返回顶部
热门问答 更多热门问答
技术文章 更多技术文章

周鸿祎:智能体 ≈ 带手脚的 AI(数字员工)

[复制链接]
链载Ai 显示全部楼层 发表于 昨天 21:22 |阅读模式 打印 上一主题 下一主题
“如果今年人工智能不能进化到智能体,那这次人工智能可能又是一场泡沫。”
——360 集团创始人 周鸿祎
2025年天津夏季达沃斯论坛期间,360集团创始人周鸿祎表示:2025年将成为人类与智能体共生关系的转折点,诸多智能体的系统提示词已将其设定为“专家”或“顾问”角色,这种拟人化特征标志着智能体正从“辅助工具”转变为“自主决策者”和“主动协作者”。

一、智能体 vs 大模型

ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.578px;background-color: rgb(255, 255, 255);visibility: visible;box-sizing: border-box !important;overflow-wrap: break-word !important;">什么是智能体(Agent)?智能体是具备自主决策、任务分解、工具调用和多步执行能力的 AI 系统。

红衣大叔通过智能体和大模型的类比,指出两者的本质区别是智能体(Agent)能让AI 从 “会说话” 到 “能干活” 。

(1)大模型≈ 知识竞赛选手

擅于语言理解和信息检索(如 ChatGPT,DeepSeek),但无法分解复杂任务。

(2)智能体 ≈ 带手脚的 AI(数字员工)

拥有 “数字手脚”,能像人类一样任务分解、工具调用、自主执行闭环操作。

AI Agents for Complex Tasks and Reasoning

ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;visibility: visible;">二、任务分解 & 工具调用 & 自主执行ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;visibility: visible;">

为什么智能体 ≈ 带手脚的 AI(数字员工)?智能体通过思维链(CoT)技术实现复杂任务的逻辑拆解与多步推理,结合MCP协议等标准化工具调用接口实现外部系统自主集成与操作,最终形成“规划-执行-反馈”闭环。

智能体具备从目标理解到工具协同的完整“手脚”执行能力,成为可替代人类完成端到端任务的数字员工。

ByteByteGo | What is an AI Agent?

1. 任务分解:CoT思维链将复杂问题分解

基于 LLM(大语言模型)的思维链(Chain-of-Thought)技术,将模糊指令拆解为可执行子任务树。模拟人类分步解决问题的逻辑。

How to teach Chain-of-Thought reasoning to your LLM

2. 工具调用:API 路由层(MCP Client)动态选择工具(MCP Server)

智能体通过API 路由层(API Routing Layer)动态选择最优工具,也可以多工具协同(搜索 + 文档生成 + 数据分析同步执行)。

工具调用的难点在于如何根据上下文动态选择合适的工具以及自动填充工具 API 请求参数?本质就是智能体的大脑(LLM,大语言模型)的能力,目前LLM的幻觉问题不解决,Agent就很难让AI从“会说话” 到 “能干活” 。

两个维度来解决,一个维度等待大厂的大语言模型LLM不断迭代;另一个维度通过提示词优化、RAG知识库增强,或者结合业务场景微调大模型。

3. 自主执行:ReAct(推理与行动)形成“思考-行动-观察”的闭环机制

ReAct(Reasoning and Acting)将推理(Reasoning)和行动(Acting)结合起来,使得智能体在执行任务时能够动态地与环境互动,通过不断循环 “思考 - 行动 - 观察” 来逐步完成任务,实现自主执行。

(1)推理(Reasoning):通常利用大语言模型(LLM)的推理能力,通过提示工程(Prompt Engineering)或微调(Fine-tuning)让模型生成推理过程。

(2)行动(Acting):通过定义一套可用的工具(Tools)和对应的 API 接口,智能体根据推理结果调用这些 API。

(3)观察(Observation):将工具调用的结果作为上下文反馈给智能体,供下一步推理使用。

这三个步骤形成一个闭环:思考 → 行动 → 观察 → 思考 → ...,直到任务完成或达到终止条件。在闭环中,智能体能够根据实际执行情况动态调整计划,处理意外情况(如工具调用失败、结果不符合预期等)。

Implementing ReAct Agentic Pattern From Scratch

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

链载AI是专业的生成式人工智能教程平台。提供Stable Diffusion、Midjourney AI绘画教程,Suno AI音乐生成指南,以及Runway、Pika等AI视频制作与动画生成实战案例。从提示词编写到参数调整,手把手助您从入门到精通。
  • 官方手机版

  • 微信公众号

  • 商务合作

  • Powered by Discuz! X3.5 | Copyright © 2025-2025. | 链载Ai
  • 桂ICP备2024021734号 | 营业执照 | |广西笔趣文化传媒有限公司|| QQ