「生成式AI正在讓AI從單一的“聊天”功能，向更復(fù)雜、更全面的“助理”演變。從傳統(tǒng)的智能音箱到ChatGPT，再到AI Agent的崛起，人工智能正悄然改變?nèi)藗兩畹姆椒矫婷?。未?lái)，生成式AI的發(fā)展方向，到底是Chat還是Agent？那一條模糊的界線——生成式AI究竟是繼續(xù)扮演“聊天伴侶”角色，還是躍升為真正的“行動(dòng)者”？

當(dāng)前，越來(lái)越多的公司、團(tuán)隊(duì)和開發(fā)者已經(jīng)不再滿足于單純的對(duì)話工具，而是開始著眼于讓AI能“做事”，并且具備復(fù)雜的自主決策與執(zhí)行能力，那么究竟哪個(gè)方向能主導(dǎo)未來(lái)，成為最有影響力的技術(shù)趨勢(shì)？

“但凡人類對(duì)于躺平的美好追求還在，‘讓機(jī)器替我干活’的念頭就不可能熄滅”長(zhǎng)期關(guān)注人工智能和相關(guān)技術(shù)的悅木Ivy分享了自己的看法?！?/p>

作 者 ▏悅木Ivy

來(lái) 源 ▏知乎

先看下Chat和Agent的差別。

Chat（聊天）：純粹的Chat，像是一個(gè)主要由“大腦和嘴”構(gòu)成的智能體，專注于信息處理和語(yǔ)言交流。比如ChatGPT這樣的系統(tǒng)，它能夠理解用戶的查詢，給出有用和連貫的回答，但它本身不直接執(zhí)行任務(wù)。

Agent（代理）：像一個(gè)具有“手、腳”的智能體，它能夠進(jìn)行思考、決策，并且能執(zhí)行具體的任務(wù)。

我們可以簡(jiǎn)單粗暴的理解為，Chat強(qiáng)調(diào)的是“說(shuō)”，Agent強(qiáng)調(diào)的是“做”。

要你你選哪個(gè)？

這么講吧，但凡人類對(duì)于躺平的美好追求還在，“讓機(jī)器替我干活”的念頭就不可能熄滅。

自ChatGPT發(fā)布后，從plugin的推出，到Function Calling再到Assistant API的面世，OpenAI這一系列動(dòng)作就充分表明，有這么強(qiáng)大的LLM作為基本盤的情況下，人們就不可能僅僅滿足于讓它“嘚啵嘚”。

歷史總是驚人的相似。從2014年亞馬遜開創(chuàng)性推出Amazon Echo開始，智能音箱橫空出世。一開始的智能音箱，也只是有個(gè)“嘴”，只能實(shí)現(xiàn)播放音樂、查詢信息、設(shè)置提醒等功能。而且“腦子”還不太靈光。

但是隨著阿里、百度、小米等科技巨頭的紛紛加入，智能音箱在競(jìng)爭(zhēng)中卷出了新高度。打通支付、和智能汽車、智能家居互通，智能音箱不斷地突破和擴(kuò)展功能邊界，逐步坐到了智能家居生態(tài)的“大總管”位置上。

隨著應(yīng)用場(chǎng)景的持續(xù)拓展，智能音箱又延展到兒童教育、養(yǎng)老關(guān)懷等領(lǐng)域，深刻影響了人們的日常生活。

相信有一天，智能音箱會(huì)強(qiáng)大和多樣化到一個(gè)程度，以至于“智能音箱”這個(gè)名字不再適合這個(gè)品類，那將是新一輪故事的開始。

同樣驚人相似的，還有從單純的AI智能語(yǔ)音助手、智能客服（只會(huì)說(shuō)）到以AI+RPA為核心技術(shù)的的AI數(shù)字員工（會(huì)說(shuō)又會(huì)做）的發(fā)展史。

這些，都是人工智能走向多元化和融合化的一個(gè)個(gè)縮影。

因此，隨著技術(shù)水平的不斷進(jìn)步和場(chǎng)景化落地的不斷挖掘，Chat和Agent的界限必定會(huì)越來(lái)越模糊，生成式 AI 會(huì)融合Chat和Agent的特點(diǎn)，形成既能進(jìn)行高質(zhì)量、高人格化對(duì)話，又能高效執(zhí)行復(fù)雜任務(wù)的 AI 自動(dòng)化系統(tǒng)，為人們提供融合、互補(bǔ)、多樣化的解決方案。

AI Agent的崛起不僅僅是技術(shù)上的突破，更是對(duì)軟件開發(fā)理念的一次深刻變革。

在傳統(tǒng)的軟件開發(fā)中，程序員需要預(yù)先定義所有的邏輯和規(guī)則，然后進(jìn)行代碼實(shí)現(xiàn)。而AI Agent的出現(xiàn)，要求我們對(duì)軟件進(jìn)行充分地“放權(quán)”：它由一顆大腦（LLM）來(lái)進(jìn)行自主支配運(yùn)行，并在運(yùn)行時(shí)自動(dòng)學(xué)習(xí)、適應(yīng)和調(diào)優(yōu)。這種前所未有的開發(fā)范式的轉(zhuǎn)變，讓程序員不得不重新思考軟件開發(fā)的本質(zhì)，也重新思考軟件開發(fā)的未來(lái)。

建議每一個(gè)技術(shù)人員，都去聽一下知乎知學(xué)堂的AI大模型免費(fèi)公開課，由幾位業(yè)內(nèi)大佬主講，從GPT到開源模型再到AI Agent，你會(huì)看到一個(gè)個(gè)人開發(fā)者可以以怎樣的力量撬動(dòng)AI原生應(yīng)用的全棧開發(fā)。

你還可以在后續(xù)的課程中學(xué)習(xí)整套的數(shù)據(jù)處理、訓(xùn)練、fine-tune模型等流程。更難得的是它不僅讓你了解大模型背后的原理和實(shí)操技術(shù)，還能從商業(yè)的角度帶你深度解析此輪AI變革和以往有何根本不同。相信聽完公開課之后，你會(huì)擁有醍醐灌頂?shù)恼J(rèn)知和豁然開朗的思路。

典型的AI agent分為Memory（記憶）、Tools（外部工具） 、Planning（計(jì)劃） 和Action（行動(dòng)）四個(gè)模塊。

當(dāng)前學(xué)習(xí)AI Agent基本上分作兩條路徑：

基于OPenAI技術(shù)路線，以及基于開源技術(shù)路線。建議每個(gè)技術(shù)人員，都選擇一條路，親自趟一趟。

大模型爆發(fā)之后，AI Agent的發(fā)展也可謂是一日千里，各種項(xiàng)目層出不窮。

AutoGPT

項(xiàng)目地址：

https://github.com/Significant-Gravitas/AutoGPT

可以根據(jù)你設(shè)置的目標(biāo)，將實(shí)現(xiàn)這個(gè)目標(biāo)的任務(wù)進(jìn)行拆解，再采用搜索、瀏覽網(wǎng)站、執(zhí)行腳本等方式一條條去執(zhí)行任務(wù)，幫你完成目標(biāo)。

JARVIS

項(xiàng)目網(wǎng)址：https://github.com/microsoft/JARVIS

一個(gè)非常有意思的“模型選擇”Agent。它將用戶要求拆解成子任務(wù)，再到Huggingface上選擇合適的專家小模型執(zhí)行任務(wù)，最后對(duì)結(jié)果進(jìn)行處理和返回給用戶。

由于JARVIS可以調(diào)用其它模型工具，因此它可以執(zhí)行多模態(tài)任務(wù)。

MetaGPT

項(xiàng)目網(wǎng)址：https://github.com/geekan/MetaGPTMetaGPT

是另一個(gè)開源人工智能體框架，試圖模仿傳統(tǒng)軟件公司的結(jié)構(gòu)。與ChatDev類似，Agent被分配產(chǎn)品經(jīng)理、項(xiàng)目經(jīng)理和工程師的角色，并且他們?cè)谟脩舳x的編碼任務(wù)上進(jìn)行協(xié)作。

工具、平臺(tái)、社區(qū)的不斷成熟，為個(gè)體開發(fā)者提供了一個(gè)全新的舞臺(tái)。程序員與人工智能之間的距離從未如此之近。AI Agent的崛起，讓有想法、有技術(shù)的人能夠以前所未有的方式釋放自己的創(chuàng)造力，打造出各種有趣、實(shí)用的AI原生應(yīng)用。

那么，你準(zhǔn)備好加入這場(chǎng)革命了嗎？