文 | 适说念三级片网站，作者 | 狮刀、Rika

2023 年底，斯坦福大学发布了一款激发震撼的 AI 实验款式—— " 小镇模拟游戏 "。在这个编造小镇里，25 个 AI 扮装能够自主交谈、确立关系、制定打算，展现出了令东说念主瞻仰的酬酢智力。这个实验让东说念主们第一次对 AI Agent（智能体）产生了期待——具有自主意志和决策智力的 AI 助手计日程功。

一年往日了，AI Agent 的观念在业界炙手可热。微软、Google 等科技巨头纷纷布局，初创公司们也争相推出各类 "Agent" 居品。关联词，当咱们仔细不雅察这些堪称是 "Agent" 的居品时，会发现一个莫名的现实：它们与确凿的 Agent 相去甚远，更像是只是具备天然言语相识智力的对话机器东说念主。

这种 " 形似神不似 " 的征象，在 AI 硬件范围也不休上演。2024 年 10 月，智能控成品牌 Oura 推出了最新款 Oura Ring 4，并 " 识时务 " 地加入了 AI 功能。很快，Oura 估值超 50 亿好意思金，成为了营业化最得手的 "AI 硬件 " 厂商之一。关联词，一个共鸣是：Oura 的得手与 AI 关系并不大，其中枢价值仍在于健康跟踪这一基础功能。比较之下，确凿主打 AI 的硬件居品，如 AI Pin、Rabbit R1 却遭逢了 " 上市即翻车 " 的运说念。

什么称得上 AI Agent？唾手翻开一个大模子 APP，映入眼帘的 Prompt Agent？如故编程范围的专科 Agent Cursor？亦或是钢铁侠的万能助手 Jarvis？

好意思国 VC Madrona 结伴东说念主 Jon Turow 曾指出：当你聊过实足多的从业者，你会发现存一系列不同观念的东西，它们齐叫作念 Agent 。

若是将 AI Agent 形色为一场马拉松，2025 年的 AI Agent 行至那边？

2024 年 AI Agent 不雅察：一半是海水，一半是火焰

吵杂的征象：各路玩家就位

2024 上半年，大模子价钱战还在铺天盖地进行；下半年，AI Agent 争夺战就一经蓄势待发。

外洋市集，OpenAI、Anthropic、微软、谷歌等科技巨头纷纷公布相干进展，将自家 Agent 实力作为牌桌上的伏击筹码。

10 月，Anthropic 推出了名为" Computer Use "的 AI Agent 系统，堪称能够"像东说念主一样操作计较机"。这是一个特殊 API，允许开荒者领导 Claude 完成各式计较机操作任务——不雅察屏幕内容、移动鼠标、点击按钮以及打字等等。开荒者可以通过该 API 将书面指示调遣为具体的计较机指示，从而兑现自动化任务。 

（图片：Anthropic 开荒东说念主员演示 Computer use）

微软亦然 AI Agent 的伏击推动者。2024 年 10 月，微软公布了一项伏击打算：面向 Dynamics 365 业务应用平台，开荒部署 10 款 AI Agent ——将主要事业于企业的销售要害、管帐业务以及客户事业等要害范围。按照时分表，这些 AI Agent 将在年底绽开公测，测试阶段展望延续到 2025 年头期。

（图片：微软 CEO 展示 Copilot 与 AI 堆栈）

谷歌的反应相对较慢，但在年底也赶上了进程。12 月，谷歌发布了全新多模态大模子 Gemini 2.0。在新模子的加持下，谷歌内置了三款 AI Agent ——"通用大模子助手" Project Astra、"浏览器助手" Project Mariner 和"编程助手" Jules。

"编程助手" Jules 能够作为自主代理径直集成到 GitHub 的责任进程系统中，分析复杂的代码库，跨多个文献实施缔造，并准备详备的拉取申请，无需持续的东说念主工监督；而在游戏《部落冲突》演示中，谷歌 AI Agent 不仅能够向玩家先容军种特点，给出组合建议，还可以在 Reddit 检索信息，为玩家提供扮装遴荐建议。

（图片：玩家与谷歌 AI Agent 互动）

OpenAI 天然是基础模子的当先者，在 Agent 方面布局却略显迟缓。7 月，OpenAI 更新 AGI 路子图，并指出我方处于第一层，接近达到第二层；而第三层才是 AI Agent。

（图片：OpenAI 界说的东说念主工智能发展 5 阶段）

OpenAI 展望将于 2025 年 1 月推出全新 AI Agent —— Operator，该系统能够自动实施各式复杂操作，包括编写代码、预订旅行、自动电商购物等。据悉，Operator 可能会在 Computer use 的基础上进行大幅度翻新和应用简化，扩大 AI Agent 的使用范围和应用场景。

国内市集，百度、阿里、腾讯、智谱等大厂也纷纷入局。

在 B 端，百度文心智能体平台、腾讯元器、讯飞星火智能体创作中心、通义智能体、字节扣子等面向企业用户提供了智能体创建平台，并运行在其 AI 智能助手界面中添加 AI Agent 进口。

在 C 端，支付宝旗下 AI App 支小宝、智谱 AutoGLM 烽火了破钞者用户的厚谊。阐发演示，智谱 AutoGLM 能够浏览并相识屏幕信息，作念出任务权术，兑现手机上常用操作的模拟实施——只需承袭简便的翰墨 / 语音指示，它就可以模拟东说念主类操作手机，在一又友圈点赞，在好意思团点外卖，在携程订旅店等等。

浮浅的现实：当咱们在驳倒 AI Agent 时，到底是在驳倒什么？

若是只看到上述的吵杂征象，你或者会得出论断—— 2024 年是 AI Agent 确当打之年。

但用户能够确凿依赖的 AI Agent，其实三三两两。

只需花 3 秒钟念念考——你可爱用哪几款 AI Agent？若是你是范例员，谜底可能只是 Cursor。若是咱们换个问题——你可爱用哪几款 AI 大模子？谜底会林林总总，比如 ChatGPT、Gemini、Claude、Kimi 等等。

至少从实感来说，咫尺大热的 AI Agent 仍是"虚火"。

主因是"不靠谱"和"鸡肋"。AI Agent 依赖 LLM "黑盒"，本人就存在不可预测性，而责任进程更是要将多个 AI 门径勾搭起来，会加重这些问题，尤其是关于需要精准输出的任务。用户难以确保 Agent 能否永久提供准确、适当高下文的反馈。

LangChain 发布的 State of AI Agents 可以作为伏击参考。其拜谒波及的 1300 多位受访者指出，性能质料（41%）是要紧照管点，伏击性远超成本（18.4%）和安全（18.4%）等成分。致使关于向来格外照管成本的小企业而言，其中 45.8% 将性能质料列为主要照管点，成本成分仅为 22.4%。同期，论述指出，坐褥中经受 AI Agents 的主要挑战包括：开荒东说念主员很难向团队和利益相干者透露 AI Agent 的功能和行动。

此外，天然 AI Agent 依赖的基座 LLMs 在 Tool use 方面发达可以，但它们速率不快且成本高，非常是需要进行轮回和自动重试时。WebArena 名次榜对 LLM 智能体在现实任务中的发达进行了基准测试。足下清晰，即就是发达最好的模子 SteP，得手率也只须 35.8%，而 GPT-4 的得手率仅达到 14.9%。

那么，市面上不成"十足自理"的 AI Agent 算得上 Agent 吗？

若是咱们按吴恩达的念念路就很好相识了—— AI Agent 是可以分层级的。他提议了 Agentic System（智能体系统），并合计形色词" Agentic "比名词" Agent "能更好地匡助咱们相识这类智能体的本体。如同自动驾驶汽车 L1-L4，Agent 的进化亦然一个过程。

BabyAGI 创举东说念主 Yohei Nakajima 关于 AI Agent 的分类，相同值得参考。

1、手工制作 Agent：由 Prompt 和 API 调用构成的链条，具有一定自主性，但抑制较多。

特征：活水线机器东说念主，按照固定门径完成任务。

例如：它就像一个极度订票的助手——当你告诉航班需求时，它能够径直调用 API 搜索并完成预订；关联词一朝波及复杂行程权术，手工制作 Agent 就会"卡住"（迎接天下代入居品）。

2、专科 Agent：在一组任务类型和器具内动态决定要作念什么，比手工制作 Agent 抑制少。

特征：娴熟工匠，能够在特定范围（比如木匠）熟练地使用器具，不仅能按照条目制作者具，还能阐发推行需求诊疗瞎想，调用材料。

例如：AutoGPT 通过 CoT 手艺剖判复杂问题，动态遴荐最优科罚旅途。靠近一个市集筹商任务，AutoGPT 能自动分罢免务为"搜索趋势""整理数据""生成论述"等子任务并完成。

3、通用 Agent：Agent 的 AGI ——咫尺还处于表面观念阶段，尚未兑现。

特征：万能助手，就像钢铁侠的 Jarvis。你可以讨论它任何问题，它不仅能相识你的需求，还能集合常识和环境动态妥贴，提供翻新科罚决议。

例如：还莫得确凿能兑现的居品，相干筹商包括更强的多模态交互和历久驰念优化。

处于刻下的历史节点，Prompt Agent 数目最多，发达为大模子 APP 里的随处 Agent；垂直范围的专科 Agent 正处于爆点，并因其实用性备受本钱有趣；东说念主类所期待的确凿 Agent ——万能助手 Jarvis，有待要害手艺打破。这也意味着将来一段时天职，咱们能看到更多" L1-L4 "之间的手艺进化。

这一年 AI Agent "皮下"手艺进化到哪儿了？

阐发 Lilian Weng 列举的公式：Agent = LLM+Memory+Planning skills+Tool use

假定你是阴郁料理界的"五虎星"。LLM 代表你的常识储备，包含所有菜系菜谱；Memory 类似于你的厨师札记，记录着不同门客的口味需求，输给"小住持"的历史训戒；Planning 好比你的作念菜权术，靠近不同条目，是先炸再烤，如故先煮再炸；Tools 则是你的魔法厨具，包括如何调用不同刀具（软件），匡助实施复杂的任务。

AI Agent 的打破取决于各项手艺的跨越。

发轫是 LLM。在 GPT5 这么的强悍"大脑"出现之前，OpenAI 就发现了推理引擎的智力。

2024 年 10 月，OpenAI 高等筹商科学家、德扑 AI 之父 Noam Brown 提议：让 AI 模子念念考 20 秒所带来的性能训导，至极于将模子扩大 100，000 倍并磨练 100，000 倍的时分。

Brown 所指的手艺就是 System 1/2 thinking，恰是 OpenAI o1 长出"推明智力"的诀要。

System 1，即"快念念考"，你看到一只苹果，不需要念念考，就知说念这是生果；System 2，即"慢念念考"，你要作念沿路 17*24 的数学题，则需拆解门径来念念考，谜底才更准确。

近期，谷歌 DeepMind 筹商东说念主员也将这项手艺集成到 AI Agent 中，并开荒了 Talker-Reasoner 框架。System 1 是默许运行的"快速模式"，而 System 2 作为"备用引擎"随时待命。当 System 1 感到困惑时，会将任务交给 System 2 处理。"双引擎"共同运行，关于科罚复杂、冗长的任务匡助庞大，打破了传统 AI Agent 实施业务进程的方法，极大训导了着力。

其次是驰念机制。当生成式 AI 运行"脱口而出"，未必不是性能问题，而是驰念力欠安。这时候就需要 RAG（检索增强型生成）来赞理。它是 LLM "外挂"般的存在，能够哄骗外部常识库为 LLM 提供相干高下文，驻扎 LLM 强不知以为知。

关联词，传统 RAG 进程只沟通一个外部常识源，不成调用外部器具；仅生成一次性科罚决议，高下文只检索一次，不成进行推理或考据。

在此情况下，和会 Agent 智力的 RAG 应时而生。天然 Agentic RAG 在举座进程上与传统 RAG 一脉相传：检索 - 合成高下文 - 生成，但其融入了 Agent 自主权术智力，能够妥贴愈加复杂的 RAG 查询任务——决定是否需要检索；自主决策使用哪个检索引擎自主权术使用检索引擎的门径；评估检索到的高下文，并决定是否重新检索；自行权术是否需要借助外部器具。

若是说，原始 RAG 是坐在藏书楼稽查特定问题；那么，Agentic RAG 就像拿着 iPhone，调用 Google 浏览器、电子邮件等等搜索问题。

此外，2024 年 YC 孵化的开源 Mem0 款式，也有望成为 RAG 助手，并为 AI Agent 插上个性化驰念的翅膀。

Mem0 像是大脑的"海马体"，为 LLM 提供了一个智能、自我优化的驰念层。它能进行信息分层存储——将短时信息滚动为历久驰念。类似于，你会整理"新学常识"，此后存入脑海；它还能确立语义通顺——通过语义分析为存储的常识创建关联收集。类似于，你告诉 AI 我方可爱看考查电影，它不仅能记着，还会臆度你可能可爱的行恶记载片。

基于此，Mem0 能够显赫训导 AI Agent 个性化驰念——动态记请托户偏好、行动和需求，创建"私东说念主记事本"。例如，当你告诉 AI Agent 下周是姆妈寿辰，它不仅会实时提醒你送上祝愿，还会阐发"驰念中"你和姆妈的喜好，给出站立建议，致使能够跨平台"货比三家"，送上购物通顺。

在 RAG 方面的打破不啻于此，俄亥俄州立大学和斯坦福大学的科学家团队提议了一个道理的念念路：让 AI 领有一个类似东说念主类海马体的"驰念大脑"。他们从神经科学的角度起程，效法东说念主脑海马体在历久驰念中的作用，瞎想出一个名为 HippoRAG 的模子，像东说念主脑一样高效地整合和搜索常识。实验标明，"驰念大脑"能够在多跳问答等需要常识整合的任务上取得大幅训导。未必探索出让大模子具备"类东说念主"驰念的一个全新主张。

Tool use 的跨越更是肉眼看见。例如，Claude 的 Computer Use，通过构建 API，将天然言语辅导滚动为各式电脑操作指示，由开荒者自动化类似性的任务、进行测试和质料保证，以及绽开式筹商。从此，AI 不需要一个个极度的 API "钥匙"也能"一次性"调用各式软件完成各式操作：用 Word 写文档，用 Excel 处理表格，用浏览器搜索信息。天然如斯，咫尺 Computer Use 智力还不完善：不成在里面数据上磨练该功能；受限于高下文窗口等等。Anthropic 团队也暗示，当今 Claude 的计较机使用水平只处于类似" GPT-3 期间"的早期阶段，将来还有很大训导空间。

值得细心的是，AI Agent 的视觉智力也取得了跨越。例如，智谱发布的 GLM-PC 将其通用的视觉 - 操作模子 CogAgent 应用到了计较机上。其能够模拟东说念主类的视觉感知来从环境中获取信息输入，以进行进一步的推理和决策。

权术智力方面。Planning 包含任务剖判——将大任务分辩红小任务；反念念和索求——基于已有动作进行自我反念念，从失误中学习优化接下来的动作。

咫尺，有论文提议更为新颖的分类法：任务剖判、多打算遴荐、外部模块缓助权术、反念念与细化、驰念增强权术。其中，多打算遴荐，即给 AI Agent 一个"遴荐轮"，生成多个打算，挑一个最好的来实施；外部模块缓助权术，即借助外部权术器，类似强化学习的判官。驰念增强权术，就像 一个驰念面包，记着往日履历，为将来权术提供匡助。这些方法并不孤苦，而是相互交汇，共同训导 AI Agent 的权术智力。

一年以来，Agent "皮下"各项智力均取得了跨越，其中 Tool use 智力一经初步落地；驰念机制的跨越相配值得期待；LLMs 的跨越则取决于巨头的智力范围等等。但关于 Agent 而言，其智力的最大化并非各项手艺简便的加成，任何一项手艺的打破均有望使其迎来质变。

将来，AI Agent 进化的伏击挑战包括但不限于：如何兑现低蔓延、带视觉相识的实时反馈；如何构建个性化的驰念系统；如安在编造与物理环境齐具备鲁棒的实施智力等等。只须当 AI Agent 从"器具"到"器具使用者"时，确凿的 Killer Agent 就会出现。

本钱的遴荐——大模子遇冷，AI Agent 当立

有东说念主说，当今大模子卷不动了，要卷就卷 AI Agent。

2024 年，也曾争作念"作念中国 OpenAI "的大模子公司不得已背信，以"六小虎"智谱 AI、零一万物、百川智能、MiniMax、月之暗面和阶跃星辰为例，大齐公司一经运行进行业务诊疗，致使东说念主员缩减。大厂凭借其浑厚的家底，还能连续卷研发；更多初创企业被动直面现实，转向大模子应用层面，寻求更低的成本和更快的答复。

同期，敏锐的本钱也将观点投向了 AI 应用层。

桔子 IT 数据清晰，2024 年前 9 个月，国内 AI 范围发生了 317 起融资案例，月均融资金额 42 亿元，不到旧年的两成。其中，融资最多的 5 家公司拿走了超 212 亿，至极于本年国内 AI 融资总数的 63%。

值得细心的是，大模子和 AI Agent 款式受投资东说念主的照管度最高——大模子发生 19 起融资案，AI Agent 发生了 18 起。其次是 AI 视频生成（10%），剩下 50% 投资案例的主张较为散播，被 19 个主张中分。

由此，在大模子"赢家通吃"的样式下，AI Agent 既是 AI 初创公司的最好主张，亦然海表里本钱的笃定之选。

YC 结伴东说念主、资深投资东说念主 Jared 指出，垂直范围 AI Agent 作为一种新兴 B2B 软件，有望成为比 SaaS 大 10 倍的新兴市集。凭借替代东说念主工操作、训导着力的显赫上风，这一范围可能催生出市值卓越 3000 亿好意思元的科技巨头。

投资东说念主所看中的 AI Agent 齐长什么样？

最出圈确当属 AI 编程神器 Cursor。原因不过于代码是 LLMs 最容易掌持的智力，其生成的磨练数据主要来自 GitHub 上的开源代码，大部分齐是"灵验数据"。此前，Cursor 是阐发用户需求，提供建议代码。如今，Cursor 可以径直以兑现需求为主张，承接匡助你创造代码文献，准备好运行环境。你只需点击启动按钮，就可以运行代码。

除此以外，即便 2024 年尚未产生确凿的 Killer Agent，但推行上在细分范围，Agent 一经有随处吐花之势了。

阐发 YC 团队的最新共享。咫尺一经赢得投资的 Agent 款式大多在 toB 范围。

问卷拜谒和分析：Outset 将 AI Agent 应用于问卷拜谒和分析范围，可以替代传统的东说念主工拜谒和分析责任，例如 Qualtrics 等公司提供的事业。

软件质料测试：Mtic 哄骗 AI Agent 进行软件质料测试，可以十足取代传统的 QA 测试团队。与之前的 QA 软件即事业公司（如 Rainforest QA）不同，Mtic 不仅提高了 QA 团队的着力，还能十足取代东说念主工测试。

政府条约竞标：Sweet Spot 哄骗 AI Agent 自动搜索、填写政府条约的标书，可以替代东说念主工完成这些繁琐的任务。

客户相沿：Powerhelp 哄骗 AI Agent，自动完成东说念主工接听电话、回答邮件和科罚问题，况兼能够阐发用户发问和历史记录提供个性化的科罚决议，训导其振奋度。

东说念主才招聘：Priora 和 Nico，哄骗 AI Agent 进行手艺筛选和初步招聘，可以替代东说念主工完成这些任务。

用吴恩达的发言作念挂牵：通往 AGI 的说念路嗅觉更像是一段旅程，而不是一个主张地。但我合计 Agent 式责任流，可以匡助咱们在这个相配漫长的旅程中上前迈进一小步。换句话说，即便咱们暂时无法领有"万能 Agent "，但多个垂直范围的专科 Agent 渐渐出现，将让咱们不休赢得近似领有 Jarvis 的体验。

2025 年：有望成为 AI Agent 商用爆发元年

近日，前 OpenAI 联创、SSI 创举东说念主 Ilya Sutskever 径直晓示：预磨练从此将透澈闭幕——咱们只须一个互联网，磨练模子需要的海量数据行将穷乏，唯有从现存数据中寻找新的打破，AI 才会连续发展。

Sutskever 用东说念主类大脑发展进行类比：正如东说念主类大脑体积罢手孕育后，东说念主类忠良仍在跨越。AI 将来发展将转向在现存 LLM 上构建 AI Agent 和器具。他预测，以后的打破点，就在于智能体（Agentic）、合成数据和推理时计较。其中，能够自主完成任务的 AI Agent，是将来的发展主张。

值得细心的是，与吴恩达一样，Sutskever 相同使用"形色词" Agentic 形容智能体。

阐发线性本钱 Bolt 不雅点：咱们可以用一丝的、适量的、高度的 Agentic "智力"形容 Agent 应用的智力。例如，Router（路由）类系统使用 LLM 将输入路由到特定的下流责任流中，具有一丝的 Agentic 智力；State Machine（现象机）类系统使用多个 LLMs 来实施多个路由门径况兼有智力细则每个门径是连续如故完成，具有至极的 Agentic 智力；而 Autonomous（自主体）类系统更进一步，能够使用器具致使创造合适的器具去推动系统的进一步决策，具备十足的 Agentic 智力。

基于此，厂商在强调居品的 Agent 属性前，不妨先回答" How agentic my system is？"

刻下不少范围的专科 AI Agent 依然不够纯属。相干拜谒清晰，输出不精准、性能差强东说念主意、用户不信任等问题困扰其落地。但若是咱们换个念念路：短期内营业化最得手的 AI Agent，不一定是看起来" Agentic 化"最高的居品；而是能够均衡性能、可靠性，以及用户信任的居品。

顺着这条念念路，专科 AI Agent 最有出路的发展说念路可能是：先重心应放在哄骗 AI 增强现存器具，而不是提供庸碌的全自主孤独事业。

用东说念主机协同的方法，让东说念主类参与监督和处理边际案例。阐发刻下的智力和局限，设定不脱离现实的祈望。通过集合严格抑制的 LLMs、精采的评估数据、东说念主机协同监督和传统工程方法，在自动化等复杂任务方面兑现可靠且精采的后果。

例如，红杉投资组合中的 Rocks 公司，其 Agent 是将东说念主类职工融入其中。最初，Rocks 开荒了一项自动撰写、自动发送电子邮件的手艺。但他们发现将东说念主类销售纳入进程时，发达训导了 333 倍。于是，Rocks 移除了自动发送的功能。

阐发具体业务场景，有些公司可以开荒 Agent 完成任务的手艺，比如收集安全范围的 Expo；而有些公司则尽量遴荐用 Agent "增强"东说念主类职工，比如 Rocks。

那么，2025 年会发生什么？

发轫，不啻是编程，更多垂直范围将跑出"种子选手"。红杉结伴东说念主 Konstantine Buhler 预测：医疗和教导等"高事业成本"范围将成为 AI 手艺的下一个伏击战场。

同期，阐发 LangChain 论述清晰：东说念主们但愿将耗时任务交给 AI Agent ——充任"常识过滤器"：快速索求要害信息，用户无需我方手动筛选海量数据；"坐褥力加快器"：协助用户安排日程、料理任务，让东说念主类专注于更伏击的责任；"客服神助攻"：匡助企业更快地处理客户参谋、科罚问题，大幅训导团队的反馈速率。

换句话说，所有耗时、耗力、耗成本的责任有望率先被垂直范围专科 AI Agent 替代。

其次，AI Agent 部署将由"单"变"多"。一方面，AI Agent 将从单一智能体发展到"群体配合"模式。2025 年会出现更多 Multi-agent 模式，多个 Agent 上演不同扮装合作完成任务。例如，清华面壁智能的开源款式 ChatDev。每个 Agent 被赋予了不同的身份，有的是 CEO，有的是居品司理，有的是范例员，它们能够相互相互合作，共同完成任务。

另一方面，跟着⼤模子对图像和视频信息的处理能⼒快速训导，2025 年将运行出现更为笼统性的多模态交互，AI 能够通过物联⽹、特定信息等多种感知通说念进⾏协同。多模态输⼊和输出使 AI 交互性更强、交互频次更⾼，适⽤场景也愈加丰富，AI 居品举座⽔平显赫训导。

其中，Agent 作为和会感知、分析、决策和执⾏能⼒的智能体，其交互的主动性和⾃动化远超现存器具。

阐发量子位智库不雅察：从手艺和配套设施两⽅⾯发展来看，从 2025 年运行，AI Agent 行将⼴泛投⼊使⽤。AI Agent 有望带来独属于 AI 2.0 期间的交互⽅式、居品形态和营业模式。

结语

在电影《2001：天际漫游》的起原，一群草食东说念主猿对抗在饥饿和耗费的边际，东说念主猿魁首偶然挥舞了一下手里的棒骨，"发现"它竟然是一件趁手的器具。从此，他们运行狩猎小动物，成为食肉动物，迟缓站上了食品链尖端。

若是将来的东说念主类俯视 2025 年，可能会发现，这又是一个东说念主类进化的要害时刻，而 AI Agent 恰是那根趁手的"棒骨"。

正如 Andrej Karpathy 所言，AI Agent 代表着一个放纵的将来。

道理的是，Agent 一词源于拉丁语的 Agere，理由是" to do "。

如何收拢这个放纵的将来？你可能只需要" Agent "三级片网站。