标题：《生成式AI的下一个前沿领域——智能代理》
文章概述了生成式人工智能（Gen AI）从知识驱动的工具（如能够回答问题和生成内容的聊天机器人）向能够执行复杂工作流的“智能代理”的转变趋势。通过利用基础模型（如大型语言模型）的强大功能，Gen AI正朝着一个全新的生产力和创新浪潮进化。
1. 智能代理的概念与演变
智能代理是一种能够独立在动态世界中互动的数字系统。与传统的软件系统相比，它们具有处理不同场景的能力，同时使用自然语言而不是编程代码，使得用户能够指导Gen AI增强型系统完成复杂的流程。一个多智能体系统可以将这个流程分解为可操作的任务，并分配给专门的代理，然后使用数字生态系统中的工具执行这些任务，并与其他代理和人类合作，不断改进其行为的质量。
2. Gen AI智能代理的价值
智能代理能够自动解决那些传统上难以在成本或时间效率上处理的、具有高度变异性输入和输出的复杂用例。例如，一次商务旅行可能涉及多个航空公司和航班、酒店奖励计划、餐厅预订和非高峰活动，所有这些都需要跨不同的在线平台处理。尽管已经努力自动化这一过程的部分内容，但大部分工作仍然需要手动完成。这是因为广泛的变化使得自动化过程过于复杂、昂贵或耗时。
Gen AI增强型代理通过以下方式简化复杂和开放式用例的自动化：
-
管理多样性：许多业务用例和流程具有线性的工作流，具有明确的开始和一系列步骤，最终达到特定的解决方案或结果。这种相对简单性使得它们容易被规则为基础的系统编码和自动化。然而，规则为基础的系统往往表现出“脆弱性”，即当面临设计者未考虑到的具体情况时，它们会崩溃。Gen AI代理系统由于基于基础模型，有能力处理给定用例的大量不太可能发生的情况，能够实时适应并执行完成流程所需的特殊任务。
-
使用自然语言指导：目前，要自动化一个用例，首先必须将其分解为一系列规则和步骤，并编码成计算机代码，集成到软件系统中。这是一个既昂贵又费时的过程，需要大量的技术专业知识。由于Agentic系统使用自然语言作为指令形式，即使是最复杂的流程也可以更快更容易地编码。更重要的是，这一过程可以由非技术员工完成，而不是软件工程师。这使得更容易整合专业知识，扩大对Gen AI和AI工具的访问，并简化技术团队与非技术团队之间的协作。
-
与现有软件工具和平台协同工作：除了分析和生成知识外，代理系统还可以使用工具并在更广泛的数字生态系统中进行通信。例如，代理可以被指示与绘图和图表工具一起工作、搜索网络获取信息、收集和汇总人类反馈，并利用额外的基础模型。数字工具使用是代理的一个定义特征，也是它们在世界中行动的方式之一，同时也是一种独特地利用Gen AI能力的方式。基础模型可以学习如何通过自然语言或其他接口与工具交互。没有基础模型，这些能力将需要大量的手动努力来集成系统（例如，使用提取、转换和加载工具），或者繁琐的手动努力来汇集来自不同软件系统的输出。
3. Gen AI增强型代理的工作方式
智能代理支持跨行业和业务职能的高复杂度用例，特别是在涉及耗时任务或需要各种专业类型的定性和定量分析的工作流程中。它们通过递归分解复杂的工作流程和执行跨特定指令和数据源的子任务来实现目标。整个过程通常遵循四个步骤：
-
用户提供指令：用户通过给出自然语言提示与AI系统互动，类似于指示一位值得信赖的员工。系统识别预期的用例，并在必要时请求用户的进一步澄清。
-
代理系统规划、分配和执行工作：代理系统将提示分解为流程，将其分解为任务和子任务，并由经理子代理分配给其他专门的子代理。这些子代理配备必要的领域知识和工具，利用先前的经验和领域专业知识，与其他子代理协调，使用组织数据和系统执行这些分配。
-
代理系统迭代改进输出：在整个过程中，代理可能会请求用户的额外输入以确保准确性和相关性。该过程可能以代理向用户提供最终输出结束，迭代任何用户共享的反馈。
-
代理执行行动：代理执行任何必要的世界行动，以完全完成用户请求的任务。
4. 智能代理的潜在应用场景
本文探讨了智能代理可能带来的三个潜在应用案例，展示了不久的将来可能实现的商业价值。这些应用案例涵盖了金融贷款评估、人力资源管理以及供应链优化等领域，展示了Gen AI增强型代理在提高工作效率、减少成本和提升决策质量方面的巨大潜力。
