比大模型更進一步！能自動處理任務的AI Agent 2025年幾個可能的發展方向

AI Agent（人工智能代理）是一種能夠自主感知環境、分析信息、制定決策并執行動作的智能系統。它通過結合感知、推理、學習和行動能力，模擬人類或生物的智能行為，完成特定任務或持續目標。

AI Agent 和大模型的區別在于，大模型與人類之間的交互是基于prompt 實現的，用戶prompt 是否清晰明確會影響大模型回答的效果。而AI Agent的工作僅需給定一個目標，它就能夠針對目標獨立思考并做出行動。

來自加拿大的AI領域專家Rakesh Gohel給出了2025 AI Agents 幾個可能的發展方向：

• 自主檢索增強生成 (Agentic RAG)

基于推理的，用于實時數據檢索和生成的AI智能體工作流。

Agentic RAG的應用不局限于單一場景，同樣也被應用于醫療保健領域。

舉例：Perplexity, Harvey AI 和 Glean AI

• 語音智能體 (Voice Agents)

能夠通過自然口語與用戶互動的智能代理，利用廣泛的文本轉語音（TTS）和語音轉文本（STTS）的嵌入和檢索技術。

舉例：ElevenLabs, Cognigy, Vapi 和 Deepgram

• AI智能體協議 (AI Agent Protocols)

簡化多智能體之間的通信，支持不同框架下構建的智能體之間的交流。

舉例：Accenture，A2A, ACP, SLIM等

• 計算機使用智能體 (CUA - Computer Using Agents)

能像人類一樣與計算機交互的AI智能體，可利用瀏覽器、命令行界面（CLI）甚至鼠標光標等工具。

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

• 編程智能體 (Coding Agents)

借助巧妙的工具使用和基于大語言模型（LLM）的代碼生成，使構建和調試應用程序的速度提高10倍的多智能體。

舉例：Windsurf, Cursor 和 GitHub Copilot

• 深度研究智能體 (DeepResearch Agents)

協作式多智能體系統，可從大量來源構建內容詳盡的研究報告。

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

圖片來自：Rakesh Gohel