智東西AI前瞻（公眾號：zhidxcomAI）
作者 江宇
編輯 漠影

智東西AI前瞻5月26日消息，Plexe AI作為Y Combinator的孵化項目，近日正式公開亮相。 這家入選Y Combinator 2025年春季批次孵化項目的初創公司，正專注于開源智能體（Open-source Agent）開發，以簡化機器學習（LM）模型的創建與應用流程。

在當前人工智能技術快速發展的背景下，機器學習模型的開發與部署對非專業人員而言仍存在一定技術門檻。Plexe AI正致力于解決這一痛點，據其官方資料顯示，其智能體已能幫助企業將從想法到部署模型的時間縮短10倍。

一、用自然語言生成模型，Plexe AI要讓AI人人可用

Plexe AI的核心愿景是創建一個開源智能體，能夠將自然語言的任務描述轉化為可用的機器學習模型。

這意味著，用戶無需深入了解復雜的編程語言、算法原理或專業數據科學知識，即可讓AI完成數據分析或預測任務。

例如，用戶可以通過日常語言表達“我想分析一下客戶購買行為，找出哪些因素會影響購買量”，Plexe AI便能自動構建并部署一個機器學習模型來完成該任務。

而Plexe AI的這項核心能力，正是由其兩位聯合創始人Vaibhav Dubey和Marcello De Bernardi所搭建。

兩位創始人在機器學習領域擁有豐富經驗，Vaibhav Dubey曾任職于Proofpoint和Expedia，并畢業于倫敦帝國理工學院；Marcello De Bernardi曾任職于AWS和Expedia，并畢業于牛津大學。

根據Y Combinator的介紹，他們此前在為一家大型銀行構建聊天機器人時相識，并積累了企業級機器學習解決方案的經驗。

二、具有自糾正能力的多智能體系統

Plexe AI的核心技術是一個多智能體系統（multi-agent system）。這并非簡單的腳本自動化，而是一個“自糾正的機器學習工程智能體團隊”。

它模擬了機器學習工程師的工作流程，將復雜任務拆解并自動化，具體步驟如下：

1、連接數據源并發現相關字段：

以一名營銷負責人為例，他即便手頭積累了大量客戶數據，但也并非數據專家。

當他提出“預測哪些客戶最有可能復購”的需求時，Plexe AI能夠智能地連接到企業的CRM或銷售數據庫，并自動識別出與客戶購買行為相關的關鍵字段，如購買頻率、上次購買時間、產品偏好等。

這意味著用戶無需手動進行繁瑣的數據清洗和預處理，系統已完成了第一步的數據“理解”。

2、研究與實驗多種模型架構：

針對該復購預測問題，Plexe AI的智能體團隊會像真正的ML工程師一樣，研究并實驗多種潛在的機器學習模型架構。

這包括探索不同的算法（如分類算法、回歸算法）、特征工程方法（如何從現有數據中生成新特征）等，以尋找最佳的預測方案。

3、評估、提煉并部署最優模型：

在實驗過程中，Plexe AI會不斷評估這些模型的性能，進行迭代優化和提煉，最終選擇出表現最佳的模型。通過歷史數據驗證，確定哪個模型在預測復購率上最準確。

這個最優模型隨后會通過API端點部署，讓營銷負責人可以直接調用和使用，將其預測能力集成到日常的客戶管理或營銷活動中。

這種“從描述到部署”的自動化流程，極大地降低了機器學習的門檻。它使得用戶的銷售數據、用戶行為數據、庫存數據等不再是靜態信息，而是能夠轉化為可操作的洞察和預測，支持更明智的決策、優化運營并識別新的商機。

面對快速變化的市場，Plexe AI的自動化能力使得用戶能夠更快速地測試不同假設并調整策略。

作為一款開源工具，Plexe AI不僅服務于企業，也為廣大開發者和個人提供了AI工具，使非專業的開發者也能通過Plexe AI的接口將AI能力集成到其應用中，實現創新。

結語：當AI打造AI，定制化AI之路能否走通？

PlexeAI的出現，為機器學習領域降低技術門檻，并加速定制化AI部署提供了新的思路。

其通過開源智能體實現自然語言到ML模型的轉化，這與當前市場上的自動化機器學習（AutoML）平臺（如Google Cloud AutoML、DataRobot）和低代碼/無代碼AI平臺（如Microsoft Power Platform、Obviously.ai）在目標上有所重合。

然而，Plexe AI的差異化在于其直接通過自然語言提示驅動端到端模型構建，并采用了開源智能體這一獨特的模式，有望實現更深層次的自動化和更高的開放性。

根據其Y Combinator頁面信息，他們正在積極尋求與擁有大量數據但尚未構建機器學習功能的公司進行合作，以推動其技術的實際應用。

Plexe AI能否在日益增長的AI智能體和自動化工具市場中脫穎而出，推動定制化AI的廣泛應用，值得行業持續關注。