AI智能体：概念、运作原理及组织最优应用场景

AI Agent 是一种能够与人类或机器请求者交互以收集、重申和最终返回信息的软件实体，其核心功能由推理引擎和动作组成。推理引擎负责创建执行计划以满足交互指令，而动作则收集信息、处理交易或执行扩展功能。

与 assistants 相比，agents 的主要优势在于其更高的特异性和复杂性。agents 可以利用大型语言模型（LLMs）、检索增强生成（RAG）和预配置动作来提高响应的特异性，而 assistants 则主要依赖 LLMs。agents 的架构将推理引擎抽象化，使其能够根据一组预定义的允许动作来构建计划，从而实现更复杂的任务执行。

agents 的关键特性包括：

• 信息架构和逻辑：agents 通过管理人类或系统请求者之间的交互，并利用推理引擎和动作来实现复杂的任务执行。
• 动作：动作是 agents 执行任务的关键，它们可以调用端点以收集信息或执行特定操作。动作类型包括业务应用工作流、外部自动化/业务流程等。
• 用例分类：agents 的用例可以分为信息、交易和扩展三类，分别对应不同复杂程度和价值的场景。例如，“我的订单在哪里？”属于信息类用例，“更新我的订单”属于交易类用例，“创建订单”属于扩展类用例。

在规划 agents 项目和部署方面，组织需要进行以下步骤：

• 规划和参与：确定和分析 agents 的适用场景，并确保工作队伍的参与。
• 识别和分析：利用流程挖掘技术来识别和捕获将转换为批准动作的构建模块。
• 成本规划：考虑使用 agents 的成本影响，包括消耗定价和交易结果。
• 工作队伍参与：确保工作队伍提供关键的专业知识，并参与流程分析和设计。

未来 12-24 个月，agents 的发展趋势将包括：

• 提供稳定的动作库：供应商将提供包含原生功能和工作流的动作库，并支持常见的第三方应用程序和客户定义动作。
• 大型动作模型：基于一系列交互的大型动作模型将出现，这些模型将与 LLMs 协作，使 agents 更加自主。

对于供应商和购买者，建议如下：

• 供应商：为组织提供清晰的 on-ramp 和向 agents 使用发展的现实路径，包括数据管理等方面的建议。
• 购买者：确保 agents 的用例与有益的结果相匹配，并评估组织是否准备好使用 agents，以及是否具有执行 agents 操作所需的流程和工作流程成熟度。