AI的“工业革命”来了！自进化Agent：从“使用工具”到“发明工具”，这才是智能的奇点！

我们提到Google最新发布的agent白皮书里，定义了Agent系统的层级，其中，Level4层级的智能体系统可以识别自身能力的不足，并创建新的工具甚至新的智能体来填补这些不足。

我对这一点很感兴趣，所以想看看目前是否有人已经实现了或是在做相关研究。在AI的协助下找到了一篇论文：

ALITA: GENERALIST AGENT ENABLING SCALABLE AGENTIC REASONING WITH MINIMAL PREDEFINITION AND MAXIMAL SELF-EVOLUTION 简称Alita

Alita是今年5月由普林斯顿、清华大学等团队联合发表的一篇论文。

它引用达芬奇的名言“简约即至美”，提出了极简主义设计哲学。

Alita 是一个通用Agent，只有一个核心组件Web Agent，它的核心逻辑是 “最小化预定义，最大化自进化”。

什么意思呢？

最小预定义：仅配备Web Agent作为核心能力。

最大自进化：Agent自主构建外部能力，通过生成任务相关的MCP从开源资源中扩展。

Alita与传统的Agent系统的区别从下面的图中可以看出来。

传统的通用智能体，为了应对各种场景，开发者恨不得把所有能想到的工具都塞进去——网页搜索、PDF读取、图像处理……导致系统极其臃肿，且永远无法覆盖所有场景。

Alita只有一个核心组件，缺什么，它自己来生成。

Alita是怎么实现的呢？

我们可以通过下面这张图来举一个例子。

现在有一个任务，需要提取YouTube 视频里的特定字幕信息。

Alita 发现自己根本没有下载 YouTube 字幕的工具。于是Alita 启动了它的 “MCP 创作循环” ：

第一步，头脑风暴 。Alita 思考：“我需要一个能爬取 YouTube 字幕的工具。”于是定义这个工具需要什么输入和输出 。

第二步，去搜索。它操控 Web Agent 去 GitHub 上搜索开源库，发现了一个叫youtube-transcript-api的开源库。

第三步，现场造工具 。Alita 阅读了这个库的文档，然后现场写了一段 Python 代码，创建了一个全新的工具。

第四步，测试与封装。它在一个隔离环境里运行代码，测试成功后，将这个新工具封装成一个 MCP（模型上下文协议），存入自己的武器库（MCP Box）。

就这样，Alita 不仅完美解决了当下的问题，而且下次再遇到类似任务时，它直接就能从武器库里掏出这个工具复用。

通过 Alita 我们看到了 AI Agent 进化的一个分水岭：

传统的 Agent：是打工人。给它铲子，它就挖坑；没铲子，它就歇着。

自进化Agent：是合伙人。给它目标，它发现没铲子，会自己去铁匠铺学打铁，造一把铲子，甚至造一台挖掘机，把活干完。

未来的智能体，将不再受限于人类开发者的想象力，它们将自己定义边界。

如何高效转型Al大模型领域？

作为一名在一线互联网行业奋斗多年的老兵，我深知持续学习和进步的重要性，尤其是在复杂且深入的Al大模型开发领域。为什么精准学习如此关键？

• 系统的技术路线图：帮助你从入门到精通，明确所需掌握的知识点。
• 高效有序的学习路径：避免无效学习，节省时间，提升效率。
• 完整的知识体系：建立系统的知识框架，为职业发展打下坚实基础。

AI大模型从业者的核心竞争力

• 持续学习能力：Al技术日新月异，保持学习是关键。
• 跨领域思维：Al大模型需要结合业务场景，具备跨领域思考能力的从业者更受欢迎。
• 解决问题的能力：AI大模型的应用需要解决实际问题，你的编程经验将大放异彩。

以前总有人问我说：老师能不能帮我预测预测将来的风口在哪里？

现在没什么可说了，一定是Al；我们国家已经提出来：算力即国力！

未来已来，大模型在未来必然走向人类的生活中，无论你是前端，后端还是数据分析，都可以在这个领域上来，我还是那句话，在大语言AI模型时代，只要你有想法，你就有结果！只要你愿意去学习，你就能卷动的过别人！

现在，你需要的只是一份清晰的转型计划和一群志同道合的伙伴。作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】