起點(diǎn)課堂會(huì)員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會(huì)特權(quán)
個(gè)人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場(chǎng)職場(chǎng)軟技能直播
12場(chǎng)求職輔導(dǎo)直播
12場(chǎng)專業(yè)技能直播
會(huì)員專屬社群
榮耀標(biāo)識(shí) 在企業(yè)內(nèi)部落地大模型效果好嗎？——我們?cè)撛趺醋?/h2>
大模型賽道現(xiàn)在發(fā)展如火如荼，但大家都是在卷價(jià)格，卷應(yīng)用，關(guān)于場(chǎng)景的討論較少。這篇文章，我們來看看大模型在行業(yè)內(nèi)、企業(yè)內(nèi)，正在發(fā)生的變化。
每一次新技術(shù)的到來，都引得各家蜂擁而上。大模型的熱浪，燒到了全球每個(gè)角落。在底層大模型、及應(yīng)用架構(gòu)探索方面，美國(guó)遙遙領(lǐng)先。在應(yīng)用層面上，中國(guó)會(huì)像互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)一樣，取得百家爭(zhēng)鳴甚至趕超歐美的盛況嗎，大概率會(huì)，但尚需多少時(shí)日，暫不得而知。但有一點(diǎn)是明確的，敢于嘗鮮的獵人，已經(jīng)出發(fā)……下面就讓我們來看看，在行業(yè)內(nèi)、企業(yè)內(nèi)，正在發(fā)生的變化。
一、生成式AI應(yīng)用方向
生成式AI應(yīng)用可以分為四大類，每個(gè)領(lǐng)域都在思考，這次變革對(duì)當(dāng)下的工作、生活會(huì)帶來什么樣的變化，要怎么做才能登上“甲板”～
二、引入大模型，我們的工作會(huì)發(fā)生什么變化？
下面，用一張圖推演下，當(dāng)有了AI的協(xié)助，我們的工作狀態(tài)會(huì)發(fā)生怎樣的變化……
Copilot跟Agent的區(qū)別，筆者認(rèn)為，copilot更多的依賴人類的大腦。Agent相比之下，有更高的自主性。所以，在“教-學(xué)”的環(huán)節(jié)，筆者用了Copilot這個(gè)詞。
三、Agent架構(gòu)為大模型加配了四件套
Agent（智能體）是一種能夠感知環(huán)境、進(jìn)行決策和執(zhí)行動(dòng)作的智能實(shí)體(感知、記憶、工具、行動(dòng))。不同于傳統(tǒng)的人工智能，Agent具備通過獨(dú)立思考、調(diào)用工具去逐步完成給定目標(biāo)的能力。在有LLM作為其大腦之后，Agent更是具備了對(duì)通用問題的自動(dòng)化處理能力。
Agent架構(gòu)賦予大型語(yǔ)言模型（如 LLM）一種解決問題的“策略性思維結(jié)構(gòu)”。該框架模擬了人類處理問題的過程，實(shí)現(xiàn)群體智能的模擬與構(gòu)建，即“規(guī)劃、執(zhí)行及反饋的智能決策循環(huán)”。該架構(gòu)可以用來搭建，第一章節(jié)中提及的生成式AI的四個(gè)演進(jìn)方向，根據(jù)領(lǐng)域or場(chǎng)景的差異，有些做到copilot即可，有些需要達(dá)成agent，多agent，甚至是AIGC。自23年6月首次提出以來，已經(jīng)有海量的資訊專門探討、介紹AI Agent，在此不多著墨。
在該資料基礎(chǔ)上擴(kuò)充https://zhuanlan.zhihu.com/p/666913254
四、讓大模型發(fā)揮作用，“模型”本身的能力、實(shí)現(xiàn)Agent的“架構(gòu)”、“人”三者都很重要
LLM是集合了人類的智慧，通過自然語(yǔ)言交互可以給你答案，但是要想讓這個(gè)“智腦”切實(shí)的幫助你，需要跟他交互的“人”的智慧，也需要“讓大腦聯(lián)合手腳(Agent)”的工程框架的能力。
4.1 如何高效、低成本的搭建Agent？
AI Agent是高度可訓(xùn)練的，像新員工入職時(shí)一樣需要培訓(xùn)。需要從業(yè)務(wù)場(chǎng)景->Agent能力->平臺(tái)功能->技術(shù)支持的一連串的推導(dǎo)，只有把SOP提煉、總結(jié)的足夠精準(zhǔn)和細(xì)致化，才更有利于one by one的去搭建、調(diào)優(yōu)。
4.2 分析業(yè)務(wù)場(chǎng)景SOP定位需求為搭建Agent做好準(zhǔn)備
以汽車銷售場(chǎng)景為例，從最開始的了解到推薦，歷經(jīng)9個(gè)步驟。每個(gè)步驟中，都有關(guān)鍵用戶行為合計(jì)22項(xiàng)。對(duì)各個(gè)營(yíng)銷觸點(diǎn)，用戶有各自的感受，有評(píng)價(jià)，有訴求(痛點(diǎn))。對(duì)應(yīng)的，企業(yè)內(nèi)部對(duì)應(yīng)的在這些環(huán)節(jié)上，形成了具體的需求，希望借助大模型的能力，可以為整體鏈路提效、提升用戶體驗(yàn)和滿意度。
引用自：神策數(shù)據(jù)出品的“汽車行業(yè)CJO解決方案”
4.3 應(yīng)用場(chǎng)景->原子化->產(chǎn)品->技術(shù)能力->模型->服務(wù)
其一，抽象通用原子化能力，以復(fù)用，可以是agent，可以是插件，可以是信息庫(kù)～。這些原子化的組件可以快速組裝到業(yè)務(wù)所需要的大Agent中，類似N多個(gè)原子化的agent組成了MultiAgent。
其二，抽象特異性能力，以滿足特殊業(yè)務(wù)場(chǎng)景需要
五、如何搭建Agent？
目前，比較敏捷的方式，是通過“智能體搭建平臺(tái)”來實(shí)現(xiàn)。我們調(diào)研行業(yè)相關(guān)平臺(tái)工具，整理如下：
5.1、海外AI Agent構(gòu)建平臺(tái)
5.2 國(guó)內(nèi)AI Agent搭建平臺(tái)
六、想落地效果好，還有很長(zhǎng)的路要走
6.1、跟大模型的交互，給大模型投喂的“信息”很重要
大模型被認(rèn)為可以達(dá)到本科畢業(yè)生同等的認(rèn)知能力，因此，當(dāng)大模型具備領(lǐng)域知識(shí)時(shí)，可以不依賴knowledge，可以從information到wisdom。大模型的推理能力很強(qiáng)，但推理的效果，要依賴“信息”。這好比大模型是土地，長(zhǎng)出什么莊稼，要看喂給它的“種子”，“準(zhǔn)確的、結(jié)構(gòu)化的”信息or知識(shí)，便于讓大模型懂。
- 數(shù)據(jù)加工成信息的途徑：數(shù)據(jù)+定義和格式+時(shí)間范圍和相關(guān)性=>信息
- 信息提煉成知識(shí)的途徑：信息+假設(shè)+關(guān)系+模式和趨勢(shì)=>知識(shí)
- 知識(shí)變成智慧的途徑：知識(shí)+管理(收集、加工、應(yīng)用、傳播)+深刻認(rèn)識(shí)(洞察、判斷)+遠(yuǎn)見(預(yù)測(cè))=>wisdom，越接近智能化 ，對(duì)物理世界的還原越接近“真相”
6.2 在安全的范圍內(nèi)使用、觸碰“信息or知識(shí)”
大模型的能力，對(duì)信息的安全使用、合法“生成”、合規(guī)“觸碰”提出了更高的要求。識(shí)別和攔截的維度可以有多種，可是模型粒度的、Agent粒度的，也可以是基礎(chǔ)元素粒度的(插件、信息)，具體根據(jù)業(yè)務(wù)需要去設(shè)置。
6.3 怎么提問，有門道？
跟大模型的交互，一般是通過prompt工程來實(shí)現(xiàn)的，如何問，是非常重要的。行業(yè)內(nèi)已經(jīng)有很多關(guān)于如何寫prompt工程的文章(角色扮演、零樣本提示、 少樣本提示)，不再贅述。
這里，提醒應(yīng)該充分發(fā)揮大模型的優(yōu)勢(shì)能力——COT（Chain of Thought）能力。即大模型在解決問題時(shí)能夠展示其思考過程的能力。這種能力使得模型能夠像人類一樣，通過一系列邏輯推理步驟來解決復(fù)雜問題，而不僅僅是簡(jiǎn)單地輸出一個(gè)答案。COT能夠幫助人們理解模型是如何得出某個(gè)結(jié)論的，從而提高模型的透明度和可信度。
例如，假設(shè)我們要求大模型解決一個(gè)數(shù)學(xué)問題：
問題：一個(gè)直角三角形的兩條直角邊分別為3和4，求斜邊的長(zhǎng)度。
具有COT能力的大模型可能會(huì)這樣展示其思考過程：
理解問題：首先，我需要理解這是一個(gè)關(guān)于直角三角形的問題，且已知兩條直角邊的長(zhǎng)度。
應(yīng)用知識(shí)：我知道根據(jù)勾股定理，直角三角形的斜邊（c）的長(zhǎng)度可以通過公式 ??=??2+??2c=a2+b2 來計(jì)算，其中a和b是兩條直角邊的長(zhǎng)度。
代入數(shù)值：在這個(gè)例子中，a=3，b=4。所以我將這些數(shù)值代入公式中：??=32+42c=32+42。
計(jì)算：計(jì)算各項(xiàng)的平方，得到 ??=9+16c=9+16。
求和：將平方相加，得到 ??=25c=25。
開方：計(jì)算平方根，得到 ??=5c=5。
得出結(jié)論：所以，這個(gè)直角三角形的斜邊長(zhǎng)度是5。
通過這種逐步展示思考過程的方式，COT能力不僅幫助用戶理解模型是如何得出答案的，還可以在教育、解釋復(fù)雜概念或決策過程時(shí)提供幫助。
6.4 將任務(wù)拆細(xì)以多Agent協(xié)作模式推進(jìn)，比單Agent集合任務(wù)效果好
在面對(duì)復(fù)雜的任務(wù)挑戰(zhàn)時(shí)，開發(fā)者可以通過細(xì)分任務(wù)并構(gòu)建多個(gè)Agent來完成。這一多Agent架構(gòu)賦予開發(fā)者集中精力打造具備單一而強(qiáng)大功能的AI應(yīng)用程序的能力，而不是勞神費(fèi)力地開發(fā)少數(shù)幾個(gè)功能繁雜的GPT模型。
這種轉(zhuǎn)向不僅極大地提升了AI應(yīng)用的專業(yè)性與工作效率，而且為開發(fā)者開辟了更廣闊的創(chuàng)新領(lǐng)域，加速了AI應(yīng)用開發(fā)的多元化和個(gè)性化進(jìn)程。
多Agent系統(tǒng)的出現(xiàn)還激發(fā)了對(duì)AI未來發(fā)展的新設(shè)想，比如實(shí)現(xiàn)不同Agent間的自主互動(dòng)和層次化協(xié)作，從而逐漸減少對(duì)人工干預(yù)的依賴，向AGI更進(jìn)一步。
6.5 其他可以提升Agent效果的途徑？
在分析清楚、理清業(yè)務(wù)邏輯的基礎(chǔ)上，在搭建Agent時(shí)，工程鏈路的設(shè)計(jì)和開發(fā)也至關(guān)重要。當(dāng)業(yè)務(wù)場(chǎng)景需要跨出組織內(nèi)部，聯(lián)動(dòng)外部生態(tài)時(shí)，生態(tài)系統(tǒng)的API開放能力和程度(即工具的完備度)，也將影響Agent的效果。
底層大模型無時(shí)無刻的高速進(jìn)化著，跟大模型對(duì)接的Agent，也會(huì)因這種變化而發(fā)生波動(dòng)，在這場(chǎng)空中加油的競(jìng)賽中，需要找準(zhǔn)路子，方向如果錯(cuò)了，越努力越遙遠(yuǎn)……，貼著行業(yè)動(dòng)向打，或許是一條更“實(shí)際”的路線，讓我們拭目以待！
關(guān)鍵詞：Agent、GPT、生成式AI、AIGC、LLM、AGI、Prompt、插件、MultiAgent、Agentbuilder
受作者領(lǐng)域認(rèn)知深度所限，且技術(shù)無時(shí)無刻不在更新迭代，無法在一篇中盡現(xiàn)全貌，能為大家?guī)ヒ稽c(diǎn)點(diǎn)新的啟發(fā)，以深感欣慰。文中難免有紕漏或不準(zhǔn)確的地方，歡迎大家批評(píng)指正。若有任何建議或意見，歡迎聯(lián)系作者探討。
作者：shucay，佳琪，王麗、富璽、新遠(yuǎn)
本文由@shucay 授權(quán)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載
該文觀點(diǎn)僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
更多精彩內(nèi)容，請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
大模型賽道現(xiàn)在發(fā)展如火如荼，但大家都是在卷價(jià)格，卷應(yīng)用，關(guān)于場(chǎng)景的討論較少。這篇文章，我們來看看大模型在行業(yè)內(nèi)、企業(yè)內(nèi)，正在發(fā)生的變化。
每一次新技術(shù)的到來，都引得各家蜂擁而上。大模型的熱浪，燒到了全球每個(gè)角落。在底層大模型、及應(yīng)用架構(gòu)探索方面，美國(guó)遙遙領(lǐng)先。在應(yīng)用層面上，中國(guó)會(huì)像互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)一樣，取得百家爭(zhēng)鳴甚至趕超歐美的盛況嗎，大概率會(huì)，但尚需多少時(shí)日，暫不得而知。但有一點(diǎn)是明確的，敢于嘗鮮的獵人，已經(jīng)出發(fā)……下面就讓我們來看看，在行業(yè)內(nèi)、企業(yè)內(nèi)，正在發(fā)生的變化。
一、生成式AI應(yīng)用方向
生成式AI應(yīng)用可以分為四大類，每個(gè)領(lǐng)域都在思考，這次變革對(duì)當(dāng)下的工作、生活會(huì)帶來什么樣的變化，要怎么做才能登上“甲板”～
二、引入大模型，我們的工作會(huì)發(fā)生什么變化？
下面，用一張圖推演下，當(dāng)有了AI的協(xié)助，我們的工作狀態(tài)會(huì)發(fā)生怎樣的變化……
Copilot跟Agent的區(qū)別，筆者認(rèn)為，copilot更多的依賴人類的大腦。Agent相比之下，有更高的自主性。所以，在“教-學(xué)”的環(huán)節(jié)，筆者用了Copilot這個(gè)詞。
三、Agent架構(gòu)為大模型加配了四件套
Agent（智能體）是一種能夠感知環(huán)境、進(jìn)行決策和執(zhí)行動(dòng)作的智能實(shí)體(感知、記憶、工具、行動(dòng))。不同于傳統(tǒng)的人工智能，Agent具備通過獨(dú)立思考、調(diào)用工具去逐步完成給定目標(biāo)的能力。在有LLM作為其大腦之后，Agent更是具備了對(duì)通用問題的自動(dòng)化處理能力。
Agent架構(gòu)賦予大型語(yǔ)言模型（如 LLM）一種解決問題的“策略性思維結(jié)構(gòu)”。該框架模擬了人類處理問題的過程，實(shí)現(xiàn)群體智能的模擬與構(gòu)建，即“規(guī)劃、執(zhí)行及反饋的智能決策循環(huán)”。該架構(gòu)可以用來搭建，第一章節(jié)中提及的生成式AI的四個(gè)演進(jìn)方向，根據(jù)領(lǐng)域or場(chǎng)景的差異，有些做到copilot即可，有些需要達(dá)成agent，多agent，甚至是AIGC。自23年6月首次提出以來，已經(jīng)有海量的資訊專門探討、介紹AI Agent，在此不多著墨。
在該資料基礎(chǔ)上擴(kuò)充https://zhuanlan.zhihu.com/p/666913254
四、讓大模型發(fā)揮作用，“模型”本身的能力、實(shí)現(xiàn)Agent的“架構(gòu)”、“人”三者都很重要
LLM是集合了人類的智慧，通過自然語(yǔ)言交互可以給你答案，但是要想讓這個(gè)“智腦”切實(shí)的幫助你，需要跟他交互的“人”的智慧，也需要“讓大腦聯(lián)合手腳(Agent)”的工程框架的能力。
4.1 如何高效、低成本的搭建Agent？
AI Agent是高度可訓(xùn)練的，像新員工入職時(shí)一樣需要培訓(xùn)。需要從業(yè)務(wù)場(chǎng)景->Agent能力->平臺(tái)功能->技術(shù)支持的一連串的推導(dǎo)，只有把SOP提煉、總結(jié)的足夠精準(zhǔn)和細(xì)致化，才更有利于one by one的去搭建、調(diào)優(yōu)。
4.2 分析業(yè)務(wù)場(chǎng)景SOP定位需求為搭建Agent做好準(zhǔn)備
以汽車銷售場(chǎng)景為例，從最開始的了解到推薦，歷經(jīng)9個(gè)步驟。每個(gè)步驟中，都有關(guān)鍵用戶行為合計(jì)22項(xiàng)。對(duì)各個(gè)營(yíng)銷觸點(diǎn)，用戶有各自的感受，有評(píng)價(jià)，有訴求(痛點(diǎn))。對(duì)應(yīng)的，企業(yè)內(nèi)部對(duì)應(yīng)的在這些環(huán)節(jié)上，形成了具體的需求，希望借助大模型的能力，可以為整體鏈路提效、提升用戶體驗(yàn)和滿意度。
引用自：神策數(shù)據(jù)出品的“汽車行業(yè)CJO解決方案”
4.3 應(yīng)用場(chǎng)景->原子化->產(chǎn)品->技術(shù)能力->模型->服務(wù)
其一，抽象通用原子化能力，以復(fù)用，可以是agent，可以是插件，可以是信息庫(kù)～。這些原子化的組件可以快速組裝到業(yè)務(wù)所需要的大Agent中，類似N多個(gè)原子化的agent組成了MultiAgent。
其二，抽象特異性能力，以滿足特殊業(yè)務(wù)場(chǎng)景需要
五、如何搭建Agent？
目前，比較敏捷的方式，是通過“智能體搭建平臺(tái)”來實(shí)現(xiàn)。我們調(diào)研行業(yè)相關(guān)平臺(tái)工具，整理如下：
5.1、海外AI Agent構(gòu)建平臺(tái)
5.2 國(guó)內(nèi)AI Agent搭建平臺(tái)
六、想落地效果好，還有很長(zhǎng)的路要走
6.1、跟大模型的交互，給大模型投喂的“信息”很重要
大模型被認(rèn)為可以達(dá)到本科畢業(yè)生同等的認(rèn)知能力，因此，當(dāng)大模型具備領(lǐng)域知識(shí)時(shí)，可以不依賴knowledge，可以從information到wisdom。大模型的推理能力很強(qiáng)，但推理的效果，要依賴“信息”。這好比大模型是土地，長(zhǎng)出什么莊稼，要看喂給它的“種子”，“準(zhǔn)確的、結(jié)構(gòu)化的”信息or知識(shí)，便于讓大模型懂。
- 數(shù)據(jù)加工成信息的途徑：數(shù)據(jù)+定義和格式+時(shí)間范圍和相關(guān)性=>信息
- 信息提煉成知識(shí)的途徑：信息+假設(shè)+關(guān)系+模式和趨勢(shì)=>知識(shí)
- 知識(shí)變成智慧的途徑：知識(shí)+管理(收集、加工、應(yīng)用、傳播)+深刻認(rèn)識(shí)(洞察、判斷)+遠(yuǎn)見(預(yù)測(cè))=>wisdom，越接近智能化 ，對(duì)物理世界的還原越接近“真相”
6.2 在安全的范圍內(nèi)使用、觸碰“信息or知識(shí)”
大模型的能力，對(duì)信息的安全使用、合法“生成”、合規(guī)“觸碰”提出了更高的要求。識(shí)別和攔截的維度可以有多種，可是模型粒度的、Agent粒度的，也可以是基礎(chǔ)元素粒度的(插件、信息)，具體根據(jù)業(yè)務(wù)需要去設(shè)置。
6.3 怎么提問，有門道？
跟大模型的交互，一般是通過prompt工程來實(shí)現(xiàn)的，如何問，是非常重要的。行業(yè)內(nèi)已經(jīng)有很多關(guān)于如何寫prompt工程的文章(角色扮演、零樣本提示、 少樣本提示)，不再贅述。
這里，提醒應(yīng)該充分發(fā)揮大模型的優(yōu)勢(shì)能力——COT（Chain of Thought）能力。即大模型在解決問題時(shí)能夠展示其思考過程的能力。這種能力使得模型能夠像人類一樣，通過一系列邏輯推理步驟來解決復(fù)雜問題，而不僅僅是簡(jiǎn)單地輸出一個(gè)答案。COT能夠幫助人們理解模型是如何得出某個(gè)結(jié)論的，從而提高模型的透明度和可信度。
例如，假設(shè)我們要求大模型解決一個(gè)數(shù)學(xué)問題：
問題：一個(gè)直角三角形的兩條直角邊分別為3和4，求斜邊的長(zhǎng)度。
具有COT能力的大模型可能會(huì)這樣展示其思考過程：
理解問題：首先，我需要理解這是一個(gè)關(guān)于直角三角形的問題，且已知兩條直角邊的長(zhǎng)度。
應(yīng)用知識(shí)：我知道根據(jù)勾股定理，直角三角形的斜邊（c）的長(zhǎng)度可以通過公式 ??=??2+??2c=a2+b2 來計(jì)算，其中a和b是兩條直角邊的長(zhǎng)度。
代入數(shù)值：在這個(gè)例子中，a=3，b=4。所以我將這些數(shù)值代入公式中：??=32+42c=32+42。
計(jì)算：計(jì)算各項(xiàng)的平方，得到 ??=9+16c=9+16。
求和：將平方相加，得到 ??=25c=25。
開方：計(jì)算平方根，得到 ??=5c=5。
得出結(jié)論：所以，這個(gè)直角三角形的斜邊長(zhǎng)度是5。
通過這種逐步展示思考過程的方式，COT能力不僅幫助用戶理解模型是如何得出答案的，還可以在教育、解釋復(fù)雜概念或決策過程時(shí)提供幫助。
6.4 將任務(wù)拆細(xì)以多Agent協(xié)作模式推進(jìn)，比單Agent集合任務(wù)效果好
在面對(duì)復(fù)雜的任務(wù)挑戰(zhàn)時(shí)，開發(fā)者可以通過細(xì)分任務(wù)并構(gòu)建多個(gè)Agent來完成。這一多Agent架構(gòu)賦予開發(fā)者集中精力打造具備單一而強(qiáng)大功能的AI應(yīng)用程序的能力，而不是勞神費(fèi)力地開發(fā)少數(shù)幾個(gè)功能繁雜的GPT模型。
這種轉(zhuǎn)向不僅極大地提升了AI應(yīng)用的專業(yè)性與工作效率，而且為開發(fā)者開辟了更廣闊的創(chuàng)新領(lǐng)域，加速了AI應(yīng)用開發(fā)的多元化和個(gè)性化進(jìn)程。
多Agent系統(tǒng)的出現(xiàn)還激發(fā)了對(duì)AI未來發(fā)展的新設(shè)想，比如實(shí)現(xiàn)不同Agent間的自主互動(dòng)和層次化協(xié)作，從而逐漸減少對(duì)人工干預(yù)的依賴，向AGI更進(jìn)一步。
6.5 其他可以提升Agent效果的途徑？
在分析清楚、理清業(yè)務(wù)邏輯的基礎(chǔ)上，在搭建Agent時(shí)，工程鏈路的設(shè)計(jì)和開發(fā)也至關(guān)重要。當(dāng)業(yè)務(wù)場(chǎng)景需要跨出組織內(nèi)部，聯(lián)動(dòng)外部生態(tài)時(shí)，生態(tài)系統(tǒng)的API開放能力和程度(即工具的完備度)，也將影響Agent的效果。
底層大模型無時(shí)無刻的高速進(jìn)化著，跟大模型對(duì)接的Agent，也會(huì)因這種變化而發(fā)生波動(dòng)，在這場(chǎng)空中加油的競(jìng)賽中，需要找準(zhǔn)路子，方向如果錯(cuò)了，越努力越遙遠(yuǎn)……，貼著行業(yè)動(dòng)向打，或許是一條更“實(shí)際”的路線，讓我們拭目以待！
關(guān)鍵詞：Agent、GPT、生成式AI、AIGC、LLM、AGI、Prompt、插件、MultiAgent、Agentbuilder
受作者領(lǐng)域認(rèn)知深度所限，且技術(shù)無時(shí)無刻不在更新迭代，無法在一篇中盡現(xiàn)全貌，能為大家?guī)ヒ稽c(diǎn)點(diǎn)新的啟發(fā)，以深感欣慰。文中難免有紕漏或不準(zhǔn)確的地方，歡迎大家批評(píng)指正。若有任何建議或意見，歡迎聯(lián)系作者探討。
作者：shucay，佳琪，王麗、富璽、新遠(yuǎn)
本文由@shucay 授權(quán)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載
該文觀點(diǎn)僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
- 目前還沒評(píng)論，等你發(fā)揮！
