老板先别着急辞退我，Agent代替我还要2年

2025年是Agent的元年。从Manus的爆火，到OpenAI等厂商亲自下场做Agent。众多大厂开始寻求合适Agent来提高公司效率，眼看大规模的失业潮要来临了。已经到了八月，Agent进展的如何，能替代员工了吗？

AI Agent就是通过API的方式，调用基础大模型（Claude为主，ChatGPT5也很不错），来完成复杂的，真实工作场景下的工作。简单的比如搜索+研究报告的DeepResearch。客服等等工作流。

最近有一篇文章广为流传，作者Utkarsh Kanwat，开发了12个AI Agent。都是在AI最擅长，最容易出成果的IT领域。我们来看看这篇文章的核心观点。

我构建过的 AI Agent 类型

1. 开发类 Agent

1）UI 生成 Agent：将自然语言直接转换为可运行的 React 组件。

2）代码重构 Agent：将遗留代码库现代化。

3）文档生成 Agent：自动维护 API 文档。

4）函数生成 Agent：将规格说明转为可运行的实现。

1. 数据与基础设施类 Agent

1）数据库操作 Agent：处理复杂查询与迁移。

2）DevOps 自动化 Agent：跨多个云提供商管理基础设施即代码（IaC）。

1. 质量与流程类 Agent

1）AI 驱动的 CI/CD 流水线：自动修复 Lint 问题。

2）测试生成 Agent：生成全面的测试套件。

3）代码审查 Agent：自动化代码评审并生成详细的 Pull Request 描述。

存在的问题一：准确性差

1. 假设每一步的成功率为 95%（对当前 LLM 已经是乐观估计）：

1）5 步 → 成功率 77%

2）10 步 → 成功率 59%

3）20 步 → 成功率 36%

1. 如果单步准确率达到 99%（目前几乎没人能做到）：

20 步 → 成功率仍只有 82%。

存在的问题二：Token消耗量爆炸

会话型 Agent 的实际运行机制：

1）每一次交互都需要处理之前的全部上下文；

2）Token 成本随会话长度呈二次方增长；

3）100 轮对话的 Token 成本可达 50-100 美元；

4）一旦放大到成千上万用户，经济模型彻底崩溃。

存在的问题三：现实世界比API复杂

企业系统并不是干净的 API：

• 有遗留系统；
• 有各种异常状态；
• 身份认证随时变动；
• 请求速率限制；
• 合规要求与 Prompt 模板格格不入。

生产 Agent 系统中 AI 只做 30% 的工作，其余 70% 都是：

• 工具反馈接口设计；
• 上下文管理优化；
• 部分失败处理；
• AI 能理解并使用的恢复机制。

构建正确 Agent 的原则

1. 明确边界：Agent 能做什么？哪些交由人类或确定性系统处理？
2. 面向失败设计：AI 错误率 20%-40% 时，回滚与恢复机制如何工作？
3. 解决经济问题：每次交互成本是多少？随规模如何变化？无状态通常优于有状态。
4. 优先稳定性而非自主性：用户更信赖稳定可预期的工具，而不是偶尔惊艳的“魔法”。
5. 基于坚实工程基础：AI 用于理解和生成，执行、错误处理、状态管理仍由传统工程负责。

从以上内容看来，普通企业想要用Agent代替员工还有很长的路要走。只有那些本身可靠性要求不搞的场景才能用起来。

2025年，Agent有哪些场景会真正成熟起来呢？

📌 自主检索增强生成 (Agentic RAG)

基于推理的，用于实时数据检索和生成的AI智能体工作流。

Agentic RAG的应用不局限于单一场景，同样也被应用于医疗保健领域。

举例：Perplexity, Harvey AI 和 Glean AI

📌 语音智能体 (Voice Agents)

能够通过自然口语与用户互动的智能代理，利用广泛的文本转语音（TTS）和语音转文本（STTS）的嵌入和检索技术。

举例：ElevenLabs, Cognigy, Vapi 和 Deepgram

📌 AI智能体协议 (AI Agent Protocols)

简化多智能体之间的通信，支持不同框架下构建的智能体之间的交流。

举例：Accenture，A2A, ACP, SLIM等

📌 计算机使用智能体 (CUA - Computer Using Agents)

能像人类一样与计算机交互的AI智能体，可利用浏览器、命令行界面（CLI）甚至鼠标光标等工具。

举例：OpenAI的Operator, Claude的Computer Use, H-Company的Runner H以及Manus AI

📌 编程智能体 (Coding Agents)

借助巧妙的工具使用和基于大语言模型（LLM）的代码生成，使构建和调试应用程序的速度提高10倍的多智能体。

举例：Windsurf, Cursor 和 GitHub Copilot

📌 深度研究智能体 (DeepResearch Agents)

协作式多智能体系统，可从大量来源构建内容详尽的研究报告。

举例： Gemini DeepResearch, OpenAI DeepResearch 和 You(.)com DeepResearch

福利：想体验ChatGPT-5的朋友，ppword.cn把ChatGPT-5的nano彻底免费了，AI搜索也是免费的。建议大家先用起来。然后决定是否要用更加高级的AI。不过其他的AI也是API原价。