本文來自鈦媒體（www.tmtpost.com），作者 | 王智遠。
你用智能體嗎？類似聊天機器人的東西。
以前，了解一個行業(yè)，得看大量數(shù)據(jù)，查好多資料，現(xiàn)在AI改變了做事、生活的方式；只要問幾個問題，它就能幫我整理出清晰的計劃。
最近在看martech市場，信息量巨大，我告訴智能體想看全景圖，它直接幫我找到了答案，很方便。所以，智能體是最好的AI應(yīng)用方向嗎？我不知道。
不過，百度李廠長在百度世界2024大會上提到：
AI智能體時代快要來了，應(yīng)用爆發(fā)點就在我們眼前；智能體可能會成為AI應(yīng)用的主流，還會迎來爆發(fā)式的增長。這個觀點引起業(yè)界的討論，也讓我對智能體有了更深的認識。
我一直在關(guān)注這個領(lǐng)域。我覺得智能體不僅是提供提示、旅行建議、分析文檔的工具。它們更像有智慧的專家，能進行深入的交流。
智能體和傳統(tǒng)的問答機器不一樣，它們能和用戶連續(xù)對話，一步步深入問題的核心，這是它們的強項。前幾天，我就用智能體解決了obsidian插件沖突的問題。
不過，進一步探索中，我發(fā)現(xiàn)，智能體還有很多問題需要解決。什么問題呢？
第一個：使用距離。
使用距離？什么意思？別人不會用嗎？不是的。準確說，是用戶習慣。
智能體不僅是一個聊天機器人，更像一個超級大腦，我們用聊天的方式跟它交流，但要認識到它真的可以解決系統(tǒng)問題。
這個過程，不是簡單的一問一答那么簡單，是可以讓思考更上一層樓，讓效率翻一倍。
舉個身邊的例子：
前幾天，有個朋友在群里說要做PPT。咱們以前做PPT，基本上兩種方法。第一種非常老土，不用AI，自己把內(nèi)容整理好，結(jié)構(gòu)搭起來，然后動手做，這種方法雖然踏實，但費時費力，效率不高。
第二種呢，用AI幫忙，先給個提示詞，再給AI一些背景資料，讓它根據(jù)提示詞和資料來輔助你整理后，再給新的提示詞，讓它幫我們把內(nèi)容做得更結(jié)構(gòu)化，最后，用這些內(nèi)容去做PPT。
這種方法效率提升了，但還缺少點人性化的互動。智能體呢，它更高級，屬于第三種方法。
我們可以直接跟它說：接下來有個做PPT的任務(wù)，你跟我著一起完成。我先給你一些資料，你學習下，然后，學習過程中，給我提出問題，類似于問我要多少頁？每頁突出什么？
如此循環(huán)漸進的像一個合作伙伴，不僅理解了需求，還能提出建設(shè)性意見，同時又節(jié)省了寫提示詞的時間，還能達到我們想要的目的。
所以，智能體真的很能干活兒。它是三維思考的。
想用好它，我們得有點項目思維、或者任務(wù)思維，這樣才能發(fā)揮巨大作用；但是，很多人還在用二維思維，你問我答的方式，如果一直這樣想，用智能體的速度和效率就上不去。
比起使用距離，第二個關(guān)于API的問題要廠商們思考下。
事情是這樣：
前兩天百度上搜比亞迪，看到官網(wǎng)用了智能體，我就跟它說：“幫我找找比亞迪內(nèi)飾的照片。”結(jié)果，你猜怎么著？它給我生成了四張圖。
我差點笑出聲，這不是搞笑嗎？我要生成圖嗎？當然不是。我更希望它能直接從官網(wǎng)上給我調(diào)出照片來。
緊接著，我?guī)е蓡?，又試了豆包、騰訊元寶，想讓他們幫我P個圖。結(jié)果都差不多，我發(fā)現(xiàn)他們對P圖的理解跟我不一樣。
我理解的P圖是用Photoshop那樣去掉背景，但他們好像把P圖理解成生成新照片。
這個問題可能出在智能體本身。因為，它們現(xiàn)在還做不到那種專業(yè)的修圖效果，背后缺少某種插件或能力模塊；只有當能調(diào)用這些模塊時，才能幫我修圖。
為什么大公司都做不到智能體處理一整套任務(wù)呢？
因為，一個智能體要完成一個復(fù)雜的工作流，背后不是靠一個生成模塊就能搞定的，它要調(diào)動很多數(shù)據(jù)和應(yīng)用程序。
打個比方：
你去餐廳吃飯，不需要知道廚師是怎么做菜的，菜就端到你面前了。但其實，廚師得用各種材料，比如白菜、辣椒、調(diào)料，把它們放到鍋里一炒，菜就出來了。
智能體也是這樣，得調(diào)用各種API，API像菜單一樣，集合所有的服務(wù)和請求，讓不同的軟件能夠互相交流合作，最后才能達到想要的效果。
現(xiàn)在，很多網(wǎng)站和APP都有自己的API，API不統(tǒng)一，不標準化，這導致智能體沒有足夠的接口可以用，限制了它的發(fā)展。
還有，以前沒有統(tǒng)一的底層開發(fā)框架，技術(shù)團隊開發(fā)智能體時得從零開始，現(xiàn)在阿里、百度都做了統(tǒng)一開發(fā)框架，解決了底層數(shù)據(jù)處理、模型訓練、監(jiān)控部署的問題，但中小型軟件服務(wù)商還是不多。
因此，也就限制了其他能力模塊的發(fā)展。
當然，這也是個好機會，因為如果有人能在細分場景下，利用自己對特定業(yè)務(wù)場景的了解，開發(fā)出一個更符合一線需求的智能體，那就有機會成功。
比如：
你在教育賽道很多年，憑借個人對教育技術(shù)和孩子學習需求的理解，開發(fā)一個智能體，幫孩子提升學習進度和測試成績，就能賺到錢。
所以，API的問題需要時間和更多中小開發(fā)者入局。
能寫出這些想法，自然不會錯過開發(fā)智能體的好機會；開發(fā)中，我發(fā)現(xiàn)一個第三個問題：能力泛化。
什么意思呢？
起初，我設(shè)計占卜師智能體，目的讓它進行占卜。沒想到，它不僅能占卜，還能算命，甚至能總結(jié)文章。
我以為提示詞沒寫清楚。后來，試了其他智能體，發(fā)現(xiàn)也有類似情況。你可以嘗試看看，連官方出的Kimi也存在這個問題。
為什么會這樣？
我認為智能體知識可以分為兩部分：一部分通用知識，像我們學的基礎(chǔ)知識，這是智能體必須掌握的。
另一部分則是針對特定行業(yè)的，隨著行業(yè)人士的使用，智能體也能跟著學習。這有點像能力的二八法則：80%的能力是基礎(chǔ)的，剩下20%在實際工作中邊干邊學。
實際上，過去一年，大廠都在訓練大型語言模型，這些大模型的本質(zhì)，是通過海量數(shù)據(jù)訓練得到的，目的是生成最有可能的回答，而不是專注于特定能力或任務(wù)。
這種泛化能力，讓智能體在多任務(wù)中表現(xiàn)不錯，因為這些任務(wù)都涉及語言處理和推理，這意味著，要進行任務(wù)微調(diào)，就必須做任務(wù)分離。
而開發(fā)多個智能體，是一種過程性的解決方案。
你想想看，各大平臺現(xiàn)在都在嘗試將智能體做垂直細分，專注于特定領(lǐng)域或任務(wù)，比如法律助手、醫(yī)療問診、學習輔助等。
這種趨勢也表明，未來肯定會有更多人根據(jù)不同需求，選擇和使用專門化的智能體，推動AI更深入地融入日常生活和工作場景。這是第一點。
第二點，目前市面上缺少專業(yè)的智能體開發(fā)者，能培養(yǎng)的也很少，我想去，居然還找不到；要不，廠牌們考慮下開個班吧？
現(xiàn)在的開發(fā)者，很多是對AI感興趣的人，他們在設(shè)計智能體時，主要是用提示詞來引導模型的行為。
但是，提示詞這種東西，像個軟性的約束，并不能真正限制智能體能干什么，這種設(shè)計方式，很容易讓智能體“越界”。
你想想看，我設(shè)計一個占卜師智能體，占卜本身可能“順便”會提供點兒心理咨詢，甚至還會推薦人生規(guī)劃；這種能力的模糊性，不是我不愿意解決，而是目前工具和方法還不夠成熟，我很難精準控制。
就像禪宗里說的：“少即是多（Less is more）”。少比多難，少不是減少，是聚焦，得用技術(shù)聚焦。
還有一點：現(xiàn)在智能體缺少明確場景。這聽起來像廢話。但你有沒有想過，這些場景究竟從哪里來？
釘釘總裁不窮說過一句話：
“AI得從下面開始，先讓懂行的人用起來。”只有對AI有需求、愿意嘗試的人開始用了，才能慢慢積累出真正有用的場景，找到AI真正的價值。
我覺得，就算智能體慢慢融入了醫(yī)療、法律、金融這些領(lǐng)域，它還是停留在“看起來懂，但不專業(yè)”的階段。
因為現(xiàn)在大多數(shù)人還是把智能體當成“聊天工具”，聊天工具是什么？即弄個董宇輝文案、搞個媽媽式嘮叨，這不能幫助行業(yè)。
如果這種情況一直這樣下去，最后的結(jié)果就是，大家還是只把它當聊天工具玩，沒法真正用到工作中；這樣的話，別說提高行業(yè)效率了，這不僅是對智能體的浪費，更是錯過了行業(yè)變革的機會。
所以，一個簡單的結(jié)論即：我們要思考清楚，哪類智能體做工具？哪類做平臺？需要什么樣的開發(fā)者來開發(fā)智能體？
這三個問題回答清楚，智能體才會在場景中發(fā)揮作用。
看到這，別誤會，我不是說通用智能體不行，確實有它們的好處。
垂直單一的智能體可能比較局限，但能處理多種任務(wù)處理就厲害了，因為能同時搞定好幾個工作流程，不僅速度快，而且思考的過程也更清楚、更靠譜。
而且，這些智能體還能處理各種類型數(shù)據(jù)，在很多場景下都能派上用場。
在公司里，這種能干多種事情的智能體，已經(jīng)開始發(fā)揮作用了，比如：RPA技術(shù)，現(xiàn)在已經(jīng)被看作是智能體的一個工具。
這種通用智能體在營銷、生產(chǎn)管理、運營自動化這些地方也有很多可能。
最近特別火的一個話題就是：智能體在手機界面上的應(yīng)用。大家都覺得，將來它們會成為重要的用戶界面入口，就像人一樣，能自動操作界面，根據(jù)需要自動用APP完成任務(wù)。
比如：
騰訊的AppAgent和阿里的MobileAgent項目，或者手機廠商發(fā)布會上展示的“一句話點單”的功能，這些都是很好的例子。
我相信，在電腦、手機、自動駕駛這些領(lǐng)域，將來這種多功能的智能體會有很多應(yīng)用場景，比如：接管系統(tǒng)級操作，或者用通用智能體管理子智能體等等。
我也看到，很多智能體在一些特定場景中的開發(fā)和工程化潛力，但是，話說回來，智能體的使用和能不能商業(yè)化，是兩回事。
你想想看，如果一個公司用了被隨意開發(fā)的智能體，然后問它另一個公司的情況，它也回答了，豈不是很荒謬？
所以，不能光看宏觀敘事，還是要扎根行業(yè)去思考，希望大公司能多想想行業(yè)的實際問題。
比如：智能體怎么幫一個職員做決定，怎么規(guī)劃某個工作流程，怎么提供真正管用的解決方案。
我說的行業(yè)，更準確地是行業(yè)里在用、想用智能體的人，因為只有這些人，才能會不斷給智能體特定知識；換句話說：智能體學習了他們的東西，它才會進步。
你覺得呢？
