今天的学习笔记是关于AI智能体的。 在技术发展的浪潮中，智能体的地位愈发凸显。大模型不过是前奏，智能体才是重点所在，它能够按需调配诸多的大模型和工具，进而让智能体经济成为可能。 智能体主要分为两类，工作流智能体是由人类设计固定工作流，再通过大模型调用各种工具自动实现相应任务；而全自动智能体只需人类给出意图，系统便可动态设计并调整工作流去达成目标。 不过，全自动智能体也面临不少挑战。在技术方面，LLM的幻觉问题尚未解决，使得人们不太放心让它去处理高价值任务。从生态角度看，工具的可信度和调用意愿难以协调一致，很难构建出无边界、全开放且可信又可调用的工具生态，所以它通常只能应用在半封闭环境中。 就拿Tesla FSD来说，其成功在于工具生态的一体化，所有工具都固化在车身内，无需调用外部工具，但在其他场景里，要实现工具生态一体化却困难重重。 其实，无论是工作流智能体还是全自动智能体，本质都是围绕任务对工具生态进行编排，关键在于任务、工具以及编排这三个要素，而且都要聚焦具体应用场景去优化。 最后，工作流智能体在任务步骤明确的场景更有优势，全自动智能体则适用于难以预测步骤数的开放性问题，二者各有其适用场景，要根据具体需求来合理选择智能体模式。
