智能體和傳統(tǒng)的問答機(jī)器不一樣，它們能和用戶連續(xù)對話，一步步深入問題的核心，這是它們的強(qiáng)項(xiàng)。前幾天，我就用智能體解決了obsidian插件沖突的問題。
不過，進(jìn)一步探索中，我發(fā)現(xiàn)，智能體還有很多問題需要解決。什么問題呢？
第一個(gè)：使用距離。
使用距離？什么意思？別人不會(huì)用嗎？不是的。準(zhǔn)確說，是用戶習(xí)慣。
智能體不僅是一個(gè)聊天機(jī)器人，更像一個(gè)超級大腦，我們用聊天的方式跟它交流，但要認(rèn)識到它真的可以解決系統(tǒng)問題。
這個(gè)過程，不是簡單的一問一答那么簡單，是可以讓思考更上一層樓，讓效率翻一倍。
舉個(gè)身邊的例子：
前幾天，有個(gè)朋友在群里說要做PPT。咱們以前做PPT，基本上兩種方法。第一種非常老土，不用AI，自己把內(nèi)容整理好，結(jié)構(gòu)搭起來，然后動(dòng)手做，這種方法雖然踏實(shí)，但費(fèi)時(shí)費(fèi)力，效率不高。
第二種呢，用AI幫忙，先給個(gè)提示詞，再給AI一些背景資料，讓它根據(jù)提示詞和資料來輔助你整理后，再給新的提示詞，讓它幫我們把內(nèi)容做得更結(jié)構(gòu)化，最后，用這些內(nèi)容去做PPT。
這種方法效率提升了，但還缺少點(diǎn)人性化的互動(dòng)。智能體呢，它更高級，屬于第三種方法。
我們可以直接跟它說：接下來有個(gè)做PPT的任務(wù)，你跟我著一起完成。我先給你一些資料，你學(xué)習(xí)下，然后，學(xué)習(xí)過程中，給我提出問題，類似于問我要多少頁？每頁突出什么？
如此循環(huán)漸進(jìn)的像一個(gè)合作伙伴，不僅理解了需求，還能提出建設(shè)性意見，同時(shí)又節(jié)省了寫提示詞的時(shí)間，還能達(dá)到我們想要的目的。
所以，智能體真的很能干活兒。它是三維思考的。
想用好它，我們得有點(diǎn)項(xiàng)目思維、或者任務(wù)思維，這樣才能發(fā)揮巨大作用；但是，很多人還在用二維思維，你問我答的方式，如果一直這樣想，用智能體的速度和效率就上不去。
比起使用距離，第二個(gè)關(guān)于API的問題要廠商們思考下。
事情是這樣：
前兩天百度上搜比亞迪，看到官網(wǎng)用了智能體，我就跟它說：“幫我找找比亞迪內(nèi)飾的照片?！苯Y(jié)果，你猜怎么著？它給我生成了四張圖。
我差點(diǎn)笑出聲，這不是搞笑嗎？我要生成圖嗎？當(dāng)然不是。我更希望它能直接從官網(wǎng)上給我調(diào)出照片來。
緊接著，我?guī)е蓡?，又試了豆包、騰訊元寶，想讓他們幫我P個(gè)圖。結(jié)果都差不多，我發(fā)現(xiàn)他們對P圖的理解跟我不一樣。
我理解的P圖是用Photoshop那樣去掉背景，但他們好像把P圖理解成生成新照片。
這個(gè)問題可能出在智能體本身。因?yàn)?，它們現(xiàn)在還做不到那種專業(yè)的修圖效果，背后缺少某種插件或能力模塊；只有當(dāng)能調(diào)用這些模塊時(shí)，才能幫我修圖。
為什么大公司都做不到智能體處理一整套任務(wù)呢？
因?yàn)?，一個(gè)智能體要完成一個(gè)復(fù)雜的工作流，背后不是靠一個(gè)生成模塊就能搞定的，它要調(diào)動(dòng)很多數(shù)據(jù)和應(yīng)用程序。
打個(gè)比方：
你去餐廳吃飯，不需要知道廚師是怎么做菜的，菜就端到你面前了。但其實(shí)，廚師得用各種材料，比如白菜、辣椒、調(diào)料，把它們放到鍋里一炒，菜就出來了。
智能體也是這樣，得調(diào)用各種API，API像菜單一樣，集合所有的服務(wù)和請求，讓不同的軟件能夠互相交流合作，最后才能達(dá)到想要的效果。
現(xiàn)在，很多網(wǎng)站和APP都有自己的API，API不統(tǒng)一，不標(biāo)準(zhǔn)化，這導(dǎo)致智能體沒有足夠的接口可以用，限制了它的發(fā)展。
還有，以前沒有統(tǒng)一的底層開發(fā)框架，技術(shù)團(tuán)隊(duì)開發(fā)智能體時(shí)得從零開始，現(xiàn)在阿里、百度都做了統(tǒng)一開發(fā)框架，解決了底層數(shù)據(jù)處理、模型訓(xùn)練、監(jiān)控部署的問題，但中小型軟件服務(wù)商還是不多。
因此，也就限制了其他能力模塊的發(fā)展。
當(dāng)然，這也是個(gè)好機(jī)會(huì)，因?yàn)槿绻腥四茉诩?xì)分場景下，利用自己對特定業(yè)務(wù)場景的了解，開發(fā)出一個(gè)更符合一線需求的智能體，那就有機(jī)會(huì)成功。
比如：
你在教育賽道很多年，憑借個(gè)人對教育技術(shù)和孩子學(xué)習(xí)需求的理解，開發(fā)一個(gè)智能體，幫孩子提升學(xué)習(xí)進(jìn)度和測試成績，就能賺到錢。
所以，API的問題需要時(shí)間和更多中小開發(fā)者入局。
能寫出這些想法，自然不會(huì)錯(cuò)過開發(fā)智能體的好機(jī)會(huì)；開發(fā)中，我發(fā)現(xiàn)一個(gè)第三個(gè)問題：能力泛化。
什么意思呢？
起初，我設(shè)計(jì)占卜師智能體，目的讓它進(jìn)行占卜。沒想到，它不僅能占卜，還能算命，甚至能總結(jié)文章。
我以為提示詞沒寫清楚。后來，試了其他智能體，發(fā)現(xiàn)也有類似情況。你可以嘗試看看，連官方出的Kimi也存在這個(gè)問題。
為什么會(huì)這樣？
我認(rèn)為智能體知識可以分為兩部分：一部分通用知識，像我們學(xué)的基礎(chǔ)知識，這是智能體必須掌握的。
另一部分則是針對特定行業(yè)的，隨著行業(yè)人士的使用，智能體也能跟著學(xué)習(xí)。這有點(diǎn)像能力的二八法則：80%的能力是基礎(chǔ)的，剩下20%在實(shí)際工作中邊干邊學(xué)。
實(shí)際上，過去一年，大廠都在訓(xùn)練大型語言模型，這些大模型的本質(zhì)，是通過海量數(shù)據(jù)訓(xùn)練得到的，目的是生成最有可能的回答，而不是專注于特定能力或任務(wù)。
這種泛化能力，讓智能體在多任務(wù)中表現(xiàn)不錯(cuò)，因?yàn)檫@些任務(wù)都涉及語言處理和推理，這意味著，要進(jìn)行任務(wù)微調(diào)，就必須做任務(wù)分離。
而開發(fā)多個(gè)智能體，是一種過程性的解決方案。
你想想看，各大平臺現(xiàn)在都在嘗試將智能體做垂直細(xì)分，專注于特定領(lǐng)域或任務(wù)，比如法律助手、醫(yī)療問診、學(xué)習(xí)輔助等。
這種趨勢也表明，未來肯定會(huì)有更多人根據(jù)不同需求，選擇和使用專門化的智能體，推動(dòng)AI更深入地融入日常生活和工作場景。這是第一點(diǎn)。
第二點(diǎn)，目前市面上缺少專業(yè)的智能體開發(fā)者，能培養(yǎng)的也很少，我想去，居然還找不到；要不，廠牌們考慮下開個(gè)班吧？
現(xiàn)在的開發(fā)者，很多是對AI感興趣的人，他們在設(shè)計(jì)智能體時(shí)，主要是用提示詞來引導(dǎo)模型的行為。
但是，提示詞這種東西，像個(gè)軟性的約束，并不能真正限制智能體能干什么，這種設(shè)計(jì)方式，很容易讓智能體“越界”。
你想想看，我設(shè)計(jì)一個(gè)占卜師智能體，占卜本身可能“順便”會(huì)提供點(diǎn)兒心理咨詢，甚至還會(huì)推薦人生規(guī)劃；這種能力的模糊性，不是我不愿意解決，而是目前工具和方法還不夠成熟，我很難精準(zhǔn)控制。
就像禪宗里說的：“少即是多（Less is more）”。少比多難，少不是減少，是聚焦，得用技術(shù)聚焦。
還有一點(diǎn)：現(xiàn)在智能體缺少明確場景。這聽起來像廢話。但你有沒有想過，這些場景究竟從哪里來？
釘釘總裁不窮說過一句話：
“AI得從下面開始，先讓懂行的人用起來?！敝挥袑I有需求、愿意嘗試的人開始用了，才能慢慢積累出真正有用的場景，找到AI真正的價(jià)值。
我覺得，就算智能體慢慢融入了醫(yī)療、法律、金融這些領(lǐng)域，它還是停留在“看起來懂，但不專業(yè)”的階段。
因?yàn)楝F(xiàn)在大多數(shù)人還是把智能體當(dāng)成“聊天工具”，聊天工具是什么？即弄個(gè)董宇輝文案、搞個(gè)媽媽式嘮叨，這不能幫助行業(yè)。
如果這種情況一直這樣下去，最后的結(jié)果就是，大家還是只把它當(dāng)聊天工具玩，沒法真正用到工作中；這樣的話，別說提高行業(yè)效率了，這不僅是對智能體的浪費(fèi)，更是錯(cuò)過了行業(yè)變革的機(jī)會(huì)。
所以，一個(gè)簡單的結(jié)論即：我們要思考清楚，哪類智能體做工具？哪類做平臺？需要什么樣的開發(fā)者來開發(fā)智能體？
這三個(gè)問題回答清楚，智能體才會(huì)在場景中發(fā)揮作用。
看到這，別誤會(huì)，我不是說通用智能體不行，確實(shí)有它們的好處。
垂直單一的智能體可能比較局限，但能處理多種任務(wù)處理就厲害了，因?yàn)槟芡瑫r(shí)搞定好幾個(gè)工作流程，不僅速度快，而且思考的過程也更清楚、更靠譜。
而且，這些智能體還能處理各種類型數(shù)據(jù)，在很多場景下都能派上用場。
在公司里，這種能干多種事情的智能體，已經(jīng)開始發(fā)揮作用了，比如：RPA技術(shù)，現(xiàn)在已經(jīng)被看作是智能體的一個(gè)工具。
這種通用智能體在營銷、生產(chǎn)管理、運(yùn)營自動(dòng)化這些地方也有很多可能。
最近特別火的一個(gè)話題就是：智能體在手機(jī)界面上的應(yīng)用。大家都覺得，將來它們會(huì)成為重要的用戶界面入口，就像人一樣，能自動(dòng)操作界面，根據(jù)需要自動(dòng)用APP完成任務(wù)。
比如：
騰訊的AppAgent和阿里的MobileAgent項(xiàng)目，或者手機(jī)廠商發(fā)布會(huì)上展示的“一句話點(diǎn)單”的功能，這些都是很好的例子。
我相信，在電腦、手機(jī)、自動(dòng)駕駛這些領(lǐng)域，將來這種多功能的智能體會(huì)有很多應(yīng)用場景，比如：接管系統(tǒng)級操作，或者用通用智能體管理子智能體等等。
我也看到，很多智能體在一些特定場景中的開發(fā)和工程化潛力，但是，話說回來，智能體的使用和能不能商業(yè)化，是兩回事。
你想想看，如果一個(gè)公司用了被隨意開發(fā)的智能體，然后問它另一個(gè)公司的情況，它也回答了，豈不是很荒謬？
所以，不能光看宏觀敘事，還是要扎根行業(yè)去思考，希望大公司能多想想行業(yè)的實(shí)際問題。
比如：智能體怎么幫一個(gè)職員做決定，怎么規(guī)劃某個(gè)工作流程，怎么提供真正管用的解決方案。
我說的行業(yè)，更準(zhǔn)確地是行業(yè)里在用、想用智能體的人，因?yàn)橹挥羞@些人，才能會(huì)不斷給智能體特定知識；換句話說：智能體學(xué)習(xí)了他們的東西，它才會(huì)進(jìn)步。
你覺得呢？
