別被炒作迷惑！吳恩達告訴你 AI Agent 智能體的真相與誤區

在 AI 領域，炒作往往走在實踐的前面，今年熱議的 AI Agent（智能體）就是這樣一個充滿誤解與過度承諾的熱門概念。吳恩達（Andrew Ng）無疑是人工智能領域最具影響力的人物之一。作爲斯坦福大學教授、Coursera 聯合創始人、百度前首席科學家、AI Fund 創始人，他不僅推動了深度學習的普及，還培養了一代 AI 人才。另一邊，LangChain 作爲當前最流行的大語言模型應用開發框架，已成爲構建 AI Agent 的必備工具，其創始人 Harrison Chase 被譽爲新一代 AI 創新者。這兩位 AI 領域的重量級人物在 LangChain Interrupt 大會上對談時，他們的交流不僅代表了行業前沿思想，更爲我們揭示了 AI Agent 領域背後的真相與誤區。究竟什麼是實用的 AI Agent？哪些是被過度宣傳的概念？讓我們一起看看 Andrew 是如何撥開迷霧，直擊 AI Agent 的本質。

真相一："Agent" 還是 "Agentic"？別被概念糾纏

當 AI 智能體概念剛出現時，業內人士花了大量時間爭論 "這個系統是否算是一個真正的 Agent"。Andrew 認爲這類討論毫無意義：

"大約一年半前，我注意到很多人在爭論某個系統是否算是 Agent。我覺得，與其爭論這個問題，不如承認系統具有不同程度的'主動性'（agenticness）。有些系統具有少量自主性，有些具有大量自主性，我們可以把它們都稱爲'主動系統'（agentic systems）。這樣就能減少在定義上浪費的時間，專注於實際開發。"

實用建議：不要糾結於術語和定義，而應關注系統能爲用戶解決什麼實際問題。選擇適合業務需求的自主程度，無需追求所謂的 "完全自主"。

真相二：簡單線性工作流創造的價值遠超複雜系統

在 Agent 的實際應用中，最有價值的往往不是那些複雜的、高度自主的系統，而是簡單的線性工作流。這一點可能令許多被炒作迷惑的人感到意外。

Andrew 直言不諱地指出：

"我看到大量商業機會主要存在於相對簡單的線性工作流中，或僅帶有少量分支的線性流程。"

這些工作流往往是自動化現有的人工流程，比如：

實用建議：從簡單開始，自動化企業中已有的線性流程，這樣能快速獲得投資回報。不要被那些高度複雜但難以落地的 Agent 概念所迷惑。

真相三："樂高思維" 比 "全能系統" 更實用

Andrew Ng 提出了一個生動的比喻，將 AI 工具比作樂高積木：

"如果你只有紫色的樂高積木，能構建的東西很有限。但隨着你獲得紅色、黑色、黃色、綠色等不同形狀和顏色的積木，你可以快速地將它們組合成真正酷炫的東西。"

這一比喻揭示了成功構建 AI Agent 的關鍵：

  1. 不要期望一個系統解決所有問題

  2. 學會組合使用不同的專用工具

  3. 快速組裝現有組件，而非從頭構建

這與 Sam Altman 宣傳的全能型 AI 系統形成明顯對比。

實用建議：專注於掌握各種 "樂高積木"（RAG、評估框架、記憶系統等）並靈活組合它們，而非追求單一的 "完美系統"。

誤區一：評估框架太複雜，不值得構建

儘管評估框架（Evals）被頻繁討論，但 Andrew 發現許多團隊並未實際應用，因爲他們認爲這是一項巨大的工程。

"人們常把評估框架視爲一個巨大的任務，但我認爲它應該是能在 20 分鐘內快速搭建的東西，它可能不完善，但可以作爲人工評估的補充，讓你不必每次更改後都人工檢查所有輸出。"

他建議從非常簡單的評估開始，哪怕只針對一個特定問題，然後隨着時間逐步完善。這種增量式方法能幫助團隊更快地發現問題並持續改進。

實用建議：今天就花 20 分鐘搭建一個簡單的評估框架，哪怕只檢查一個特定問題。隨後再逐步完善。

誤區二：語音界面沒那麼重要

在被低估的技術中，Andrew Ng 特別強調了語音應用：

"語音技術棧被嚴重低估了。雖然有些開發者在做語音相關項目，但開發者社區對語音技術的關注度遠低於其實際重要性。"

Ng 認爲，語音界面能大幅降低用戶使用門檻：

他分享了自己團隊如何解決語音交互中的延遲問題：

"我們開發了'預響應'功能，當用戶提問後，AI 會先說'嗯，這很有趣'或'讓我想想'。這種方式非常有效地掩蓋了延遲，改善了用戶體驗。"

實用建議：在構建 AI Agent 時，認真考慮添加語音界面，特別是在需要降低用戶使用門檻的場景。

誤區三："AI 會替代編程，所以不必學編程"

過去一年，隨着 AI 輔助編程（也稱 "vibe coding"）的流行，有人建議不要學習編程，認爲 AI 會自動化編程工作。

Andrew Ng 直言："這可能是有史以來最糟糕的職業建議之一。"

他解釋道，歷史上每當編程變得更容易（從打孔卡到鍵盤終端，從彙編語言到高級語言），結果都不是減少程序員，而是有更多人開始學習編程。

"未來最重要的技能之一是能夠精確地告訴計算機你想要什麼。理解計算機工作原理能讓你更精確地指導 AI，而不是被它誤導。"

這一觀點與 AI 初創企業普遍存在的誤區形成鮮明對比，很多投資人僅關注可能替代現有工作的 AI 應用，而忽視了增強人類能力的方向。

實用建議：無論你從事什麼行業，都應該學習基礎編程知識，這將幫助你更有效地使用 AI 工具，甚至開發簡單的 Agent。

AI 創業成功的真正祕訣

作爲 AI Fund 的掌舵人，Andrew Ng 分享了他對 AI 創業成功的洞察。與普遍認爲的 "創新技術" 或 "市場規模" 不同，他認爲決定成功的兩個關鍵因素是：

1. 速度："創業成功的第一大預測因素是速度。真正熟練的團隊執行速度令人難以置信，遠超大多數人的想象。"

2. 技術知識："創業成功的第二大預測因素是技術知識。營銷、銷售等知識已經廣泛存在，但真正稀缺的是那些深入理解技術原理的人才。"

這與 Anthropic CEO Dario Amodei 最近表示，到 2026 年可能會出現 "由一個人運營的十億美元企業" 的預測相吻合。他認爲 AI 將使個人能夠運營全球性業務，前提是他們能夠有效地利用這些工具。

實用建議：將速度視爲競爭優勢，培養深厚的技術理解，而不僅僅是工具使用能力。

結語：迴歸實用主義

在 AI Agents 被過度炒作的今天，Andrew 的觀點給我們帶來了清醒的認識：成功的 AI Agent 往往不是那些最複雜、最自主的系統，而是那些能解決實際問題、易於實現的解決方案。

正如市場研究表明，AI Agents 領域預計將以每年 46.3% 的速度增長，從 2025 年的 78 億美元增至 2030 年的 526 億美元。但這一增長將主要來自那些能夠提供實際價值的應用，而非概念上的突破。在接下來的 AI 創新浪潮中，需要保持清醒，避免被炒作迷惑，專注於打造能解決實際問題的 AI Agent。正如 Andrew 所言：" 我認爲我們應該少花時間爭論術語定義，多花時間構建有用的系統。"

本文根據 Andrew Ng 在 LangChain Interrupt 大會上的演講整理分析，視頻鏈接：Andrew Ng: State of AI Agents | LangChain Interrupt，https://www.youtube.com/watch?v=4pYzYmSdSH4。

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/VxxHFXGpkv-Q-ripAeQ_XA

猜你喜歡