从AI Agent到Agentic Workflow：技术焦点的转变与未来发展

最新推荐文章于 2025-05-31 16:51:52 发布

Python_金钱豹

最新推荐文章于 2025-05-31 16:51:52 发布

阅读量877

点赞数 12

文章标签：人工智能 excel gpt 机器学习产品经理

本文链接：https://blog.youkuaiyun.com/Python_cocola/article/details/145616775

版权

当前，我们正处于一个重要的技术转折点。从大型语言模型（LLM）的诞生，到具有人类数字互动的 AI Agent 的出现，技术进步为我们带来了巨大的变革。然而，在实际的商业化应用中，焦点正在发生变化，AI Agent 的关注逐渐转向了 Agentic Workflow 和数据合成。

为什么焦点暂时从 AI Agent 转移？

像 Salesforce 和 Service 等公司曾大力推动 AI Agent 的应用，然而，AI Agent 面临的现实问题是，当前的技术准确性仍然未能达到预期标准。

尽管市场营销热炒和展示了多个令人印象深刻的 AI Agent 原型，但如果剥去这些外衣，AI Agent 的准确性仍不适合大规模生产环境使用。

例如，𝗖𝗹𝗮𝘂𝗱𝗲 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁 𝗖𝗼𝗺𝗽𝘂𝘁𝗲𝗿 𝗜𝗻𝘁𝗲𝗿𝗳𝗮𝗰𝗲（ACI）的性能，仅为人类的14%。

根据 TheAgentFactory 的数据显示，AI Agent 的表现主要集中在成本、步骤和成功率方面，成功率大约为 20%。这些数据直观地反映了 AI Agent 在实际应用中的瓶颈和现实困境。

随着 OpenAI Operator 的发布，计算机和网页浏览的准确率已达 30% 到 50%，但与人类的 70%+ 准确性相比，仍有明显差距。同时，研究表明，具备网页浏览功能的 AI Agent 容易受到恶意弹窗攻击，安全性存在隐患。

AI Agent 执行任务的方式有两种：

一种是通过网页浏览器（如Webvoyager、OpenAI Operator等）；
另一种是通过操作系统的完整GUI（如Anthropic）。

这些方法利用 GUI 作为 AI Agent 的 API。

最初的方案是使用单独的 API，但由于每个 API 集成开发的开销，这种方式并不实际。而且，对于许多商业应用而言，并没有现成的 API。

为什么焦点转向 Agentic Workflow？

如今，大家普遍认为现代知识工作存在诸多问题，各种数据显示了这个现象。例如，有报告指出，员工花费30%的时间在搜索信息上。

知识工作者在解答复杂问题时面临的挑战也不容忽视，他们需要从多个文档中合成信息。

Agentic Workflow（如下图所示）能够进行推理，将复杂任务分解成更简单的子任务，并将这些任务按顺序链式执行。

通过执行这个顺序，像可观察性、可检查性和可发现性等元素被引入。

数据的合成将变得越来越重要。Agentic Workflows为知识工作者提供了一个例子，它将工作数据和资源合成，帮助工作者快速得出答案。

语言模型提供商不再仅仅提供模型，而是扩展到用户体验领域。ChatGPT 中的 Deep Research 并不是一个新模型，而是 ChatGPT 中的一个新型 Agentic 能力，它能够进行多步互联网研究，解决复杂任务。它能在十几分钟内完成一个人类需要花费数小时才能完成的任务。

这也是如何将不同来源的数据合成以回答用户问题的一个好例子。

我认为这是 LlamaIndex 提出的一个概念——Agentic RAG，核心思想是将数据合成提供给“一个特定时刻的受众”变得越来越重要。

在未来几个月，个人 Agentic Workflow 和信息合成将成为焦点，某种程度上可以称之为桌面编排。

推理与问题解决

现代 AI 模型越来越多地将推理作为核心功能之一，使其能够通过将复杂问题分解为可管理的组件来解决这些问题。

这一转变的基础是创新的方法，即将问题分解成更小的子集，使模型能够系统地处理每个部分。

通过将推理作为一种内部机制，这些模型能够模拟类似人类的思维过程，增强它们提供准确和细致响应的能力。

分解策略不仅提高了解决问题的效率，还增强了得出结论过程的透明度。

因此，用户能够从更具可解释性的输出中受益，缩小了高级计算与易懂决策之间的鸿沟。

最初，用户需要在提示中包含推理特征，指示模型如何推理并分解复杂或复合任务。通过几次示范的方式，模型可以模仿并应用这些方法。

最后

企业必须将焦点从专注于某些特定工具或趋势——例如曾经自称为 RAG 公司、Prompt Engineering 实验场等，转移到解决现实世界的商业挑战上。

世界正以前所未有的速度向前发展，几乎每天都有新技术涌现，每一项都承诺能够颠覆各个行业。

然而，创新的真正衡量标准不在于掌握最新的技术，而在于将这些进步应用于创造实际的价值**。**

无论是改善客户体验、简化运营，还是解决社会需求，关键问题始终是：我们如何利用技术来提供有意义的解决方案？

通过采纳这种思维方式，企业能够为未来做好准备，并确保在不断变化的进步浪潮中保持相关性。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述