文 | 适谈，作者 | 狮刀、Rika

2023 年底，斯坦福大学发布了一款激励震荡的 AI 实验阵势—— " 小镇模拟游戏 "。在这个诬捏小镇里，25 个 AI 变装能够自主交谈、配置联系、制定计算，展现出了令东谈主咋舌的粗心智力。这个实验让东谈主们第一次对 AI Agent（智能体）产生了期待——具有自主意志和决策智力的 AI 助手指日而待。

一年夙昔了，AI Agent 的意见在业界炙手可热。微软、Google 等科技巨头纷纷布局，初创公司们也争相推出各样 "Agent" 居品。可是，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：它们与果真的 Agent 相去甚远，更像是只是具备当然话语知晓智力的对话机器东谈主。

这种 " 形似神不似 " 的时局，在 AI 硬件界限也胁制演出。2024 年 10 月，智能适度品牌 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，成为了生意化最到手的 "AI 硬件 " 厂商之一。可是，一个共鸣是：Oura 的到手与 AI 联系并不大，其中枢价值仍在于健康跟踪这一基础功能。比较之下，果真主打 AI 的硬件居品，如 AI Pin、Rabbit R1 却遭逢了 " 上市即翻车 " 的气运。

什么称得上 AI Agent？唾手绽开一个大模子 APP，映入眼帘的 Prompt Agent？如故编程界限的专科 Agent Cursor？亦或是钢铁侠的万能助手 Jarvis？

好意思国 VC Madrona 合资东谈主 Jon Turow 曾指出：当你聊过充足多的从业者，你会发现存一系列不承诺见的东西，它们都叫作念 Agent 。

淌若将 AI Agent 描画为一场马拉松，2025 年的 AI Agent 行至那儿？

2024 年 AI Agent 不雅察：一半是海水，一半是火焰

干预的征象：各路玩家就位

2024 上半年，大模子价钱战还在大力渲染进行；下半年，AI Agent 争夺战就也曾蓄势待发。

外洋市集，OpenAI、Anthropic、微软、谷歌等科技巨头纷纷公布关联进展，将自家 Agent 实力动作牌桌上的紧迫筹码。

10 月，Anthropic 推出了名为" Computer Use "的 AI Agent 系统，堪称能够"像东谈主一样操作野心计"。这是一个特殊 API，允许开辟者指示 Claude 完成各式野心计操作任务——不雅察屏幕内容、出动鼠标、点击按钮以及打字等等。开辟者可以通过该 API 将书面指示换取为具体的野心计指示，从而完结自动化任务。 

（图片：Anthropic 开辟东谈主员演示 Computer use）

微软亦然 AI Agent 的紧迫推动者。2024 年 10 月，微软公布了一项紧迫计算：面向 Dynamics 365 业务应用平台，开辟部署 10 款 AI Agent ——将主要劳动于企业的销售重要、司帐业务以及客户劳动等重要界限。按照时期表，这些 AI Agent 将在年底开放公测，测试阶段预测延续到 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，但在年底也赶上了程度。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 能够作为自主代理凯旋集成到 GitHub 的责任经过系统中，分析复杂的代码库，跨多个文献实施开辟，并准备细心的拉取苦求，无需不时的东谈主工监督；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，为玩家提供变装遴荐建议。

（图片：玩家与谷歌 AI Agent 互动）

OpenAI 诚然是基础模子的最初者，在 Agent 方面布局却略显迟缓。7 月，OpenAI 更新 AGI 阶梯图，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 界说的东谈主工智能发展 5 阶段）

OpenAI 预测将于 2025 年 1 月推出全新 AI Agent —— Operator，该系统能够自动践诺各式复杂操作，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鼎新和应用简化，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，并开动在其 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 燃烧了陡然者用户的心扉。凭证演示，智谱 AutoGLM 能够浏览并知晓屏幕信息，作念出任务计算，完结手机上常用操作的模拟践诺——只需招揽浮浅的翰墨 / 语音指示，它就可以模拟东谈主类操作手机，在一又友圈点赞，在好意思团点外卖，在携程订旅店等等。

厚重的现实：当咱们在辩驳 AI Agent 时，到底是在辩驳什么？

淌若只看到上述的干预征象，你约略会得出论断—— 2024 年是 AI Agent 确当打之年。

但用户能够果真依赖的 AI Agent，其实三三两两。

只需花 3 秒钟念念考——你心爱用哪几款 AI Agent？淌若你是要领员，谜底可能只是 Cursor。淌若咱们换个问题——你心爱用哪几款 AI 大模子？谜底会丰富多采，比如 ChatGPT、Gemini、Claude、Kimi 等等。

至少从实感来说，面前大热的 AI Agent 仍是"虚火"。

主因是"不靠谱"和"鸡肋"。AI Agent 依赖 LLM "黑盒"，自身就存在不可预测性，而责任经过更是要将多个 AI 门径勾通起来，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 能否永远提供准确、适应崎岖文的反馈。

LangChain 发布的 State of AI Agents 可以作为紧迫参考。其拜访触及的 1300 多位受访者指出，性能质地（41%）是要紧宽恕点，紧迫性远超成本（18.4%）和安全（18.4%）等成分。致使关于向来格外宽恕成本的小企业而言，其中 45.8% 将性能质地列为主要宽恕点，成本成分仅为 22.4%。同期，论述指出，分娩中接纳 AI Agents 的主要挑战包括：开辟东谈主员很难向团队和利益关联者诠释 AI Agent 的功能和行径。

此外，诚然 AI Agent 依赖的基座 LLMs 在 Tool use 方面进展可以，但它们速率不快且成本高，额外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进展进行了基准测试。端正表现，即即是进展最好的模子 SteP，到手率也唯独 35.8%，而 GPT-4 的到手率仅达到 14.9%。

那么，市面上不可"都备自理"的 AI Agent 算得上 Agent 吗？

淌若咱们按吴恩达的念念路就很好知晓了—— AI Agent 是可以分层级的。他建议了 Agentic System（智能体系统），并合计描画词" Agentic "比名词" Agent "能更好地匡助咱们知晓这类智能体的内容。如同自动驾驶汽车 L1-L4，Agent 的进化亦然一个过程。

BabyAGI 创举东谈主 Yohei Nakajima 关于 AI Agent 的分类，相似值得参考。

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

特征：活水线机器东谈主，按照固定门径完成任务。

例如：它就像一个颠倒订票的助手——当你告诉航班需求时，它能够凯旋调用 API 搜索并完成预订；可是一朝触及复杂行程计算，手工制作 Agent 就会"卡住"（宽饶公共代入居品）。

2、专科 Agent：在一组任务类型和器用内动态决定要作念什么，比手工制作 Agent 拘谨少。

特征：娴熟工匠，能够在特定界限（比如木匠）熟练地使用器用，不仅能按照条目制作者具，还能凭证试验需求治疗设想，调用材料。

例如：AutoGPT 通过 CoT 时间解析复杂问题，动态遴荐最优惩办旅途。濒临一个市集酌量任务，AutoGPT 能自动分免除务为"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 ——面前还处于表面意见阶段，尚未完结。

特征：万能助手，就像钢铁侠的 Jarvis。你可以酌量它任何问题，它不仅能知晓你的需求，还能聚会学问和环境动态适当，提供鼎新惩办决策。

例如：还莫得果真能完结的居品，关联酌量包括更强的多模态交互和持久挂念优化。

处于刻下的历史节点，Prompt Agent 数目最多，进展为大模子 APP 里的随地 Agent；垂直界限的专科 Agent 正处于爆点，并因其实用性备受本钱心疼；东谈主类所期待的果真 Agent ——万能助手 Jarvis，有待重要时间冲突。这也意味着改日一段时期内，咱们能看到更多" L1-L4 "之间的时间进化。

这一年 AI Agent "皮下"时间进化到哪儿了？

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

假定你是阴暗料理界的"五虎星"。LLM 代表你的学问储备，包含通盘菜系菜谱；Memory 类似于你的厨师条记，记录着不同门客的口味需求，输给"小方丈"的历史训诲；Planning 好比你的作念菜计算，濒临不同条目，是先炸再烤，如故先煮再炸；Tools 则是你的魔法厨具，包括若何调用不同刀具（软件），匡助践诺复杂的任务。

AI Agent 的冲突取决于各项时间的越过。

源头是 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 高等酌量科学家、德扑 AI 之父 Noam Brown 建议：让 AI 模子念念考 20 秒所带来的性能普及，尽头于将模子扩大 100,000 倍并查抄 100,000 倍的时期。

Brown 所指的时间即是 System 1/2 thinking，恰是 OpenAI o1 长出"推贤慧力"的诀窍。

System 1，即"快念念考"，你看到一只苹果，不需要念念考，就知谈这是生果；System 2，即"慢念念考"，你要作念一起 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 酌量东谈主员也将这项时间集成到 AI Agent 中，并开辟了 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，关于惩办复杂、冗长的任务匡助普遍，冲突了传统 AI Agent 践诺业务经过的方法，极大普及了着力。

其次是挂念机制。当生成式 AI 开动"妄下雌黄"，有时不是性能问题，而是挂念力欠安。这时候就需要 RAG（检索增强型生成）来帮衬。它是 LLM "外挂"般的存在，能够运用外部学问库为 LLM 提供关联崎岖文，辞谢 LLM 强不知以为知。

可是，传统 RAG 经过只研讨一个外部学问源，不可调用外部器用；仅生成一次性惩办决策，崎岖文只检索一次，不可进行推理或考据。

在此情况下，会通 Agent 智力的 RAG 应时而生。诚然 Agentic RAG 在举座经过上与传统 RAG 世代相承：检索 - 合成崎岖文 - 生成，但其融入了 Agent 自主计算智力，能够适当愈加复杂的 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计算使用检索引擎的门径；评估检索到的崎岖文，并决定是否再行检索；自行计算是否需要借助外部器用。

淌若说，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 阵势，也有望成为 RAG 助手，并为 AI Agent 插上个性化挂念的翅膀。

Mem0 像是大脑的"海马体"，为 LLM 提供了一个智能、自我优化的挂念层。它能进行信息分层存储——将短时信息飘浮为持久挂念。类似于，你会整理"新学学问"，此后存入脑海；它还能配置语义贯穿——通过语义分析为存储的学问创建关联网罗。类似于，你告诉 AI 我方心爱看侦察电影，它不仅能记取，还会计算你可能心爱的罪人记载片。

基于此，Mem0 能够显耀普及 AI Agent 个性化挂念——动态记拜托户偏好、行径和需求，创建"私东谈主记事本"。例如，当你告诉 AI Agent 下周是姆妈生辰，它不仅会实时提醒你送上祈福，还会凭证"挂念中"你和姆妈的喜好，给出直立建议，致使能够跨平台"货比三家"，送上购物贯穿。

在 RAG 方面的冲突不啻于此，俄亥俄州立大学和斯坦福大学的科学家团队建议了一个事理事理的念念路：让 AI 领有一个类似东谈主类海马体的"挂念大脑"。他们从神经科学的角度起程，师法东谈主脑海马体在持久挂念中的作用，设想出一个名为 HippoRAG 的模子，像东谈主脑一样高效地整合和搜索学问。实验标明，"挂念大脑"能够在多跳问答等需要学问整合的任务上取得大幅普及。有时探索出让大模子具备"类东谈主"挂念的一个全新主张。

Tool use 的越过更是肉眼看见。例如，Claude 的 Computer Use，通过构建 API，将当然话语教导飘浮为各式电脑操作指示，由开辟者自动化近似性的任务、进行测试和质地保证，以及开放式酌量。从此，AI 不需要一个个颠倒的 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。诚然如斯，面前 Computer Use 智力还不完善：不可在里面数据上查抄该功能；受限于崎岖文窗口等等。Anthropic 团队也暗示，当今 Claude 的野心计使用水平只处于类似" GPT-3 期间"的早期阶段，改日还有很大普及空间。

值得注重的是，AI Agent 的视觉智力也取得了越过。例如，智谱发布的 GLM-PC 将其通用的视觉 - 操作模子 CogAgent 应用到了野心计上。其能够模拟东谈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。

计算智力方面。Planning 包含任务解析——将大任务差别红小任务；反念念和索取——基于已有动作进行自我反念念，从作假中学习优化接下来的动作。

面前，有论文建议更为新颖的分类法：任务解析、多计算遴荐、外部模块补助计算、反念念与细化、挂念增强计算。其中，多计算遴荐，即给 AI Agent 一个"遴荐轮"，生成多个计算，挑一个最好的来践诺；外部模块补助计算，即借助外部计算器，类似强化学习的判官。挂念增强计算，就像 一个挂念面包，记取夙昔阅历，为将来计算提供匡助。这些方法并不一身，而是相互交汇，共同普及 AI Agent 的计算智力。

一年以来，Agent "皮下"各项智力均取得了越过，其中 Tool use 智力也曾初步落地；挂念机制的越过相等值得期待；LLMs 的越过则取决于巨头的智力界限等等。但关于 Agent 而言，其智力的最大化并非各项时间浮浅的加成，任何一项时间的冲突均有望使其迎来质变。

改日，AI Agent 进化的紧迫挑战包括但不限于：若何完结低蔓延、带视觉知晓的实时反馈；若何构建个性化的挂念系统；如安在诬捏与物理环境都具备鲁棒的践诺智力等等。唯独当 AI Agent 从"器用"到"器用使用者"时，果真的 Killer Agent 就会出现。

本钱的遴荐——大模子遇冷，AI Agent 当立

有东谈主说，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爽约，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，巨额公司也曾开动进行业务治疗，致使东谈主员缩减。大厂凭借其浑厚的家底，还能链接卷研发；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，强烈的本钱也将眼神投向了 AI 应用层。

桔子 IT 数据表现，2024 年前 9 个月，国内 AI 界限发生了 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，尽头于本年国内 AI 融资总数的 63%。

值得注重的是，大模子和 AI Agent 阵势受投资东谈主的宽恕度最高——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漫衍，被 19 个主张中分。

由此，在大模子"赢家通吃"的风光下，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 合资东谈主、资深投资东谈主 Jared 指出，垂直界限 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。凭借替代东谈主工操作、普及着力的显耀上风，这一界限可能催生出市值越过 3000 亿好意思元的科技巨头。

投资东谈主所看中的 AI Agent 都长什么样？

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，其生成的查抄数据主要来自 GitHub 上的开源代码，大部分都是"有用数据"。此前，Cursor 是凭证用户需求，提供建议代码。如今，Cursor 可以凯旋以完结需求为计算，连气儿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。

除此除外，即便 2024 年尚未产生果真的 Killer Agent，但试验上在细分界限，Agent 也曾有随地着花之势了。

凭证 YC 团队的最新共享。面前也曾得到投资的 Agent 阵势大多在 toB 界限。

问卷拜访和分析：Outset 将 AI Agent 应用于问卷拜访和分析界限，可以替代传统的东谈主工拜访和分析责任，例如 Qualtrics 等公司提供的劳动。

软件质地测试：Mtic 运用 AI Agent 进行软件质地测试，可以都备取代传统的 QA 测试团队。与之前的 QA 软件即劳动公司（如 Rainforest QA）不同，Mtic 不仅提高了 QA 团队的着力，还能都备取代东谈主工测试。

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

客户救济：Powerhelp 运用 AI Agent，自动完成东谈主工接听电话、复兴邮件和惩办问题，何况能够凭证用户发问和历史记录提供个性化的惩办决策，普及其欣然度。

东谈主才招聘：Priora 和 Nico，运用 AI Agent 进行时间筛选和初步招聘，可以替代东谈主工完成这些任务。

用吴恩达的发言作念归来：通往 AGI 的谈路嗅觉更像是一段旅程，而不是一个计算地。但我合计 Agent 式责任流，可以匡助咱们在这个相等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 "，但多个垂直界限的专科 Agent 渐渐出现，将让咱们胁制得到近似领有 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 创举东谈主 Ilya Sutskever 凯旋告示：预查抄从此将透彻拆伙——咱们唯唯独个互联网，查抄模子需要的海量数据行将短缺，唯有从现存数据中寻找新的冲突，AI 才会链接发展。

Sutskever 用东谈主类大脑发展进行类比：正如东谈主类大脑体积住手滋长后，东谈主类智谋仍在越过。AI 改日发展将转向在现存 LLM 上构建 AI Agent 和器用。他预测，以后的冲突点，就在于智能体（Agentic）、合成数据和推理时野心。其中，能够自主完成任务的 AI Agent，是改日的发展主张。

值得注重的是，与吴恩达一样，Sutskever 相似使用"描画词" Agentic 神态智能体。

凭证线性本钱 Bolt 不雅点：咱们可以用少许的、适量的、高度的 Agentic "智力"神态 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，具有少许的 Agentic 智力；State Machine（状况机）类系统使用多个 LLMs 来践诺多个路由门径何况有智力细则每个门径是链接如故完成，具有尽头的 Agentic 智力；而 Autonomous（自主体）类系统更进一步，能够使用器用致使创造合适的器用去鼓动系统的进一步决策，具备都备的 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？"

刻下不少界限的专科 AI Agent 依然不够纯属。关联拜访表现，输出不精准、性能差强东谈主意、用户不信任等问题困扰其落地。但淌若咱们换个念念路：短期内生意化最到手的 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 最有前途的发展谈路可能是：先重心应放在运用 AI 增强现存器用，而不是提供等闲的全自主孤独劳动。

用东谈主机协同的方法，让东谈主类参与监督和处理旯旮案例。凭证刻下的智力和局限，设定不脱离现实的盼愿。通过聚会严格拘谨的 LLMs、清雅的评估数据、东谈主机协同监督和传统工程方法，在自动化等复杂任务方面完结可靠且清雅的端正。

例如，红杉投资组合中的 Rocks 公司，其 Agent 是将东谈主类职工融入其中。最初，Rocks 开辟了一项自动撰写、自动发送电子邮件的时间。但他们发现将东谈主类销售纳入经过期，进展普及了 333 倍。于是，Rocks 移除了自动发送的功能。

凭证具体业务场景，有些公司可以开辟 Agent 完成任务的时间，比如网罗安全界限的 Expo；而有些公司则尽量遴荐用 Agent "增强"东谈主类职工，比如 Rocks。

那么，2025 年会发生什么？

源头，不啻是编程，更多垂直界限将跑出"种子选手"。红杉合资东谈主 Konstantine Buhler 预测：医疗和老师等"高劳动成本"界限将成为 AI 时间的下一个紧迫战场。

同期，凭证 LangChain 论述表现：东谈主们但愿将耗时任务交给 AI Agent ——充任"学问过滤器"：快速索取重要信息，用户无需我方手动筛选海量数据；"分娩力加快器"：协助用户安排日程、料理任务，让东谈主类专注于更紧迫的责任；"客服神助攻"：匡助企业更快地处理客户照料、惩办问题，大幅普及团队的反馈速率。

换句话说，通盘耗时、耗力、耗成本的责任有望率先被垂直界限专科 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"群体归拢"模式。2025 年会出现更多 Multi-agent 模式，多个 Agent 饰演不同变装合作完成任务。例如，清华面壁智能的开源阵势 ChatDev。每个 Agent 被赋予了不同的身份，有的是 CEO，有的是居品司理，有的是要领员，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普及，2025 年将开动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谈进⾏协同。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 居品举座⽔平显耀普及。

其中，Agent 作为会通感知、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用。

凭证量子位智库不雅察：从时间和配套设施两⽅⾯发展来看，从 2025 年开动，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、居品形态和生意模式。

结语

在电影《2001：天外漫游》的着手，一群草食东谈主猿回击在饥饿和圆寂的旯旮，东谈主猿首长偶然挥舞了一下手里的棒骨，"发现"它尽然是一件趁手的器用。从此，他们开动狩猎小动物，成为食肉动物，冉冉站上了食品链尖端。

淌若改日的东谈主类俯视 2025 年，可能会发现，这又是一个东谈主类进化的重要时刻，而 AI Agent 恰是那根趁手的"棒骨"。

正如 Andrej Karpathy 所言，AI Agent 代表着一个跋扈的改日。

事理事理的是，Agent 一词源于拉丁语的 Agere，事理是" to do "。

若何收拢这个跋扈的改日？你可能只需要" Agent "开云体育。