2025年熱門的AI Agent方向及國(guó)內(nèi)外代表產(chǎn)品

2025年作為Agent發(fā)展元年，Manus敲響了AI 應(yīng)用大發(fā)展的號(hào)角，各種Agent應(yīng)用層出不窮。這些智能體基本框架是怎樣的，哪些更有前景？

最近在海外看到一張「2025 年 AI Agent 技術(shù)趨勢(shì)全景圖」，覺(jué)得非常精彩，分享出來(lái)和大家交流。

這張圖是 《Agentic AI：利用 AI 代理重塑商業(yè)與工作》作者拉凱什·戈赫爾所做，看趨勢(shì)圖之前，可以先看這張涵蓋LLM Workflow、RAG、AI Agent、Agentic AI等常見(jiàn)概念名詞的解讀。

再來(lái)重點(diǎn)看這張趨勢(shì)圖，把未來(lái)一年最有可能落地的 Agent 形態(tài)、核心協(xié)議棧、工程框架與典型場(chǎng)景全部壓縮在一張圖里，非常清晰明了幫助大家完整理解Agent。

1

中心主題

中間的圓環(huán)標(biāo)明了 2025 AI Agent Trends 的六大類趨勢(shì)：

• Agentic RAG（推理型檢索增強(qiáng)生成）

• Voice Agents（語(yǔ)音智能體）

• CUA（Computer Using Agents，能像人類一樣操作電腦的智能體）

• Coding Agents（代碼智能體）

• Deep Research Agents（深度研究型智能體）

• Agent Protocols（智能體協(xié)議）

六大Agent趨勢(shì)的外圈是代表產(chǎn)品，圓圈四周是每個(gè)Agent的流程圖。我們來(lái)具體解讀下，這里在每個(gè)Agent領(lǐng)域，鯨哥增加了國(guó)內(nèi)這個(gè)類型的代表產(chǎn)品。

6大 Agent 模式

1

Agentic RAG

定義：一種結(jié)合檢索與推理的 AI 智能體工作流，用于實(shí)時(shí)數(shù)據(jù)檢索和生成。

流程：

• Memory（記憶）：保存上下文信息

• Planning（規(guī)劃）：確定任務(wù)步驟

• System Prompt（系統(tǒng)提示）：定義任務(wù)邏輯

• Agent（智能體）：執(zhí)行任務(wù)

• Tools（工具） + Vector Search（向量搜索） + Knowledge DB（知識(shí)庫(kù)）：從外部數(shù)據(jù)庫(kù)檢索信息

• Generate（生成）：輸出結(jié)果

國(guó)外代表：

• PerplexityAI：主打即時(shí)信息檢索+引用來(lái)源，類似搜索引擎+AI顧問(wèn)

• Harvey：面向法律行業(yè)的專業(yè)推理與檢索

• Glean：企業(yè)內(nèi)部知識(shí)檢索與智能問(wèn)答

國(guó)內(nèi)代表：

• 秘塔AI搜索：聚焦本地化搜索+實(shí)時(shí)問(wèn)答

• 百度文心一言 + 搜索增強(qiáng)：結(jié)合百度搜索做事實(shí)檢索

• 360納米搜索：整合360搜索的即時(shí)信息流

2

Voice Agents

定義：通過(guò)自然語(yǔ)言與用戶交互的智能體，支持語(yǔ)音輸入與輸出。

• STT（Speech-to-Text） 將語(yǔ)音轉(zhuǎn)文字

• Embedding Model + Retrieval API + Vector DB 處理信息

• Agent 進(jìn)行任務(wù)執(zhí)行

• TTS（Text-to-Speech） 將結(jié)果轉(zhuǎn)為語(yǔ)音

• 可接入 Gmail、Telephony 等渠道

場(chǎng)景：智能客服、語(yǔ)音助理、電話機(jī)器人

國(guó)外代表：

• OpenAI GPT-4o Voice：多模態(tài)對(duì)話，低延遲語(yǔ)音交互

• Alexa LLM（亞馬遜）：智能家居+語(yǔ)音助手

• Apple Siri（升級(jí)版）：與Apple Intelligence結(jié)合的智能助手

• Meta’s Voicebox（研發(fā)中）：多語(yǔ)言語(yǔ)音生成

國(guó)內(nèi)代表：

• 豆包：強(qiáng)實(shí)時(shí)語(yǔ)音識(shí)別與合成

• 小愛(ài)同學(xué)（小米）：深度嵌入IoT生態(tài)

• 天貓精靈（阿里）：智能家居+購(gòu)物語(yǔ)音控制

• 華為小藝：跨設(shè)備語(yǔ)音助手

3

CUA（Computer Using Agents）

定義：能夠像人類一樣操作電腦的軟件和界面。

• 使用 語(yǔ)言模型 解析用戶指令

• 獲取 桌面環(huán)境數(shù)據(jù)（Desktop Sandbox）

• 結(jié)合 Vector DB、Memory、第三方工具（如 Stripe、DoorDash） 執(zhí)行任務(wù)

場(chǎng)景：自動(dòng)化辦公、桌面軟件操作、RPA（機(jī)器人流程自動(dòng)化）

國(guó)外代表：

• Devin（Cognition AI）：能直接在電腦環(huán)境中開(kāi)發(fā)、調(diào)試、部署代碼

• MultiOn：能代替用戶操作網(wǎng)頁(yè)、表格、日歷等

• Adept ACT-1（研發(fā)暫停）：早期探索自動(dòng)化辦公

國(guó)內(nèi)代表：

• 扣子空間（字節(jié)跳動(dòng)）：低代碼構(gòu)建多場(chǎng)景桌面操作

• MuleRUN：具備系統(tǒng)級(jí)操作的能力

• Fellou：網(wǎng)頁(yè)與桌面操作的自動(dòng)化執(zhí)行

4

Coding Agents

定義：能 10 倍速構(gòu)建和調(diào)試應(yīng)用的 AI 智能體。

• 用戶提出 Query

• Agent 選擇合適工具執(zhí)行（代碼生成、調(diào)試、測(cè)試）

• 輸出成品代碼或測(cè)試結(jié)果

工具鏈：

• Code Generator：生成代碼

• Code Debugger：調(diào)試代碼

• Test Runner：自動(dòng)化測(cè)試

場(chǎng)景：軟件開(kāi)發(fā)、自動(dòng)化調(diào)試、代碼審查

國(guó)外代表：

• GitHub Copilot Workspace：支持從需求到部署的全鏈路編碼

• Cursor：IDE級(jí)AI編程助手

• Replit Agents：可多步生成、運(yùn)行、調(diào)試代碼

國(guó)內(nèi)代表：

• 通義靈碼（阿里）：嵌入IDE的代碼生成與調(diào)試

• 百度Comate：結(jié)合文心大模型的智能編程工具

• 字節(jié)Trae：全流程的AI IDE產(chǎn)品

5

Deep Research Agents

定義：多智能體協(xié)作，構(gòu)建深度研究型報(bào)告。

• 用戶需求 → Aggregator（聚合器）

• 分發(fā)給多個(gè) Sub-Agent（子智能體）

• 各自檢索、引用（Citation Agent）、分析

• 聚合輸出報(bào)告

場(chǎng)景：市場(chǎng)調(diào)研、學(xué)術(shù)研究、情報(bào)分析

國(guó)外代表：

• OpenAI Deep Research（2025新功能）：多Agent長(zhǎng)期調(diào)研

• Perplexity Pro Search：支持多步調(diào)研與引用

• LangChain + Agents：自定義研究工作流

• Vulcan Research AI：行業(yè)情報(bào)自動(dòng)生成

國(guó)內(nèi)代表：

• 夸克深度搜索：支持多輪長(zhǎng)程研究

• 阿里通義助理 Deep Search：針對(duì)行業(yè)報(bào)告和市場(chǎng)分析

• 百度文心智研：自動(dòng)生成調(diào)研大綱與全文

6

AI Agent Protocols

定義：統(tǒng)一的多智能體通信協(xié)議，簡(jiǎn)化跨平臺(tái)協(xié)作。

關(guān)鍵技術(shù)：

• MCP、ACP、A2A（Agent-to-Agent） 協(xié)議

• Google ADK、LangGraph、Cisco SLIM

• Agent 發(fā)現(xiàn)與連接

• 任務(wù)流轉(zhuǎn)與結(jié)果回傳

• 支持流式與非流式數(shù)據(jù)處理

意義：打通不同智能體和工具間的交互，形成互通生態(tài)

國(guó)外代表：

• Google AI Device Kit（ADK）：多Agent跨設(shè)備調(diào)用

• LangGraph：可視化多智能體協(xié)作編排

• Cisco SLIM：企業(yè)級(jí)Agent通信標(biāo)準(zhǔn)

• OpenAI MCP（Model Context Protocol）：跨模型的上下文共享

國(guó)內(nèi)代表：

• 字節(jié)跳動(dòng)Coze協(xié)議層：支持不同Bot的消息與任務(wù)協(xié)作

• 阿里云AgentFlow：跨Agent編排與協(xié)議轉(zhuǎn)換

• 騰訊云智鏈協(xié)議：支持企業(yè)多Agent互通

• 華為MetaAgent標(biāo)準(zhǔn)：IoT與大模型互通協(xié)議

戈赫爾還制作了Agent L1-L5的發(fā)展標(biāo)準(zhǔn)：

Level 5 – 完全自治智能體

• 具備自我改進(jìn)能力，完全自主

• 持續(xù)學(xué)習(xí)與推理

• 無(wú)需人工干預(yù)

• 以目標(biāo)為驅(qū)動(dòng)，具備多模態(tài)感知

• 能感知復(fù)雜環(huán)境

• 能基于過(guò)往經(jīng)驗(yàn)進(jìn)行規(guī)劃

• 能基于反饋進(jìn)行推理和學(xué)習(xí)

• 具備自然語(yǔ)言理解

• 工具編排

• 基礎(chǔ)AI系統(tǒng)，自治性有限

• 簡(jiǎn)單機(jī)器學(xué)習(xí)用于模式識(shí)別

• 提供部分決策支持

• 剛性、基于規(guī)則的系統(tǒng)，無(wú)學(xué)習(xí)能力

• 簡(jiǎn)單的 if-then 邏輯

• 手動(dòng)使用工具完成操作

• 無(wú)適應(yīng)性和智能

并認(rèn)為得益于 GPT-5、Claude 4.1、Grok 4 和其他內(nèi)置Agent的基礎(chǔ)模型突破，當(dāng)下Agent正朝著以下模式發(fā)展：

• 多智能體協(xié)作化：從單一 AI 升級(jí)到多智能體分工協(xié)作。

• 多模態(tài)輸入輸出：語(yǔ)音、文本、代碼、桌面操作都可以接入。

• 工具鏈深度集成：每類智能體都配合檢索、數(shù)據(jù)庫(kù)、測(cè)試和第三方 API。

• 跨協(xié)議互通：通過(guò)標(biāo)準(zhǔn)化協(xié)議讓不同廠商、不同類型智能體無(wú)縫交流。

• 高自動(dòng)化程度：很多智能體可直接替代人工執(zhí)行復(fù)雜任務(wù)。