AI Agent:新体验替代旧体验的未来何时到来?

AI超级应用何时到来?从大模型平台到Agent网络的范式转移 这次我们来看一个关于AI技术演进趋势的深度话题。这篇文章不是讲某个具体的代码项目,而是探讨一个核心问题:为什么当前基于大模型的AI应用感觉“不太行”,以及真正的AI超级应用何时、以何种形态出现。这个话题源于一篇名为《从Windows到Agent网络:AI超级应用何时降临?》的分析文章,它提出了一个极具洞察力的观点:当前的大模型平台(如OpenAI、Claude)正在扮演类似当年Windows的角色,它们作为“通用计算平台”吞噬一切,压制了上层应用的创新空间。而真正的AI应用爆发,必须等待“Agent网络”这 阅读详情

新年第一天,大清早起来看见微博时间线上 AI 自媒体引用业内名人的观点,大意是,未来将会是 “定义问题的人 > agent >验收结果的人”,中间过程全部交给 agent。

这个 agent 制霸的未来,我现在完全没有体感。但 agent 作为单词在微博时间线上倒是越来越频繁出现。之前我在犬校发起过讨论,有什么大家印象深刻的 agent?一是 AI Coding,二是 manus,没有三。不编程的话,似乎压根接触不到 agent 这道未来之光。

按我的理解,agent 和 LLM 最大的区别是,agent 任务导向,LLM 回答导向。这意味着 agent 的设计目标是为人类完成具体任务,甚至是替代人类完成具体任务;而 LLM 更多的时候是人类完成任务的效率提升工具,是一个中间流程。

那么从商业上来讲,LLM 更接近千人千面的对个人提效,agent 更接近对 “有共性的任务” 提效。显然 agent 距离商业价值更近,因为对人力成本的缩减很容易量化评估。

agent 目前的定义是:

  1. 自主规划

  2. 长期记忆

  3. 调用工具

自主规划并非 agent 的专利。深度思考,Deep Research 都涉及自主规划。agent 的自主规划更多体现在 “根据每一步的执行反馈,实时重构下一步的计划”,在不确定性中自主寻找完成任务的路径。

由于 agent 多半被设计为长期执行,因此持久化的长期记忆成为了标配,区别于 LLM 上下文容易丢失的短期记忆。长期记忆也为 agent 保存了更多 “经验” 可调用,有可能 “交付质量越用越高”。

最后,执行任务的过程和结果都会调用更多工具,而不仅仅是在对话界面输出多模态,这样才能替代人类,端到端地完成任务。

这样看起来,agent 的确很棒,我的疑惑是,为什么我对 agent 的感知如此弱?agent 在微博时间线上的高频提及,并没有转化为 AI Coding 之外的广泛服务。那么 Notion 公司内部使用的 600 多个 agent 又是什么?

以上是我的信息渠道封闭,接触不到 agent?还是 agent 在落地过程中存在大量的卡点?

我抛出这些问题,跟 Gemini 聊了很长时间,总结如下:

一、C 端通常容错率很低,C 端 agent 目前主要是 AI Coding 和 Deep Research。AI Coding 的结果可验证,而 Deep Research 跑在了大模型的长板上。只有当验收成本显著低于执行成本时,agent 才有意义。由于 agent 在大多数 C 端场景下的验收成本过高,导致雷声大,雨点小。

二、目前最常被使用的 agent 主要在 B 端,和过去的 RPA 流程自动化相似,过去的脚本处理规则确定的结构化数据,现在的 Agent 处理语义模糊的非结构化意图。关键约束是 B 端存在大量重复的标准化任务,导致 AI 处理这些任务的收益极大,足够覆盖验收成本。与之相比,C 端 agent 在非标任务上出错一次用户就炸毛了——每天点一杯冰美式这点点事情我自己做就好!

目前的 Agent 能力处于尴尬的 “80分陷阱”——它能做对 80% 的事情,但为了防止 20% 的错误,人类需要花费 100% 的精力去检查,导致“雇佣”一个 Agent 还不如自己做来得快。

你提到:“未来将会是 ‘定义问题的人 > agent > 验收结果的人’,中间过程全部交给 agent。” 这个公式非常对,但目前的卡点在于 “验收结果” 这一步。现在的情况是:“定义问题的人 > Agent 做了一顿操作 > 验收的人累死了”。

直到 Agent 的稳定性从 80% 提升到 99%,人类敢于 “不验收” 或者 “抽检” 的时候,你对 Agent 的体感才会迎来爆发。

Gemini 的以上表达未必十分精准,意会就好。

我对此的观点是:agent 的确是未来,这个未来在 C 端还有多久到来,目前完全看不清楚,因为 C 端重复的标准化任务并不多。在大多数 C 端场景下:

  • 达到用户能接受的容错率相当漫长。

  • agent 的新体验替换旧体验,对于低频的非标任务,并没有带来足够的增量价值以克服使用惯性。

  • agent 创造的收益无法覆盖验收成本。

犬校同学 Stove3 对此也有自己的看法。👇

从我在客服领域的感受来看,这里或许可以复用俞军老师的新旧体验差公式(VNOS)来解释:

Agent 相当于具体场景的综合解决方案,AI 在客服领域的替代率还很低,主要原因在于:售后诉求都是强目的性的(或者说,用户需求被规训得都很标准化了),很少需要什么自助规划甚至泛化。过去大量服务场景都已经被高度标准化、自助工具化了(什么商品、什么用户、什么问题,用什么方案/流程处理,需要用户提供什么,平台如何一步一步回应/升级),通过嵌入 AI 提升体验的空间很小。而那些非标长尾的场景,又往往触及业务流程边界(需要更高级的人工客服介入,case by case 协商/解决),AI 现阶段创造的价值极有限。

但这不是 AI 的问题,是过去一层一层基建叠得太扎实了,导致:a 用户的体验基线、b 业务的成本基线、c 各自的容错空间和替换成本,这三者都被压缩到了极致,如果不是 10 倍新体验,旧体验很难被替换。

犬校的一张帖子曾经聊到美国 AI 客服渗透率不高,我之前浅浅调研下来也是这样,各大电商的 AI 主要还是在意图识别和情绪安抚上尝试比较多。在垂直解决方案上,含 AI 量几乎都是 0。新一些的电商平台多是转到自助工具(类似国内电商),而老牌电商(亚马逊、沃尔玛)识别意图后甩给人工客服,就连自助化比例都很低。从这里也能看到历史的押韵——起家于纯人工时代(Web 甚至电话)的老牌电商,都还没跨过自助化、智能化,这和新平台嵌入不进 AI 多么相似。

那么,为什么意图识别和情绪安抚却可以用 AI 来替换呢?

因为相较过去基于关键词和语义训练的智障级体验,LLM 是碾压式的存在——就算一时没法用 agent 承接,也有了 10 倍的提升。

我对 Stove3 的以上观点完全赞同。

关于 Agent,首先要在人类能承受验收成本的基础上,接近或超过人类的交付质量。其次,考虑到 token 成本和替换成本,对人力的节约得创造显著的商业价值。同时满足这两点,很难是传统 C 端产品服务升级。因为传统 C 端产品里 “重复的标准化任务并不多”,非标任务的容错率很难达到用户预期。Agent 更适合拓展 C 端的新大陆,尤其是出于人力成本限制,过去「无法想象」的高价值场景,比如自动生成会议纪要,自动生成播客,自动筛选资讯。用好 AI 的长板:低成本完成大量重复的标准化任务。

如果死磕低频的非标任务,比如 “帮我点一杯冰美式”,则是传统范式下生搬硬套的路径依赖,一群老古董的死脑筋。

从0到1!大模型(LLM)最全学习路线图,建议收藏!

想入门大模型(LLM)却不知道从哪开始? 我根据最新的技术栈和我自己的经历&理解,帮大家整理了一份LLM学习路线图,涵盖从理论基础到落地应用的全流程!拒绝焦虑,按图索骥~~

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取

AI人工智能 Agent:对未来工作的影响 好的,我会严格按照您的要求,以专业的技术语言写一篇深入探讨AI对未来工作影响的博客文章。 AI人工智能 Agent:对未来工作的影响 1.背景介绍 1.1 人工智能的兴起 人工智能(Artificial Intellig 阅读详情

相关推荐

AI人工智能 Agent:零售业中智能体的应用

AI人工智能 Agent:零售业中智能体的应用 作者:禅与计算机程序设计艺术 1. 背景介绍 1.1 零售业的现状与挑战 随着电子商务的兴起和消费者行为的转变,零售行业正面临着前所未有的挑战。消费者期望

AI天才研究院 1398

AI Agent与Agentic AI:原理、应用、挑战与未来展望

Agent经典定义为“任何能够通过传感器感知其环境,并通过执行器对其环境产生行动的事物”。[9]在AI领域,Agent被赋予了更强的智能特性,包括自主性、反应性、交互性、学习/适应性和主动性等。[10]自主性:能够在没有人类或其他Agent直接干预的情况下,独立控制其内部状态和自身行为。反应性:能够感知其所处的环境,并对环境中发生的变化及时做出响应。交互性:能够通过某种Agent通信语言(ACL)或其他机制与其他Agent(包括人类)进行交互、协作、协商。学习/适应性。

程序边界 1万+

Agent交互新体验:AI如何从Chat到Act?

2024年11月29日,大会主题【Agent交互新体验】,以大模型带来的自然语言交互能力为产品创新趋势,以人机交互升级为切入,选择用户日常的生活场景和工作场景,主打端侧大模型交互产品的定位,展示AI原生设备的技术能力。

rs勿忘初心的博客 1698

【AI大模型】生成式AI的未来——CHAT还是AGENT?

AI Agent是**人工智能代理(Artificial Intelligence Agent)**的概念,它是一种能够感知环境、进行决策和执行动作的智能实体,通常基于机器学习和人工智能技术,具备自主性和自适应性,在特定任务或领域中能够自主地进行学习和改进。一个更完整的Agent,一定是与环境充分交互的,它包括两部分——一是Agent的部分,二是环境的部分。此刻的Agent就如同物理世界中的「人类」,物理世界就是人类的「外部环境」。

Skrrapper的博客 9564

STM32驱动AD7779:双极性电源下8通道同步ADC的SPI配置与数据采集实战

本文详细介绍了在双极性电源供电下,使用STM32通过SPI接口驱动AD7779同步ADC芯片实现8通道高精度数据采集的实战经验。重点解析了电源设计、抗干扰处理、寄存器配置、SPI通信技巧及数据校准方法,帮助工程师解决工业测量中的同步采样与噪声控制难题。

e3f4g5的博客 371

AI变现案例实战系列4:AI数字员工团队——用OpenClaw搭建6个智能体,自动运营你的赚钱系统

摘要:谷歌AI产品经理Shubham Saboo利用OpenClaw搭建6人AI团队,实现内容创作、技术开发等任务自动化,每月成本不足400美元。文章对比阿里云和Windows本地两种部署方案,提供详细配置指南。通过多Agent架构实现物理隔离与精准协作,可创建6个专业AI角色(如研究员、运营、工程师等),每个Agent专注单一任务,避免记忆负担和上下文污染问题。阿里云方案适合长期稳定运行,Windows本地部署则适合零成本测试。最终可组建高效AI团队,实现7x24小时无人值守运营。(149字)

小明的博客 1142

AI Agent:深度解析与未来展望

AI Agent作为人工智能领域的重要成果,正从概念走向现实,并逐渐渗透到我们生活的方方面面。它不仅代表着技术的突破和创新,更预示着未来社会生产和生活方式的重大变革。面对AI Agent带来的机遇与挑战,我们需要积极拥抱技术进步,同时关注其对社会的影响,共同探索人与AI Agent和谐共存、协同发展的美好未来。

码事漫谈 3001

wsl + vscode 离线配置 ERROR: Faild to download https://update.code.visualstudio.com

很多情况下是没有现成的VS Code Server程序的,需要手动下载。记住上面的Commit ID,可以通过下面的链接下载 vscode-server-linux-x64.tar.gz。然后将vscode-server-linux-x64.tar.gz上传在服务器上的$HOME/.vscode-server/bin文件夹中,解压。在wsl中下载不了 vscode 的核心。运行下面两行命令,建立空的$HOME/.vscode-server/bin文件夹。重新运行 wsl与vs的链接即可。

点云算法工程师 3793

洞察Agent AI智能体的未来:机遇与挑战并存

Agent AI智能体(Agent Artificial Intelligence)是一种具备自主决策和行动能力的计算机程序或实体,能够模拟人类智能进行复杂的任务处理和环境交互。Agent AI智能体不仅具备学习和适应新环境的能力,还能够根据自身的知识库、目标和实时环境信息进行独立判断和行动。Agent AI智能体的概念起源于人工智能领域的研究,随着计算机科学和机器学习技术的发展而不断演进。这些智能体被设计为可以感知、理解和操作环境,以实现特定的目标或任务。

Easonmax的博客 6227

基于STM32的宠物智能照护嵌入式系统设计

嵌入式系统是实现物联网终端设备本地化感知、决策与执行的核心技术载体,其关键在于多传感器融合、低功耗执行控制与轻量级云边协同。本文围绕环境监测(温湿度、烟雾、余粮)、机电执行(步进电机食盘、继电器风扇)和可靠通信(MQTT+ESP8266)三大技术主线,深入解析STM32F103在资源约束下的外设调度策略、ADC采样抗干扰设计、DHT11时序精准控制及HX711称重滤波算法等工程实践要点。系统强调本地闭环优先原则,确保离线基础功能可用,同时通过阿里云IoT平台实现远程监控与告警联动,为中小型智能硬件项目提供可

weixin_29155599的博客 296

亚马逊跨境电商选品数据分析:Python爬虫实战指南

本文将带领大家构建一套完整的亚马逊选品数据采集与分析系统,使用最新的Python技术栈,从零开始爬取亚马逊商品数据,并进行深度分析。

2201_76125261的博客 304

Manus AI:从爆火到争议,AI Agent的未来之路

Manus的爆火与争议,折射出AI Agent领域的巨大潜力与挑战。作为全球首款通用AI智能体,Manus在技术上取得了重要突破,但其商业化道路仍充满不确定性。未来,随着技术的不断进步和市场的逐步成熟,AI Agent有望成为改变人类工作与生活方式的重要力量。而Manus,或许只是这场变革的开端。

私聊前往站内信:https://i.youkuaiyun.com/#/msg/chat/weixin_44976692 4592

大疆A型板使用经验分享(二)——A型板原理图和引脚图

一.原理图 二.引脚图

weixin_43361652的博客 7687

人工智能的未来——AI Agent和Agentic AI的区别与联系

更倾向于描述人工智能的能力,专注于其自主性、适应性和目标导向行为。

2301_82275412的博客 2412

黑猫带你学eMMC协议第17篇:超详细的eMMC HS200 & HS400讲解

1 前言 1.1 声明 本文依据eMMC JEDEC5.1及个人工作经验整理而成,如有错误请留言。 本文结合eMMC JEDEC5.1协议手册查看效果更佳。 1.2 内容提要 本文大约6000字,主要内容有: 1.什么是emmc hs200/hs400? 2.什么是tuning?tuning的过程又是什么? 3.如何设置才能让emmc进入hs200 mode? 4.如何设置才能让emmc进入hs400 mode? 5.emmc关于HS200/HS400内部结构框图对比。 6.部分个人相关经验总结。

黑猫奥利奥的博客 1万+

YOLOv13改进策略【Neck】| GSConv+Slim Neck:混合深度可分离卷积和标准卷积的轻量化网络设计

实时检测器架构的轻量级设计GsConv。

Limiiiing的博客 93

别再傻傻分不清Workflow、Agent和AI Agent了,这篇“故事版”指南让你彻底看懂未来!

朋友,先问你一个问题:你一天有多少时间,是花在那些让你直翻白眼的“破事儿”上的?比如,每周都要做的周报,就是把几个表格的数据复制粘贴,换个格式;比如,每次出差都要走的报销流程,贴发票、填单子、找领导签字,一套操作下来心力交瘁;再比如,想规划个全家旅行,光是查攻略、比价机票酒店,就能让你在几十个APP之间切换到精神分裂。我们每天都被这些重复、繁琐、又没啥技术含量的工作包围着。这时候,你是不是也和我一样,幻想过这样一个场景:清晨,你还没睡醒,一个温柔的声音就叫醒了你:“老板,早上好。

Everly_的博客 1243

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

一文读懂AI Agent:什么是AI智能体?AI Agent的应用场景、AI Agent的未来趋势

想象一下,你的手机里住着一个“数字生命”——它能读懂你的聊天记录,预判你明天开会需要准备的资料;当你随口说“想周末去露营”,它能立刻筛选出适合的营地、打包行李清单,甚至根据天气调整计划。这就是:一个能感知环境、独立决策、主动行动的智能系统。整个ai agent具备以下能力。

老皮的博客 1652

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

AI Agent:从工具到伙伴,人工智能的范式跃迁与未来图景

从“被动响应”到“主动决策”,AI Agent的演进不仅是技术的突破,更是人机关系的重构——我们不再需要“学习如何使用工具”,而是工具主动“理解我们的需求”。当Agent能自主规划旅行、完成设计、辅助科研时,它已不再是冰冷的代码,而是具备“目标感”与“行动力”的伙伴。当然,Agent的发展仍需跨越诸多障碍:规划的因果性、记忆的高效性、协同的有序性……但这些挑战恰恰是技术前进的动力。

小程故事多的博客 1181

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

上一篇: AI 学习圈 | 《AI Agent智能体技术发展报告》
下一篇: Agent、Workflow、RAG 还是 Skill?万字拆解谁才是AI落地的终极解药
程序员_大白
博客等级 码龄5年 1万+粉丝 4001原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值