广告 网站网页微信版官网登录仅传输文件

广告 网站,网页微信版官网登录仅传输文件,免费网站视频主持人,学计算机网站开发好吗文章深入分析了为什么一定要做Agent智能体#xff0c;指出Agent相比传统开发方法具有四大优势#xff1a;降低应用开发门槛#xff0c;使非专业开发者也能创建应用#xff1b;简化流程复杂度#xff0c;作为胶水连接各个模块#xff1b;提供多样化交互方式指出Agent相比传统开发方法具有四大优势降低应用开发门槛使非专业开发者也能创建应用简化流程复杂度作为胶水连接各个模块提供多样化交互方式不仅限于自然语言以及支持多Agent协同完成复杂任务。尽管Agent目前存在速度慢、幻觉等挑战但这些可通过技术创新逐步解决Agent代表着解放生产力的发展方向。什么是Agent首先要深入探讨这“为什么要做Agent”这个问题之前我们先来看一下什么是Agent也就是Agent的定义是什么有很多人说这还有什么好定义的不就是大模型调用API吗不这只是对Agent概念的一个简单的认知我们还是非常有必要了解一下真正的Agent的含义是什么。目前国内很多厂商和平台将Agent翻译为“智能体”但我想说的是这种翻译并不完全准确。如果从最原始的词典里去查的话Agent这个英文单词实际上是代理的意思。这里的代理我个人理解的含义指的是让大模型“代理/模拟”「人」的行为使用某些“工具/功能”来完成某些“任务”的能力。所以你会发现国外使用Agent这个词来代表让大模型调用工具或功能帮人完成某些事情的过程其实还是比较形象的。因此只要符合这个定义的其实就是一种Agent。我们可以看到有许多大厂、独角兽公司、研究所、高校也给Agent下过许多定义比较经典的一个定义是OpenAI的研究主管Lilian Weng给出的定义是Agent 大模型LLM 规划Planning 记忆Memory 工具使用Tool Use[1]。这个定义实际上是从技术实现的角度对Agent进行了定义它指的是要实现一个Agent就需要支持这些能力它需要基于大模型需要有规划的能力能思考接下来要做的事情需要有记忆能够读取长期记忆和短期记忆需要能够使用工具他是将支持这些能力的集合体定义为了Agent。图1 按照规划、记忆、工具、动作分解的Agent定义OpenAI另外的一个定义是复旦大学NLP团队给出来的他们认为Agent的概念框架包括三个组件大脑、感知、行动[2]。大脑模块作为控制器承担记忆、思考和决策等基本任务。感知模块从外部环境感知并处理多模态信息而行动模块则使用工具执行任务并影响周围环境。比如当人类询问是否会下雨时感知模块将指令转换为大模型可以理解的表示然后大脑会根据当前天气和互联网天气报告开始推理最后行动模块作出回应并将雨伞递给人类。通过重复上述过程Agent可以不断获得反馈并与环境互动。图2 按照环境、感知、大脑、动作分解的Agent定义复旦NLP其实这些各种版本的定义实际上是对我们刚才所说的Agent代理「人」做某些事情的一个更细致的拆解而已大家仔细想想人要做某件事情也是需要根据自己的记忆学过的知识、当前事情的上下文需要先规划这个事情怎么做可能需要做一些思考、问题拆解这中间也可能会使用各种各样的工具最终通过某些动作、操作去把把某件事情完成。因此国内将Agent翻译为智能体也是在表达一个能规划、有记忆、能使用工具的东西它又不是一个人也不是一个动物又不能直接将其描述为一个机器人因为不一定是机器人形态但有大脑所以就给他起了个名字叫“智能体”。Agent的优势在文章的开头我列出来了很多人反馈的Agent的几大挑战或者说缺点但任何新兴事务或者技术在发明初期都会存在这样或者那样的问题或者缺点如果只看缺点不看优点可能很难看清事务发展的方向。举个例子就像第一次工业革命的时候蒸汽火车被发明相比前一代交通工具马车火车的缺点是什么呢它的缺点主要是只能沿着固定轨道走比较费煤炭或者速度相比马车太快容易出现交通事故等等。但是火车最终还是发展了起来而马车反而被时代所抛弃如果仅仅是因为看到火车更容易出现的这些问题就停止对火车的发展显然是非常武断和草率的。因为相比马车来讲火车速度更快效率更高跑起来更稳定乘坐体验更好。而马车速度慢、十分颠簸更重要的是驾驭马车是需要很高成本的需要有骑马的技巧还需要驯服马匹毕竟动物没有机器那么容易控制。图3 马车vs火车第一次工业革命带来的交通工具的变革那么Agent的优势在哪里呢Agent可以“代理/模拟”「人」来完成相关事情它有一个非常聪明的大脑甚至在很多领域比人都聪明所以从这个角度来看Agent的出现其实是“解放了人的生产力”所以从这个角度来说Agent其实是一个极大提升效率的生产力。具体地体现在下面几个方面我将逐一展开分析。降低应用开发门槛首先使用Agent智能体的第一个优势是降低了应用开发的成本和门槛。在工作和生活中我们很多时候存在很多的需求这些需求如果想要满足要么就是寻找已经造好的轮子比如现成的平台或APP要么就是自己动手DIY一个定制化的轮子那么就涉及到一个应用开发的问题。过去想要实现一个功能我必须是一个专业的开发人员必须能够编写专业的代码。但现在如果你使用Agent而不是传统的硬编码方式那么首先的好处就是你不需要编写代码这降低了门槛。也就是说如果我不是专业的研发人员我是一个产品经理或者是一个运营人员我也可以通过自然语言描述prompt的方式实现一个Agent来满足我的个性化需求的开发。这是需求开发的巨大的效率提升也是应用开发的门槛的大幅降低。这是Agent与传统开发范式相比最大的区别。这么单纯的讲概念大家体感还是会不够深这里我类比两个经典的Case第一个是字节跳动推出的剪辑软件剪映它极大地降低了自媒体创作者制作视频的门槛。图4 在剪映专业版中可以很方便的剪辑视频AI识别字幕在以前拍摄视频、剪辑视频需要专业的技巧尤其是剪辑视频成本非常的高。你不仅仅是将视频切割成多个片段或者组合片段更重要的是还需要做各种转场、加各种元素、特效甚至还要添加字幕。早期的字幕都是需要在软件里面一个时间帧一个时间帧进行插入和编辑的。但是现在有了剪映它与传统软件最大的区别就是剪映加入了大量的模板和AI功能极大地降低了普通人创作视频的难度。它除了提供了丰富的转场模板和特效你可以直接使用它更重要的是提供了许多AI带来的功能比如AI快速剪辑、AI生成素材甚至AI添加字幕。原来给一段视频添加字幕可能需要一天的时间现在使用剪映的AI加字幕几分钟就可以完成。人只需要检查一遍调整一些小瑕疵视频就剪辑完成了。这是一个内容创作门槛的巨大降低使得视频创作越来越简单让更多原本不能或不会制作视频的人能够制作出好的短视频。抖音、b站、小红书等短视频/内容平台能做的这么火爆除了自身APP的运营推广之外降低视频制作门槛绝对是非常之重要的一个方面只有提高了内容创作的生产力才能带来更多内容真正的让技术不再是门槛发挥创意成了人要考虑的、最重要的事情人人都是剪辑师。图5 美图秀秀电脑版中支持的许多功能是基于AI增强的同样的类似的Case还有美图秀秀。早年如果你想修图你必须学习Photoshop这也是为什么修图也叫P图的原因因为其首字母就是P开头要想修图就必须要会用这款软件。你需要学习Photoshop复杂的抠图功能和调色、调光能力。现在有了美图秀秀你只需要打开APP它就提供了一系列低成本的工具和AI能力甚至能够快速让你的图片一键变美。无论是变瘦、磨皮变美都可以分分钟做到你要做的只是需要选择一下点击一下就可以完成。所以现在修图真的不需要再去找专业的修图师完全可以通过这些APP自己完成图片的美化和创作同样的让P图技术不再是门槛人人都是修图师。而在大模型时代Agent的目标是解放需求开发的生产力。假如你想要做一个APP、一个网站或者一个小程序来满足个人需求你以后应该也几乎不需要专业的软件开发团队来完成了通过Agent即使你是一个不懂前端、后端、算法也不懂产品设计的人也能轻松地用大模型做出一款GenAPP生成式APP让代码开发、参数配置的技术不再是门槛。图6 通义智能体平台上有着许多Agent他们其实都是GenApp其实我们可以看到现在有包括我们在内的很多头部厂商或独角兽已经在加大投入做Agent平台了这些人的目标也是致力于让更多普通人通过简单的自然语言描述和极为简单的配置最低成本地实现一个能够解决更复杂问题、执行更复杂任务的Agent。所以这个事情已经不是在未来了而是已经是进行时了相信不在远的将来我们会迎来GenAPP的大爆发时代人人都是开发者。简化流程复杂度使用Agent的第二个优势是简化流程复杂度。大模型的引入可以像“胶水”一样连接各个模块比如能够自动处理参数转换、能够自动完成一些校验逻辑这就极大的减少了流程配置的工作量。这种自动化的能力使得开发过程更加高效。图7 传统的流程编排过程过于复杂比如在流程中通常会调许多API如果是传统的流程编排前一步的API返回结果传进来与后一步API输入参数之间的映射你必须得严丝合缝包括变量类型和内容你必须要有完备的转换过程才能保证不会出现任何bug或错误。但有了Agent之后你不需要做那么完备你可以让大模型在中间像“胶水”一样去连接各个模块。大模型就像「人」一样看到问题、API接口、参数时它会自然而然地做转换。它可以把用户的问题输入内容自然地转换到相应的API入参上。所以大模型或Agent的出现它可以做这个粘合剂把那些不完备的地方通过模型本身的强大理解能力给弥补完备。就是这样的一个能力会大大降低一个流程或一个GenApp的构建复杂度。上一步是构建降低了构建的门槛不但不用写代码和配置只需要写字就可以一些不必要的中间过程逻辑也可以不写只需要关注在最主要、最核心的流程上即可。对于流程复杂性这一点在算法模型层面尤为明显。例如如果我想用传统的方式开发一个APP或功能需要开发许多小模型来完成某些功能。比如在一些流程的开头可能会需要一个“路由”模块在以往的情况下这需要训练一个单独的路由模型从而来判断问题或者意图需要路由到哪个分支。其他类似的在流程中间涉及到需要算法模型参与识别的地方我仍然需要去调用或者SFT一些小模型来处理这些单独的任务。每个单独的小模型的训练都需要收集相应的数据集构建相应的Label标签然后训练最终部署并且这些小模型最终也就只能做这么一件事情。但是基于大模型的Agent实际上就极大的避免了这种流程的复杂性并降低了成本你完全可以通过prompt来让大模型完成一个简单的操作。大模型甚至自己可以给自己写prompt、自己分解一个复杂问题分解完之后它自己判断是否需要路由、是否需要中间调用某些识别能力、是否需要做某些判断它自己完全就可以做好这些事情。也就是说大模型以及Agent的出现它不需要你去做一个这样非常“完备”的流程。交互方式多样性第三点个优势是关于交互层面的也就是说是LUI自然语言交互界面还是GUI图形交互界面的问题。诶等等不对啊在前面不是说大模型是基于自然语言进行交互的因此纯文本交互不友好这应该是Agent的一个缺点吧怎么放在优势里面讲了呢其实与其说是一个缺点不如说这是一个“误区”。其实Agent智能体并不局限于自然语言交互它是可以处理多种形式的输入和输出包括图形界面和动作执行。这意味着Agent可以适应不同的应用场景提供更灵活的解决方案。前面讲过什么是Agent让大模型“代理/模拟”「人」的行为使用某些“工具/功能”来完成某些“任务”的能力就可以定义为Agent。那么你会发现这里面其实并没有提到交互的问题并没有来说必须是自然语言交互还是什么其他形式的交互所以自然语言的交互界面只是人和大模型、接口和大模型之间的交互方式并不意味着Agent也要以自然语言的形式与大模型进行交互。给大家看几个非自然语言交互的Agent的例子大家就能看明白了。比如国外大模型厂商Anthropic发布过一款控制电脑使用的Agent[3]其效果比较惊艳大家可以点此查看演示视频https://www.youtube.com/watch?vODaHJzOyVCQ图8 Anthropic研发的可以自主控制电脑的AgentAnthropic的这个Agent他可以帮我打开电脑上的某个浏览器甚至都不需要指定浏览器的名称只说帮我打开浏览器帮我输入某个网址或打开某个网页搜索什么关键词点击某个步骤就可以。可以完全用自然语言描述这个需求描述完毕后大模型在实际运行的时候它会直接上去操作。它通过截图然后给大模型通过多模态识别去获得屏幕上的内容然后自己判断屏幕上哪个图标是浏览器自己完成点击操作然后自己去找哪个地方是地址栏自动把你说的网站转换成网址填进去然后帮你搜索东西。整个过程只有输入是自然语言但输出其实就是一个系列的操作动作的执行。再比如微软发布了十款非常受欢迎的Agent[4]其中有一个是供应链分析Agent它会通过自主跟踪供应商的表现检测供应链延迟并做出响应帮助企业优化供应链让采购团队摆脱耗时的手动监控减少供应链中断带来的额外成本。图9 微软供应链分析Agent可以自主分析供应链延迟检测在这个Agent里输入都不是自然语言了它们可能是一些预设的要求、选项或表单让用户去交互。交互完毕后它背后会整理成一个自然语言给到大模型让大模型完成一些任务。比如帮我分析这一周的销售情况你可能就在前端的表单里选个时间但背后的执行、分析、报告生成过程是大模型自主思考去完成的。并且最终生成出来的报告也并非是以自然语言形式它是直接渲染成了一个图表、表格等在内的各种展示形式的集合体甚至还有一些曲线预测这样的内容。综上所述挑战Agent是以对话形态为主的交互其实是一个伪命题。Agent并不是一定是以纯自然语言形式去进行交互的并且这在Agent的定义里面本身也是没有的。协同完成复杂任务最后有一个现在非常火热的Agent热点就是多AgentMulti-AgentAgent的存在形式并不是仅仅是单一的功能了而是可以进行各种各样的组装、协同、竞争[2]。图10 多Agent的协同模式如合作方式、竞争方式等比如多个Agent之间进行组装完成一些复杂的场景比如在服务领域的某些工单里面经常会出现客户在同一个工单中连续问多个问题这个时候就完全可以调用多个处理不同问题的Agent参与决策进行合作就像人一样进行接力把问题解决。有些时候也可能会面临一些疑难杂症的问题也可以有多个领域相关的Agent来进行专家会诊甚至Agent之间都可以相互交流最终讨论、解决同一个问题。Agent之间也可以进行竞争多个子任务Agent给出了多版不同方案由一个决策Agent或者人来最终决定要使用哪款子任务Agent给出的方案等等。甚至还有不少人在设想未来会出现由多个Agent组成的社会甚至人类也可以参与其中。下面这张图就展示了这个多Agent社会中的一些特定场景。在厨房中一个Agent负责点菜另一个Agent负责规划和解决烹饪任务。在音乐会中三个Agent正在合作参与乐队演出。户外有两个Agent正在讨论灯笼制作计划所需的材料和财务并选用工具。人可以参与这个社会活动的任何阶段这个社会就仿佛一个小的世界一般。图11 一种假想的多Agent社会直面Agent存在的挑战现在让我们继续把注意力转回到开篇我们讲的几点Agent的挑战其中第三点关于交互的在前文中已经讲过了现在说一下另外两个挑战。当然只要是现在神经网络架构下的大模型就仍然存在之前提到的速度慢以及幻觉问题。但是其实这些问题一直在不断由各种方案优化中。首先在速度方面我们已经可以看到许多公司通过芯片级别的提升比如通过提升GPU的性能或者在GPU上实现更多其他的芯片层面加速。也有许多像FlashAttention、vLLM这样的大模型部署框架通过对Transformer中KV Cache的优化来提升推理速度等等。还有一些方法是通过减少模型的参数量舍弃一些无用的参数只保留重要的参数信息尽量保持效果不变这就是模型参数裁剪。还有使用更小参数的模型去针对大参数量的模型做模型蒸馏其他的还有各种量化技术等等。通过这些从硬件到软件层面的优化是可以不断的提高模型的运行效率的。当然除了模型层面的优化之外还有许多在工程层面的优化比如对于大文本、大文档的读取可以使用预处理的方式将其切块对于一些冗长的Prompt可以做一些Prompt层面的信息压缩从而提高大模型的响应速度等等。图12 AI芯片、优化KV Cache等各种大模型推理加速优化方案至于幻觉问题现在大部分的模型随着不断的迭代、更新在Prompt写的比较明确的情况基本上很少出现太离谱的事实性错误幻觉更多是指令写的不明确存在歧义大模型没按照预期的情况去输出导致被大家定义为了幻觉。这种情况我们也会去引导Prompt的规范化书写甚至还有一些类似于OpenAI的Meta-Prompting项目[5]用Meta-Prompt指导大家优化Prompt的方案也能进一步提升大模型对指令跟随的能力产出更符合期望的Agent。同时在模型推理层面像DeepSeek R1或OpenAI o1/o3系列模型基于慢思考的System2通过引入hidden-thought等方法进行reasoning推理从而提升了大模型的理解能力进一步减少幻觉的比例。其他的还有类似GraphRAG等方案在RAG中引入知识图谱推理也能进一步减少大模型的幻觉比例提升大模型的准确性和理解能力。这里我提前预告一下在提升大模型的运行速度和降低幻觉这方面我们也在探索一些新的方法从而来优化Agent的速度和稳定性。比如说我们在研究一种Agent预编译能力即会去让大模型自动拆解哪些部分不需要大模型的参与哪些部分就可以在Agent构建阶段进行提前预编译这样在真正线上执行Agent时大部分的场景下是不需要大模型参与实时生成的只需要大模型参与必要的部分生成从而缩短大模型的推理时长并提高稳定性。这个方案我们还在研发中具体详细的方案和效果会在后续的文章中进行介绍这里大家可以点个关注、收藏敬请期待吧~综上所述我们可以看到尽管大模型存在着一些挑战但是通过不断的技术创新和优化我们正在努力提升Agent的性能和稳定性降低幻觉的比例使其更加高效和可靠。相比这些缺点更何况未来会逐步解决Agent的优点显然是更值得我们继续投入下去的动力总而言之一句话来说就是做Agent相比不做Agent利大于弊是一个值得我们长期重点投入下去的能力和形态。总结经过上述的分析和例子我们可以看到做Agent相比不做Agent的优势是显而易见的。尽管现在的技术手段上存在一些问题和挑战但这些短暂的问题不应该直接否定Agent发展前景而是应该更加坚定的正确的方向上不断推进继续优化Agent平台和能力尽量减少问题的出现。哲学里面有个基本规律叫“否定之否定”历史的发展总体进程一定是“曲折向前”的甚至是螺旋式发展在新旧事物交替的期间甚至很容易出现新旧事物杂糅的情况。举个例子姜文导演的电影《让子弹飞》申遗的开头有经典一幕就是有几匹马拉着一列火车在铁路上狂奔这种“马拉火车”的形式的的确确在清末民初时期短暂出现过这就是经典的新旧事物杂糅起来的情况舍不得淘汰马车同时又想使用新发明的火车于是就变成了“马拉火车”的奇观。你可以想象一下之所以出现这样的情况是不是因为当时有人担心火车开太快或者是担心煤炭不足也可能有人担心马会“失业”等等无论是哪种情况最终折中和妥协的产物就是这种四不像的“马拉火车”的出现其实是一种很“拧巴”的现象。图12 电影《让子弹飞》中出现过的“马拉火车”景象但我也能理解任何事物的出现需要一定的时间取让大家接受甚至很多创新、变革都是渐进式发生的很难一蹴而就。但我们要做的就是努力缩短像“马拉火车”这样的过渡阶段出现的时间尽可能更加从本质上去提升生产力和效率让新技术快速落地避免陷入和老技术纠缠不清的泥潭和历史债务之中。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2025 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取