AI Agent（人工智能代理）是一种能够自主感知环境、分析信息、制定决策并执行动作的智能系统。它通过结合感知、推理、学习和行动能力，模拟人类或生物的智能行为，完成特定任务或持续目标。

AI Agent 和大模型的区别在于，大模型与人类之间的交互是基于prompt 实现的，用户prompt 是否清晰明确会影响大模型回答的效果。而AI Agent的工作仅需给定一个目标，它就能够针对目标独立思考并做出行动。

来自加拿大的AI领域专家Rakesh Gohel给出了2025 AI Agents 几个可能的发展方向：

  • 自主检索增强生成 (Agentic RAG)

基于推理的，用于实时数据检索和生成的AI智能体工作流。

Agentic RAG的应用不局限于单一场景，同样也被应用于医疗保健领域。

举例：Perplexity, Harvey AI 和 Glean AI

能够通过自然口语与用户互动的智能代理，利用广泛的文本转语音（TTS）和语音转文本（STTS）的嵌入和检索技术。

举例：ElevenLabs, Cognigy, Vapi 和 Deepgram

  • AI智能体协议 (AI Agent Protocols)

简化多智能体之间的通信，支持不同框架下构建的智能体之间的交流。

举例：Accenture，A2A, ACP, SLIM等

  • 计算机使用智能体 (CUA - Computer Using Agents)

能像人类一样与计算机交互的AI智能体，可利用浏览器、命令行界面（CLI）甚至鼠标光标等工具。

举例：OpenAI的Operator, Claude的Computer Use, H-Company的Runner H以及Manus AI

  • 编程智能体 (Coding Agents)

借助巧妙的工具使用和基于大语言模型（LLM）的代码生成，使构建和调试应用程序的速度提高10倍的多智能体。

举例：Windsurf, Cursor 和 GitHub Copilot

  • 深度研究智能体 (DeepResearch Agents)

协作式多智能体系统，可从大量来源构建内容详尽的研究报告。

举例： Gemini DeepResearch, OpenAI DeepResearch 和 You(.)com DeepResearch