作者｜Jimmy
来源｜AI先锋官
AI Agent已经成为2025年AI最重要的赛道。
黄仁勋称它是“自动化中的自动化”，更多人认为，最有可能通往AGI的道路就是AI Agent。
但 AI agent 定义很多，小编希望通过以下整理，做一些通俗的呈现。
简单来说，AI Agent是一个能感知、思考、行动的人工智能系统。它可以自主完成特定任务，不用你手把手教，全程“自己想办法搞定”。
假如你是一个玩具厂的老板，那么当下应该生产什么样的玩具，一定是你要经常考虑的问题，但如果你直接把这个问题抛给 AI大模型，那大概率会得到一堆看似详细分析，实则“听君一席话，如听一席话”的内容。
也就是说，对于这种决策性的任务，通过 AI 大模型几乎不可能得到有价值的结果。
所以，如果我们要让大模型具有进行决策的能力，就要让大模型尽可能地模仿人脑，实施从“搜集信息-分解目标-推导问题-采取行动”的决策流程。
AI专家们把人类的这种思维过程形象地称为“思维链”。而AI agent正是基于 AI 大模型，试图对人类行为模仿的一种尝试。
所谓“agent”，本意即为“代理”的意思，让AI代理人类来完成推理的行动过程。
回到上面那个玩具店老板的场景。
我们将“玩具店老板”角色代入AI agent中，通过提示词，让它寻找当下适合生产的玩具款式，它会如此工作：
1. 首先会调用自己的工具模块，其中包含网络访问接口，数值计算接口，文件读取，数据库访问等各大功能，来搜集网络信息，例如当下玩具的流行趋势，适用于生产玩具的材料等。
2. 下一步它会将这些信息拆分，剔除一些虚假或是过时的信息并根据这些信息进行推导，并拆分成数个小目标，以及要执行的动作，这就是AI agent的动作和计划模块。
3. 到这里，AI agent的“脑”中就形成了低熵且准确的信息，据此明确自己下一步的行动和目标。
例如，在搜集到当下流行的玩具是机器人，AI agent就将机器人分解为款式，生产原料等小目标，并明确了下一步的行动是推导出最适合自己生产的机器人，
如此循环往复，机器推理的齿轮开始转动，不断进行着对人类推理行为的模仿，而由于每次递归推理都需要之前的计划和动作的结果，所以AI agent系统还有一个至关重要的记忆模块。
这便是AI agent的大致工作模式。
对于该工作模式，agen.cy创始人Alex Reibman 有过一个简单的概括：
-将大语言模型与工具调用相结合。
-大语言模型本身只能聊天,给出文本响应。
-当赋予它改变世界状态的能力时,它就变得具有代理性。
-正如人类因为能使用工具而具有智能，agent因为能使用工具而成为智能程序。
表现方式上，目前市场上的Agent主要有四类:
1.AI协同工具(co-pilots) - 例如与数据对话；
2. 客服机器人或支持机器人 - 能自主进行对话
3.AI软件工程师 - 能自主编写程序
4. 完全自主的agent - 更具探索性，给定高层次目标后可自主解决问题，通常是特定领域的，涉及许多不同类别。
AI agent为何被如此看好呢？
因为它正是对我们人类在解决复杂问题时的思维方式，以及工具使用行为的完整模仿，因此，很多人相信它是一种极有可能实现AGI的方法。
而除了对标人脑的语言模型，AI agent系统中很多都是我们普通人完全能搞定的常规技术。
因此，我们完全可以通过创意，或者优化手段做出令人眼前一亮的AI agent。
所以，大家普遍认为这是大模型时代，普通人也能玩转的领域。
但也不乏反对者，他们认为，AI agent不过是一个极具科幻色彩的泡沫而已。
如上，整个AI agent的理论都基于一个美好的假设，即语言模型拥有极强的推理能力，但以目前语言模型的能力来看，这个基础显然还不够牢固。
前面小编举例的场景，只是为了说明而假设的理想情况，而现实可能是，十次推理中只有一到两次能得到我们想要的结果。
所以，各位认为未来AI agent的前景怎样？欢迎评论区交流！
往期文章回顾
热门跟贴