在近几个月中，Agentic AI的概念作为人工智能领域的一个重要进步而出现，它超越了传统的对话模型，向着能够自主执行复杂任务的系统发展。但究竟什么是Agentic AI，它为何在技术行业获得如此势头？本文旨在澄清这一概念，将其与传统的AI工作流程区分开来，并探讨其影响。
人工智能模型的演变
OpenAI最近定义了不同级别的人工智能，提供了一个框架来理解AI能力的演进：
- Level 1: Chatbots，具有对话语言能力的AI
- Level 2: Reasoners，能够进行人类水平的问题解决
- Level 3: Agents，能够采取行动的系统
- Level 4: Innovators，能够帮助发明的AI
- Level 5: Organizations，能够完成一个组织工作的AI
直到最近，大多数AI应用都在Level 1操作——主要是作为聊天机器人。这些系统虽然令人印象深刻，但在能力和自主性方面基本上是有限的。
传统AI模型
最早的大型语言模型以大量的训练周期为特点，并被设计为生成“快速”响应。这些基本上是基于概率的模型，根据给定的上下文返回最可能的单词。它们的主要功能是预测序列中的下一个单词，而不是理解或对复杂目标采取行动。
这些模型在严格的边界内操作：
- 它们直接响应提示，而无法决定采取什么行动
- 它们不能使用工具或与外部系统交互
- 它们的操作限于信息检索和文本生成
推理模型
最近，我们看到了“推理”模型的出现。这些系统以其增加的计算时间而区别——本质上在响应之前有更多的时间“思考”。像Claude 3.7 Sonnet和GPT-4o这样的模型包含了推理能力，使它们能够：
- 将复杂问题分解为可管理的步骤
- 考虑对一个问题的多种方法
- 根据潜在的矛盾验证它们的推理
- 生成更准确和周到的输出
尽管推理模型代表了重大的进步，但它们仍然缺乏真正的代理能力——自主采取行动以实现目标的能力。
什么是AI代理？
“人工智能代理”一词在技术讨论中被松散使用，通常错误地应用于任何基于LLM的系统。为了建立清晰度，让我们检查一些正式定义：
- Google定义AI代理为“使用AI来追求目标并代表用户完成工作的软件系统。”
- IBM表示“人工智能（AI）代理指的是能够代表用户或其他系统自主执行任务的系统或程序。”
虽然这些定义捕捉了一般概念，但它们仍然有些模糊。为了更精确的理解，我们可以转向Anthropic的指南“构建有效的AI代理”，它提供了最全面的概念解释之一。
更精确的定义
AI代理可以被定义为完全自主的系统，能够独立使用工具执行任务。关键的区别在于理解AI工作流程和Agentic AI之间的区别：
- AI工作流程：LLM及其工具在预定义路径中被编排。操作序列由人类设计者提前确定。
- AI代理：LLM动态（自主地，无需预定义路径）使用其可用工具做出决策的系统。这些系统根据对目标的理解确定自己的行动序列。
视觉区别：Agentic AI与预定义工作流程
差异可以在两种对比的系统架构中可视化：
- Agentic AI：
- 从输入开始
- 使用一个中央LLM，可以独立决定何时以及如何使用工具
- LLM动态确定解决方案的路径
- 当LLM确定目标已实现时完成
- 预定义工作流程：
- 从输入开始
- 遵循预定义的LLM操作序列
- 包括预定义的决策点，路由到不同的分支
- 每个步骤都提前明确编程
- 当工作流程达到其结束状态时完成
Agentic AI的重要性
向代理系统的转变代表了AI操作方式的根本变化：
- 自主性：代理可以独立决定采取什么行动来实现目标。
- 工具使用：它们可以根据对特定任务所需工具的评估选择和使用不同的工具。
- 动态问题解决：它们不是遵循预设指令，而是基于中间结果调整方法。
- 目标导向行为：代理以对整体目标的理解操作，而不仅仅是响应即时提示。
现实世界的应用
Agentic AI已经在各个领域找到了应用：
- 研究助理：能够自主搜索信息、分析数据并综合发现的系统。
- 软件开发：基于高层次需求编写、测试和调试代码的AI代理。
- 个人生产力：可以安排会议、组织信息并以最少的人类监督完成行政任务的数字助理。
- 数据分析：无需逐步人类指导即可探索数据集、生成洞察并创建可视化的系统。
挑战和考虑因素
虽然Agentic AI提供了巨大的潜力，但也带来了独特的挑战：
- 控制和安全：确保自主系统按照人类价值观和意图行事。
- 透明度：使代理的决策过程可观察和可理解。
- 可靠性：构建一致实现其预期目标的系统，而不出现意外行为。
- 集成：有效地将代理系统与现有的工作流程和工具结合起来。
结论
Agentic AI代表了人工智能的一个重要进步，超越了传统的对话和推理模型，朝着具有真正自主性的系统发展。通过理解预定义工作流程和真正的AI代理之间的区别，我们可以更好地欣赏这种新兴技术的独特能力和挑战。
随着我们继续开发和部署代理系统，我们需要平衡它们日益增长的能力，并深思熟虑地考虑它们如何融入我们的工作和生活。AI的未来不仅仅是关于更智能的对话——它是关于创建能够独立采取行动以在现实世界中实现有意义目标的系统。