2024 年，AI agent 将如何在企业落地？目前不得而知。

2024 年，AI agent 将如何在企业落地？目前不得而知。 不过，从几家号称「AI agent 平台」创业公司的 PR 稿里面，似乎可以看到些线索。 1、销售、客服和营销，是AI agent可以显著提升效率和效果的领域。 几乎所有平台，都聚焦在这几个领域。 2、低代码、无代码和RPA，是AI agent 落地过程中的重要辅助。 在全自动的AI agent 到来之前，他们仨是相对成本更低，且效果更可控的。 3、专家知识和SOP，是AI agent 得以在企业落地的关键。 ①专家知识 澜码科技CEO认为，AI Agent在To B场景中的最大价值，是“复制专家的知识”。 如果没有把专家知识数字化下来，那么AI Agent的落地会有很大困难。 构建AI Agent有三步：第一步，专家知识的数字化；第二步，基于CUI（以命令行Commad Line为交互界面）的交互；第三步，领域知识的循环沉淀，形成数据飞轮。 ②SOP DeepWisdom创始人指出： AI agent的关键在于SOP。人类世界有两类代码，一类是针对机器的“代码”，一类是针对人类的SOP。如今有了AI，只要有明确的SOP，那么人类的活儿都可以变成代码，交给AI agent 去做 单个AI agent由「LLM+观察+思考+行动+记忆」等构成，而多个AI agent则需要由「Agent +环境+SOP+评审+路由+订阅+经济」等不同的维度构成和协同。 4、AI agent可能有三种形态，而且可以在一家公司共存： 形态一：工作助手（Copilot）。 基于特定的软件，人做指令，Agent做面向软件的操作。Copilot主要解决员工的办公效率。 例如，供销售人员使用的Copilot，可以按照人的指令，在相应的软件上快速整理和管理客户信息。 形态二：业务自巡航。 AI Agent是继互联网、移动互联网之后的一个新的用户入口。它可以承接大量业务逻辑，用户无需学习就可使用，使用体验更好。 企业利用业务自巡航，可以给自己的终端用户提供更友好的使用体验。 AutoAgents.ai平台支持市面上所有主流模型，目前初步成型的落地场景是航班预订、员工自助服务、会议协同管理等。 形态三：自主智能体（Autonomous Agents）

对 agent 的一个暴论：现有 (multi) agent workflow 的模式没有太大价值。Agent 今年（在以吴恩达

对 agent 的一个暴论：现有 (multi) agent workflow 的模式没有太大价值。Agent 今年（在以吴恩达老师为首的各类大佬的吹捧下）热度很高，但现有的这些所谓的 (multi) agent workflow，本质上是把一个大任务拆分成很多个子任务，每个子任务都有明确的 input 和 output，自己定义一些变量和接口，把这些子任务串起来。这种方式很像是早期的自动驾驶，把感知和规控分开解，或者是上一代的语音助手，把语音转文字、LLM、语音合成这些工作流串起来。 终极的解决方案应该不是这个样子的。现有的 (multi) agent workflow，速度慢先不说，最大的问题还是在接口的地方把信息降维了。这些 input / output 的接口和变量，本质上都是把信息降维到人能理解的维度，这是以高维信息的损失为代价的。每多一层 workflow，损失的信息就多了一次。面对简单问题时， (multi) agent workflow 或许是可行的，但它注定无法解决复杂问题。就好比Waymo 用感知+规控的架构，搭配高精地图，能够在凤凰城和三藩市勉强把本地 L4 跑通，但很难 scale 成一个通用的解法。只有 Tesla 端到端的方案才是自动驾驶的未来。 因此，现有的 (multi) agent workflow方式注定只是一个中间状态，类似自动驾驶中感知+规控+高精地图的拼凑。而最终想要解决复杂问题，需要靠基础模型的进化。当模型能力足够强之后，应该是可以端到端的解决问题。你可以在 prompt 里提示它去使用某些工具，或者采用某些步骤，但应该不需要人为去把 workflow 拆出来。 Agent 的概念依旧重要，但应该回归它更加 native 的定义，即每一个 Agent 应该是独立的智能体，拥有自己的 memory, planning, tool use 等能力，能够端到端地解决问题，而不是需要人类按照自己的理解一口口地把饭喂到嘴里。一个 Agent 就应该是一辆独立的L5 Autopilot 的汽车，而不是一堆弱智 L2 Workflow 凑出来的所谓 multi agents 辅助驾驶杂牌军团。这听起来就很不优雅。

生成式AI模型正在彻底颠覆我们与计算机的传统互动方式，将它们融入我们的生活，成为我们的合作伙伴、朋友，甚至是我们的家庭成员和亲密

生成式AI模型正在彻底颠覆我们与计算机的传统互动方式，将它们融入我们的生活，成为我们的合作伙伴、朋友，甚至是我们的家庭成员和亲密伴侣。 在未来，「序列猴子」的多模态将为AI CoPilot这一模式增添更丰富的表达形式，为企业和用户带来更有趣的体验。 #AI工作流 #AI的神奇用法 「序列猴子」内测探索

一位上海律师朋友昨天问我：为什么关闭律师大数据彻底转型AI，因为他觉得我们之前做的法律之心律师大数据也非常有价值。我是这样告诉他

一位上海律师朋友昨天问我：为什么关闭律师大数据彻底转型AI，因为他觉得我们之前做的法律之心律师大数据也非常有价值。我是这样告诉他的：“因为我看到了一个激情澎湃的伟大时代。比尔盖茨说AI是比肩工业革命的机遇，但我觉得AI绝对会超越工业革命：AI的本质是直接把电转化为生产力。互联网其实只是“人与生产关系的变革”，而AI是“生产力关系的变革”。举个例子说，未来我们80后养老就是AI养老院了，不会再是人类护工，而是机器人护工。AI是人类一千年一遇的机遇，我们过去帮老百姓在60万律师中找到好律师，我们今天可以给每个中国人造出1个24小时服务的AI数字法律顾问。我们必须放弃、必须转型、必须全力以赴。”

是一个正在开发的轻量级AI Agent，它也可以作为一个简单的开发框架，用于快速构建和试验各种AI Agent想法。特点如下：

是一个正在开发的轻量级AI Agent，它也可以作为一个简单的开发框架，用于快速构建和试验各种AI Agent想法。特点如下： 自然且高度容错的交互式代理调用树架构。 以最灵活的方式解析 LLM 输出，支持更多样的函数调用机制。 自构建、动态加载环境交互模块，提供无限的功能扩展潜力。 专为开源模型设计，但无缝支持 GPT-4 等商业模型。 支持对特定主题的深入调查。 自动化编程和脚本执行。它是一个包罗万象的编码器和熟练的系统管理工具，掌握所有系统命令类似于人工智能操作系统。 设计AIlice时的基本原则是： 以高度动态的提示构建机制丰富LLM行为； 尽可能分离不同的计算任务，利用传统计算中的递归和分治法来解决复杂问题。 代理应该能够双向交互。 让我们简要解释一下这些基本原则。 从最明显的层面开始，高度动态的提示结构使得代理不太可能陷入循环。外部环境新变量的涌入不断影响着法学硕士，帮助其避免陷入这种陷阱。此外，向法学硕士提供所有当前可用的信息可以大大提高其产出。例如，在自动化编程中，来自解释器或命令行的错误消息帮助法学硕士不断修改代码，直到获得正确的结果。最后，在动态提示构建中，提示中的新信息也可能来自其他智能体，作为一种联动推理计算的形式，使得系统的计算机制更加复杂、多样，能够产生更丰富的行为。 从实际的角度来看，分离计算任务是由于我们有限的上下文窗口。我们不能指望在几千个代币的窗口内完成一项复杂的任务。如果我们能够分解一个复杂的任务，以便在有限的资源内解决每个子任务，那将是一个理想的结果。在传统的计算模型中，我们一直利用这一点，但在以LLM为中心的新计算中，这并不容易实现。问题是，如果一个子任务失败，整个任务就有失败的风险。递归更具挑战性：如何确保每次调用时，LLM 都能解决部分子问题，而不是将整个负担传递给下一级调用？我们在AIlice中用IACT架构解决了第一个问题，第二个问题理论上不难解决，但很可能需要更聪明的LLM。 第三个原则是大家目前正在努力的：让多个智能代理交互、协作来完成更复杂的任务。这一原则的实现实际上解决了前面提到的子任务失败的问题。多智能体协作对于智能体运行中的容错能力至关重要。事实上，这可能是新计算范式与传统计算最大的区别之一：传统计算是精确且无错误的，仅通过单向通信（函数调用）来分配子任务，而新计算范式则容易出错且需要计算单元之间的双向通信来纠正错误。这将在下面有关 IACT 框架的部分中详细解释。

Stability AI首席执行官辞职 称无法用更中心化的AI打败中心化AI

Stability AI首席执行官辞职 称无法用更中心化的AI打败中心化AI 目前还没有首席执行官的永久替代人选，但已任命首席运营官黄珊珊（Shan Shan Wong）和首席技术官克里斯蒂安-拉福特（Christian Laforte）担任临时联席首席执行官。稳定人工智能公司（Stability AI）最近几个季度流失了半数以上的关键人才，该公司表示，莫斯塔克即将卸任，以追求去中心化的人工智能。莫斯塔克在 X 上发表了一系列文章，认为人们无法用更多的"中心化人工智能"打败"中心化人工智能"，他指的是 OpenAI 和 Anthropic 等顶级人工智能初创公司的所有权结构。此外，由于他又持有最多的控股股份，因此所以他决定从最高职位上退下来。他补充说："随着人工智能变得越来越重要，我们应该对其进行更加透明和分布式的治理。这是个难题，但我认为我们可以解决它......"他补充道。"人工智能领域的权力集中对我们所有人都不利。我决定卸任，以便在 Stability & elsewhere 解决这个问题"。据彭博社报道，截至 2023 年 10 月，这家初创公司每月的支出估计为 800 万美元。彭博社还指出，这家初创公司曾试图以 40 亿美元的估值筹集新资金，但没有成功。大约一年前，莫斯塔克似乎还没有把营收增长放在首位。在去年一篇关于 X 的文章中，他对生成式人工智能公司"奇怪地关注收入"表示好笑，尽管"这项技术很有用，但远未隐约成熟，因为几乎每天都有新的突破"。他列举了几个例子，其中包括 MagicLeap，该公司在创收之前就花费了数十亿美元。他写道："适当的人工智能研发的回报比我们所见过的任何东西都更清晰，也更快进入市场，它将比自动驾驶汽车创造更多的经济价值，例如，自动驾驶汽车的总投资高达 1,000 亿美元，却没有任何收益回报。"上个月，他在 Reddit 上发表的评论让人洞察到重点的转移。他写道："我们做得很好，今年的业绩已经超过了预期。我们的目标是在今年实现正现金流，我认为我们可以尽早实现这一目标。市场是巨大的，边缘和所有受监管行业都需要开放模型。这就是为什么我们是唯一一家开放数据、代码、培训运行细节等的公司。定制模型、咨询等都是巨大的市场，随着我们在未来一年左右进入企业应用阶段，围绕这个市场的商业模式也非常合理，去年只是验证而已。"Stability AI 的宣布为人工智能行业引人注目的一周画上了句号。曾融资约 15 亿美元的初创公司 Inflection AI 周一宣布，其两位联合创始人和其他几位员工已加入微软，微软主导了这家初创公司最近一轮的融资。 ... PC版： 手机版：