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)agentworkflow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)agentworkflow，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)agentworkflow，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)agentworkflow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)agentworkflow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,tooluse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L5Autopilot的汽车，而不是一堆弱智L2Workflow凑出来的所谓multiagents辅助驾驶杂牌军团。这听起来就很不优雅。
