么，它為什么很重要？我為什么要深入理解呢？

首先，AI智能體將會引領軟件行業(yè)進入一個新的時代，我們可以叫它“3D打印時代”。什么意思呢？3D打印技術普及時，人們很方便地3可以打印出各種“實體物品”。

在所謂的“3D打印時代”，開發(fā)、定制軟件將變得跟打印文件一樣簡單、快速。公司、個人想要什么？都根據自己的需求，很快找到解決方案。有一個科學家，名叫Andrej Karpathy，他在特斯拉負責開發(fā)、優(yōu)化自動駕駛技術。

他在推特上說過，我們可以利用大數據、強大的計算能力來解決過去需要很多人力和時間的復雜問題。這也是為什么那么多人對AutoGPT感興趣的原因。

其次，AI智能體能減少軟件的生產成本。你學過編程沒？以前編程，要寫大量臨時文件、測試方案，還要長期保存下來，以便不時之需；現在的編程，完全可以自動化制作，成本幾乎為零；這意味著，原來需要上千萬人才能完成的軟件任務，現在少量的人就可以搞定。

還有一點是，智能體靈活滿足各種需求。以前，我在幾家C輪公司工作過，技術人員占了一半，因為用戶很多、開發(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。

現在情況不同，很多基礎的需求直接交給智能體來處理。這就像，我們從大批量生產，轉變成了小批量快速響應的模式。如果把大語言模型看作人類思考的“系統(tǒng)1”，即負責快速、直覺的思考，而AI智能體則類似于人類的“系統(tǒng)2”，負責慢速、分析性的深入思考。計算機專家，Andrej Karpathy曾提到：大模型可以快速產生反饋，但也容易產生誤判。

AI智能體目標是建立一個個小框架，讓LLM循序漸進的思考，反而更能做出可靠的決策。我以前在網上搜索學術文章時，要分兩步篩選信息：首先，根據研究領域進行初步篩選；然后，根據第一次搜索結果，進一步篩選出與我期望最相似的文章。這個過程通常要多次查詢和調整，耗時又麻煩。后來，情況大有改觀。

我用RPA后，它按照要求自動篩選，并在第一輪結果后精準查找，所以，這就像APP的推薦系統(tǒng)，你可以根據需要，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，未來會有更多人有自己的Agent，幫它當合作伙伴，你可以想想，如果有個小助手，你會讓它做什么？

04?

那么，AI Agent有什么不同類型呢？因為Agent技術還不是完全成熟，所以，Agent平臺也在初期階段，現在一些比較固定的工作流程，或有詳細標準SOP的程序，都在封閉環(huán)境下進行。

即便一些比較受歡迎的平臺，它們在API生態(tài)系統(tǒng)，工作流程再組合上，還是不夠完善。我盤了一下，AI Agen平臺大致有三類：一類，面對公眾和非開發(fā)人員，基于知識庫和數據庫的簡單聊天機器人（Chatbot）；如“類GPTs”，它提供標準界面、流程。國內字節(jié)的扣子（Coze）、阿里的AI助理市場。

另一類，面向開發(fā)者的綜合開發(fā)平臺：這類平臺幫助開發(fā)者使用各種API、第三方庫和代碼嵌入，進行Agent的流程調優(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，支持開發(fā)者開發(fā)應用。它們可以能解決復雜問題、有多個工作流程安排的復雜場景在里面。

第三類是企業(yè)級開發(fā)平臺：專門給企業(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，以及360的“大模型+企業(yè)知識庫+Agent”的解決方案?；谠摽蚣芟掠帜苓M行行業(yè)結構，應用場景再次劃分。

因為大家發(fā)展速度真的很快，所以，從實際情況來看，首先需要做的是：

第一步，豐富通用和特定場景的工作流程。這意味著，要創(chuàng)建一些標準的流程，這樣不同的情況下都能用。

第二步，深入地學習和積累專業(yè)知識。

這樣，第三步，平臺能更好地重復使用已有的工作流程，也能更靈活地結合不同的工具。

同時，還要探索適合的商業(yè)模式，這樣才能滿足AI時代的需求。簡單說，就是要搞清楚怎么通過AI Agent賺到錢，同時確保AI平臺能不斷進步，更好地服務大家，很重要。

更直白一點說：產品營銷圈，有一個很重要概念叫做PMF（Product-Market Fit，產品市場匹配度）。

如果一個產品找到它的PMF，就找到了自己的市場立足點，開始有了用戶黏性。在AI大模型產品領域里，大模型要找到自己的TPF（Technology Product Fit，技術產品匹配）。

技術發(fā)展比較快時，AI從業(yè)者，要從技術、產品和市場三個角度全面考慮，尋找一個中間值，三者，完美匹配的時，才是AI Agent解決具體需求，賺到前的高光時刻。我們不能總說技術厲害，而忽略市場是否需要。

前段時間，跟一個老板溝通企業(yè)內部流程再造時，就提到該問題，他說：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。

舉個例子：服裝設計公司，面臨一個重大挑戰(zhàn)，批量生產服裝時，要設計和制作多個樣板，這個過程傳統(tǒng)上完全依賴人工；現在，AI智能體可以介入這一過程，但到底能處理到哪一步呢？精確度足夠高嗎？這些都要進一步的探索、測試。

所以，國內Agent發(fā)展還未達到其真正潛力，大多只是些簡單的聊天機器人。

缺少反思、規(guī)劃、環(huán)境感知能力，而這些能力，恰巧構成高級AI Agent的核心要素。總結而言AI Agent，進一步迭代工作流。

據我所知，目前市面有很多agent搭建工具，如果你想進一步了解這個賽道，親自試試，是最快的方法。