大模型发展到现在，大家都开始比拼AI应用和AI Agent了。而作者的观点是：AI Agent 将是下一个超级平台。这话怎么说起？请看作者的分析。
刺客甲：
陛下，我们也是人啊。
麦克白：
是啊，说起来，你们也算是人，正像家狗、野狗、猎狗、叭儿狗、狮子狗、杂种狗、癞皮狗，统称为狗一样。
——引自威廉·莎士比亚《麦克白》
一、AI Agent 将是下一个超级平台
缓慢的生物进化和急速的科技进化
宇宙大爆炸距今138亿年，宇宙元老星系银河系有130亿寿命，距今约5万年到10万年间智人迁移出非洲大陆，从此科技发展进入高速通道。
单独来讲，生物进化是狭隘和缓慢的，达尔文的进化论进化不出无线电、电磁波、火车和手机。
而科技延展了宇宙进化的圈层，优秀的AI Agent是科技未来新的交互形式。
2023年11月9日，比尔盖茨在其个人博客中，《人工智能即将彻底改变你使用计算机的方式》一文中说，：
“Android、iOS 和 Windows 都是平台。AI Agent 将是下一个平台。”
正如本文开头中所提，麦克白回复的一样，狗有很多种，也会各种不的AI Agent。
AI大模型的发散性大于精确性，而AI Agent相反
大模型的一直的诟病是会出现“幻觉”，前不久，OpenAI首席执行官萨姆·奥特曼在比尔·盖茨在个人播客《为我解惑》说：
“GPT模型的幻觉是一个特性，而不是缺陷，它能让你发现一些新事物。”
很有哲学上否定之否定的味道。
可以把大模型幻觉理解成“猜想”，而猜想的发散性，是科技范式转移的核心关键。
哲学家卡尔波普尔对“猜想”的哲学解释是：“创造性批评和创造性猜想交织在一起，是人类学习彼此行为，包括语言，并从彼此话语中提取意义的方式”。
可以说，没有大模型的幻觉，就没有发展可言。
而AI Agent 更要求精确性。
比如我想要一个给我规划行程的Agent，或是某个行业的最新资讯和报告，幻觉就真的是缺陷。
但当下，即使在ChatGpt的GPTs应用或是字节的Coze平台，你会发现很少有真正可用的，更好解决问题的Agent。
所以，AI Agent会只是一时的泡沫么？
二、开发AI Agent犹如造人
神话里的女娲造人很简单，用泥巴捏一捏就出现了小人，而造一个优秀的AI Agent底层会复杂很多。
合格的Agent应该是一个可以可以自主思维和规划纠错的智能体。
描述一个人，可以从外表、性格、年龄、出生背景、学历、兴趣爱好、思维逻辑、情感处理等等方面去描述。
定义一个AI Agent也相似，不过更多的是隐性的部分。
OpenAI的安全团队的负责人Lilian Weng在其博客，《LLM 支持的自主代理》一文中，用6000字详细解释下AI Agent的组成部分。
AI Agent被定义3个组成部分：规划（Planning） 记忆（Memory） 工具使用（Tool Use） 。
规划可以理解是思维逻辑，记忆是本身知识储备，工具使用是对外连接和处理能力。
规划
子目标和分解：代理将大型任务分解为更小的、可管理的子目标，从而能够有效处理复杂的任务。
反思和完善：智能体可以对过去的行为进行自我批评和自我反思，从错误中吸取教训，并针对未来的步骤进行完善，从而提高最终结果的质量。
记忆
短期记忆：我认为所有的上下文学习都是利用模型的短期记忆来学习。
长期记忆：这为代理提供了长时间保留和回忆（无限）信息的能力，通常是通过利用外部向量存储和快速检索。
工具使用
代理学习调用外部 API 来获取模型权重中缺失的额外信息（通常在预训练后很难更改），包括当前信息、代码执行能力、对专有信息源的访问等。
对照字节推出的Coze平台，在创建一个Bot时的任务界面，可发现底层逻辑上的一致性：
体验了几个平台对比：
从实际体验上来看，Coze的的功能性是最强的，也是复杂度最高的，有些部分需要编程的能力，扣子和GPTs相似。
最终效果上，如果从实现自主规划的智能的标准来定义，目前三个平台都不足以称得上优秀。
Coze的问题在于实现的复杂性门槛会阻碍大批的Agent制作者。
扣子的问题在于属于前期阶段，基础设施还需要进一步规划，比如可发布的平台，插件的丰富性。
GPTs的问题在于对于实现复杂的Agent，缺失的Flow不足以支撑实现，也许Open AI也在规划更好的方案，比如基于Flow的自动生成方案？
三、AI Agent要有扎实的里子和多变的面子
AI Agent = 大模型 规划 记忆 工具
前三个是里子，最后的工具是面子。
这里说的面子不是虚假的人设，而是进化的多面能力。
大模型的发展依赖巨头们的发展和竞争，不单是软件层面，硬件层面的芯片也至关重要。
《芯片战争》书中提到台积电、因特尔、英伟达、阿斯麦、三星等等厂商的发展史，非常值得一读。
最近OpenAI放言斥7万亿美元打造新的芯片帝国，资本的重要性可见一斑。
规划依赖兼具产品和编程思维能力的角色的贡献，真的可用的Agent一定不是简单模块组合可实现的，如果有，也只是昙花一现。
定义AI Agent属于规划的一环，也许研究人的生物学家在这方面会更胜一筹。
记忆依赖优质的丰富数据源和更新迭代和更新机制，比如我想做一个资讯Agent，如何定义资讯的优质，就需要有科学的标准范式。
工具依赖平台的开放性和标准的统一，工具更想人类生活的终生学习的能力，一个好的Agent应该具有与时俱进的能力。
以上要素，缺一不可。
AI大模型催生了Prompt Enginner的工作角色，AI Agent催生了Flow Enginner。
所以AI替代的永远都不是人，而是Work。
没有无缘无故的消失，会有转化和变化。
本文由人人都是产品经理作者【麦时】，微信公众号：【麦时说】，原创/授权 发布于人人都是产品经理
题图来自Unsplash，基于 CC0 协议。
