人工智能（AI）Agent正成为当下科技领域最热门的话题之一，但围绕其定义的争论也愈演愈烈。尽管年初以来，从OpenAI到Glean等多家公司纷纷推出与Agent相关的产品，但人们对Agent究竟能做什么，以及它的本质属性仍存在诸多疑问。
什么是AI Agent？
通常来说，Agent被定义为能够自主完成任务的虚拟助手。它们能够分解问题，制定行动计划，并在无需用户直接干预的情况下执行任务。人们对Agent的期待在于，它们或许是通往“无人工干预”世界的第一步，在这个世界里，人类可以高枕无忧，坐享AI完成一切工作。
今年1月，OpenAI发布了Operator，这款Agent能够浏览网页、预订机票、甚至制作表情包。从Glean到Cohere，许多企业技术公司也纷纷推出了允许员工构建和部署Agent的平台。本月早些时候，中国初创公司Butterfly Effect发布了名为Manus的AI Agent（仅限受邀用户），它能够分析股票、从网络上抓取数据，甚至创建交互式网站，引发了堪比DeepSeek的轰动。
定义之争：不只是执行任务，更重要的是推理与解决问题
然而，与Agent系统打交道的AI专家表示，这项技术远比想象的更为复杂。“我对Agent的定义是，只有执行动作的东西才能被称为Agent，”Contextual AI的联合创始人兼首席执行官Douwe Kiela表示。Contextual AI致力于帮助公司构建和部署RAG Agent。Kiela此前曾在Meta领导团队开发了检索增强生成（RAG）技术，该技术旨在增强大型语言模型的输出。
Kiela以OpenAI、Perplexity和Google开发的Deep Research Agent为例，这些Agent能够将数百个在线资源综合成详细报告。“它们除了搜索之外，不一定会采取任何行动。这算不算Agent？我认为算，但很多人认为不算；它必须采取能够以某种方式影响Agent运行状态或环境的行动。”
Kiela认为，Agent的正确定义是能够“积极推理”的东西。“也就是说，如果它犯了错误，那么它能够发现这个错误并再次尝试。”
Emergence AI是一家专注于多Agent系统的公司，其首席执行官兼自然语言专家Satya Nitta表示，Agent的设计目的是在不断变化的环境中进行故障排除。“Agent超越了自动化，它能够展示情境推理，适应不可预见的挑战，并动态调整计划以在复杂环境中取得成功。”
Agent vs. 大型语言模型
另一种理解Agent的方式是将它与大型语言模型（LLM）联系起来，后者是ChatGPT等流行聊天机器人的基础。“大型语言模型其实是一种用词不当。它应该被称为神经序列模型，它适用于任何序列数据：自然语言、编程语言、像素序列和生物序列（蛋白质），”You.com的创始人兼首席执行官Richard Socher表示。You.com是一个面向知识工作者的AI驱动搜索引擎。另一方面，Agent是“一种能够为你采取行动的神经序列模型，它从人类行为模式中学习，从而自动执行多个领域的复杂任务。”
Agent的未来：工作流程设计者还是团队成员？
随着Agent在工作场所的日益普及，人们可能会开始将它们视为团队成员或权威助手。但LILT是一家AI驱动的翻译公司，其首席执行官Spence Green在自然语言处理方面拥有多年经验。他认为，“我认为它们是工作流程的设计者。”
无论如何定义，无论它们做什么，AI公司都在大力投资Agent，以期推动回报增长。据The Information本月报道，OpenAI计划以每月2万美元的价格出售博士级别的Agent，并最终希望20%到25%的收入来自Agent。
Insight Partners的董事总经理Praveen Akkiraju此前表示，“如果说2024年是LLM之年，那么我们相信2025年将是Agent AI之年。”
总而言之，尽管AI Agent的定义仍存在争议，但这并不妨碍其成为未来科技发展的重要方向。随着技术的不断进步，AI Agent将在各行各业发挥越来越重要的作用，为人类带来更智能、更便捷的生活体验。
