文｜郝    鑫

編｜劉雨琦

你見過Agent們“吵架”么？“這個產(chǎn)品需要具備XX需求，為什么沒有？”，“你提出的需求完全不合理，技術(shù)上達(dá)不到！”，現(xiàn)場頓時(shí)亂作一團(tuán)，越來越多的“員工”也被卷進(jìn)了這場大亂斗中。激烈的爭吵聲越過了屏幕外，面壁智能的測試人員通過后臺日志，發(fā)現(xiàn)Agents正在上演一場“職場大戲”。這家完全由AI Agents組成的軟件開發(fā)公司，是面壁智能基于其創(chuàng)新研發(fā)的開源框架ChatDev開發(fā)的SaaS產(chǎn)品，產(chǎn)品經(jīng)理和技術(shù)開發(fā)的Agents們“繼承”了現(xiàn)實(shí)中的角色，在數(shù)字世界中也“Battle”了起來。大模型之后，應(yīng)用層到底駛向何方一直是創(chuàng)業(yè)公司討論的核心話題，在最近，這個問題似乎有了答案。OpenAI再次成為了“行業(yè)模版”，通過GPTs打造Agent功能一經(jīng)開放，一天內(nèi)就涌現(xiàn)了2萬多個GPTs。而早就發(fā)現(xiàn)Agent確定性機(jī)會的面壁智能，也終于不用再煞費(fèi)苦心地給投資人解釋，究竟何為Agent，以及為什么Agent潛力巨大。目前，在行業(yè)內(nèi)關(guān)于AI Agent達(dá)成一定共識的，主要是來自O(shè)penAI的一篇博文。在里面對AI Agent的定義為：大語言模型作為大腦，Agent有感知、規(guī)劃、記憶、和使用工具的能力，能自動化實(shí)現(xiàn)用戶復(fù)雜目標(biāo)，這也奠定了AI Agent的基本框架。

（AI Agent的基本框架）雖然AI Agent的概念早已有之，今年年初也冒出了一些曇花一現(xiàn)的構(gòu)想，但因?yàn)榈讓哟竽Ｐ图夹g(shù)能力的不成熟、不完善，所以直到現(xiàn)在才得以爆發(fā)。從結(jié)果來看，AI Agent發(fā)展分為兩個階段，一個是以O(shè)penAI的GPTs為代表的單體智能，發(fā)展到后期，則進(jìn)入了像面壁智能打造的ChatDev這種多智能體協(xié)作的群體智能階段。幾乎與國外“斯坦福小鎮(zhèn)”同期，面壁智能直接進(jìn)入了群體智能的第二階段。

（斯坦福小鎮(zhèn)示意圖）

(面壁智能ChatDev群體智能交流鏈?zhǔn)疽鈭D）

“我們從一開始就從群體智能開始切入，發(fā)布了ChatDev多智能體協(xié)作開發(fā)框架 ”，面壁智能產(chǎn)品負(fù)責(zé)人告訴光錐智能。據(jù)了解，面壁智能的核心科研成員來自于今年大模型創(chuàng)業(yè)浪潮中的“半壁江山”——清華大學(xué)NLP實(shí)驗(yàn)室，聯(lián)合創(chuàng)始人劉知遠(yuǎn)是清華大學(xué)計(jì)算機(jī)系長聘副教授、智源青年科學(xué)家，其聯(lián)合創(chuàng)始人、CEO也是知乎的CTO李大海。那么，選擇了一條比OpenAI還難走的路，在大模型時(shí)代，作為國內(nèi)最早一批深入AI Agent的公司，面壁智能如何思考AI Agent技術(shù)，對AI Agent未來發(fā)展又有怎樣的判斷？帶著重重疑惑，光錐智能對話面壁智能，尋找關(guān)于AI Agent的答案。核心觀點(diǎn)如下：1、AI Agent就是下個時(shí)代大模型賦能整個應(yīng)用場景的一種新模態(tài)。2、現(xiàn)階段，AI Agent呈現(xiàn)出的更多是一種“擬人化”的形式。它可被定義為“分身”、“員工”和任意“個體”。3、Copilot和Agent不是同一個概念，Agent實(shí)現(xiàn)的是全自動化的決策、運(yùn)行和反饋。4、用Agent開發(fā)軟件，能夠把幾萬元的開發(fā)成本降至幾十元，甚至幾元。5、大模型是Agent的“輸血泵”，賦能Agent原子化能力，決定其干得好不好。

以下為對話實(shí)錄：

光錐智能：面壁一詞來源于《三體》中的面壁計(jì)劃，面壁智能是一家什么樣的公司？與其他大模型公司相比，面壁智能有什么特殊的地方？

面壁智能：面壁智能是一家集學(xué)術(shù)研究、技術(shù)開源和產(chǎn)品商業(yè)化為一體的公司。

整體上分為三個部分：首先是清華NLP實(shí)驗(yàn)室，與我們共同進(jìn)行底層前沿的科研探索；其次是開源社區(qū)OpenBMB，我們會把一些前沿的一些技術(shù)、科研成果開放給更多的開發(fā)者和行業(yè)；另外就是面壁智能，基于所有的科研沉淀和開源框架，進(jìn)行應(yīng)用研發(fā)和整體商業(yè)化落地，由此形成了以面壁智能為樞紐的產(chǎn)學(xué)研聯(lián)動“一體兩翼”的架構(gòu)。

具體到面壁智能這家公司，公司的愿景和理念是“智周萬物”（Internet of Agents)，即讓 AI Agents連接萬物，實(shí)現(xiàn)從“萬物互聯(lián)”到“萬物智聯(lián)”。以前有互聯(lián)網(wǎng)，后面有物聯(lián)網(wǎng)，面壁智能認(rèn)為在當(dāng)前這個時(shí)代，大模型以及以大模型孵化的AI能力，是下一個時(shí)代新的拐點(diǎn)，期望把我們在大模型、AI方面的基礎(chǔ)能力賦能到方方面面，從而讓整個行業(yè)、社會有一個新的提升。

光錐智能：為什么一開始就選擇了AI Agent這個方向？有哪些契機(jī)和思考？面壁智能：大模型想要落地到具體場景，AI Agent是重要路徑，它代表的是比“裸”模型更擬人的使用體驗(yàn)。我們判斷未來會是Agent的世界，萬物都是Agent。比如電飯鍋可以是Agent，放入食材后，我們跟它說要熬粥，它就會根據(jù)熬粥的邏輯，去設(shè)定相應(yīng)的加熱方式。冰箱也會是Agent，如果它的冷卻劑漏了，它會跟我們對話，說自己需要維修了，或者它已經(jīng)打完了維修電話，通知維修師傅上門時(shí)間；或者提醒我們上周蔬菜買多了，要趕緊吃掉，否則菜就壞了。

基于此，我們對于未來世界才有了“智周萬物”的設(shè)想以及面壁智能的定位：一家基于大模型驅(qū)動Agent技術(shù)的公司，技術(shù)研發(fā)方向從模型基座到Agent技術(shù)，再到最終的應(yīng)用。光錐智能：在行業(yè)內(nèi)，對AI Agent的定義都還沒達(dá)成共識，面壁智能如何定義AI Agent？面壁智能：現(xiàn)階段，AI Agent呈現(xiàn)出的更多是一種“擬人化”的形式。它可被定義為“分身”，也可以被定義成某個“員工”，也可以被定義成組織中的一個“個體”，甚至到高階階段，也可以連接“物體”。

如果單獨(dú)的物體也不是最后的形態(tài)，那它的定義應(yīng)該是一個完完全全新的東西。我們認(rèn)為在一個理想技術(shù)路線下，AI Agent至少應(yīng)該具備以下幾個能力：第一是，應(yīng)該具備超級高的智商，無論是學(xué)習(xí)使用工具、規(guī)劃，還是記憶、知識儲備，其實(shí)都是智商的一部分；第二是，應(yīng)該具備超級高的情商，需要其能夠針對不同的場景和不同需求的用戶有較強(qiáng)的自然對話能力和理解能力；第三是自省和成長迭代能力；第四多模態(tài)能力，能夠模擬人的聽、說、看、想，具備跟整個自然世界交流的能力；第五是價(jià)值觀對齊能力，AI Agent也需要像人一樣受到社會價(jià)值觀和道德取向的約束；第六是可被定義的能力，根據(jù)人的需求和設(shè)定，隨時(shí)變化出一個特定的形態(tài)。

光錐智能：很多人分不清Copilot與Agent，或者將二者粗略的畫等號，您怎么看？如果有差異，差異在哪？面壁智能：這還是兩個不同理念的東西。假如說未來你可以去基于Agent搭建一個數(shù)字公司，對這個數(shù)字公司而言，95%的情況下可以自己運(yùn)轉(zhuǎn)，但過程中他會反問你，公司的核心目標(biāo)是什么？期望達(dá)到的銷售額是多少？你在公司的投入有多少？在實(shí)際運(yùn)行過程中，遇到難以決策的問題也會尋求你的幫助，你需要把知識、經(jīng)驗(yàn)、需求、預(yù)期等喂給它，在交互過程中實(shí)現(xiàn)自動化的公司經(jīng)營；這跟基于人設(shè)定的邏輯，輔助處理問題的邏輯完全不一樣。

類似ChatDev這種群體智能自動化創(chuàng)造的產(chǎn)品、就是奔著Agent自動化運(yùn)轉(zhuǎn)的思路去做的實(shí)踐。光錐智能：您認(rèn)為AI Agent的確定性機(jī)會在哪？在這個十分不確定的大模型時(shí)代，為什么認(rèn)為這條路能行得通？面壁智能：回顧幾次工業(yè)革命變遷，背后都是生產(chǎn)力的躍升。從蒸汽機(jī)、電力再到如今的人工智能，生產(chǎn)力的變革帶來了整個社會生產(chǎn)關(guān)系、生產(chǎn)工具的重塑。

在大模型時(shí)代，我們認(rèn)為AI Agent就是這樣具有生產(chǎn)力性質(zhì)的技術(shù)，其能力強(qiáng)、效率高的特性決定了，它可以在某種程度上模擬一個人、一個組織、一個公司，大幅提升生產(chǎn)效率和交互方式。雖然現(xiàn)在AI Agent發(fā)展仍在早期，但其未來的潛力卻是無窮的，本身的商業(yè)化路徑也十分清晰，從單體智能到群體智能，從技術(shù)到產(chǎn)品再到商業(yè)化，由此才堅(jiān)定了我們確定AI Agent 方向的決心。

未來可能就是工程師去做構(gòu)思，理解市場需求，然后將需求拆解交付給AI，讓AI去完成一些低水平的重復(fù)勞動、以及部分創(chuàng)造性的工作，解放人的生產(chǎn)力。這有助于未來千行百業(yè)都能把AI相關(guān)軟件應(yīng)用起來，進(jìn)而更好地推行全面數(shù)字化和信息化。光錐智能：2023年至今，面壁智能在AI Agent這個方向，做了哪些探索？

有哪些產(chǎn)品和思考？面壁智能：基于AI Agent，我們打造了三個引擎，用以連接大模型和現(xiàn)實(shí)環(huán)境，它們分別是大模型驅(qū)動的AI智能體應(yīng)用框架XAgent，智能體通用平臺AgentVerse和多智能體協(xié)作開發(fā)框架ChatDev，以上三個引擎也被內(nèi)部稱為AI Agent“三駕馬車”。

ToB方向AI Agent可能成為企業(yè)內(nèi)部的不同工種，重塑企業(yè)組織流程，提效的同時(shí)，最后實(shí)現(xiàn)完全由AI Agent組建、運(yùn)營起來的公司；ToC方向，AI Agent可能是智能助理等。

<span data-docs-delta="[[20,{"gallery":"https://uploader.shimo.im/f/IlzeyXztnLDNn6du.png!thumbnail"},"29:0|30:0|3:"null"|4:"auto"|crop:""|frame:"none"|ori-height:"null"|ori-width:"null""]]" data-copy-origin="https://shimo.im">

（XAgent數(shù)據(jù)分析示意圖）

• XAgent大模型驅(qū)動的超強(qiáng)AI智能體應(yīng)用框架

  通過大模型打造一個像人一樣，具備一個高智商、情商、記憶力的超級智能體，在真實(shí)復(fù)雜任務(wù)的處理能力已全面超越AutoGPT。

• AgentVerse大模型驅(qū)動的智能體通用平臺偏向通用化的Agent開發(fā)平臺，在上面用戶可以自定義構(gòu)造專屬Agent。

• ChatDev大模型驅(qū)動的多智能體協(xié)作開發(fā)框架 AI Agent應(yīng)用的具體開發(fā)框架，目前，已經(jīng)跑出了落地的ChatDev產(chǎn)品，核心功能是允許用戶使用自然語言開發(fā)軟件。

光錐智能：能否以剛發(fā)布的ChatDev SaaS產(chǎn)品為例，更清晰地拆解面壁智能產(chǎn)品化的思路？面壁智能：

• 簡單概括就是，

讓用戶能夠通過一句話的自然語言，去開發(fā)一款具體的軟件，

• 這將大大降低軟件開發(fā)的門檻。

• 在這個軟件公司里，會有CEO、CTO、開發(fā)經(jīng)理、產(chǎn)品經(jīng)理、測試專員、監(jiān)督員等，只要用戶把明確的需求告訴CEO角色的Agent，這個CEO就會基于用戶的需求，組織整個軟件開發(fā)流程。最后交付給用戶的包含了軟件產(chǎn)品和整個開發(fā)過程中的代碼，并且所有流程都是自動化的。

（ChatDev軟件開發(fā)過程）

• 這里面留給用戶和開發(fā)者可自定義空間非常大，用戶可以針對已開發(fā)出的軟件提出新需求，也可以改變整個軟件的開發(fā)模式。比如我定義的軟件公司，跟別人默認(rèn)的軟件公司不一樣，期望多幾個測試，把這款軟件變得更可信一些。那就根據(jù)這個具體的需求，多幾次測試，多增加幾個產(chǎn)品經(jīng)理執(zhí)行這個想法。

光錐智能：用Agent開發(fā)軟件能夠降低多少成本？面壁智能：

• 如果讓軟件工程師去開發(fā)，至少需要幾萬塊錢的人工費(fèi)，時(shí)間兩周起步。

但使用ChatDev開發(fā)，價(jià)格只需要幾元到幾十元，最快幾分鐘就能跑通一個應(yīng)用。

• 目前，一些相對簡單的軟件開發(fā)流程已經(jīng)完全跑通了，一個沒有代碼開發(fā)經(jīng)驗(yàn)的小白用戶，60%的場景應(yīng)用都能完全實(shí)現(xiàn)。

光錐智能：怎么去訓(xùn)練一個ChatDev？面壁智能：

• 可以把這個事情理解成三步。

第一步是預(yù)設(shè)協(xié)作流程。

• 在一個公司中，每個人都有固定的角色和分工。在群體智能場景中也需要一個預(yù)設(shè)的協(xié)作流程，比如在軟件開發(fā)的過程中，就可能涉及產(chǎn)品經(jīng)理、技術(shù)研發(fā)人員、測試人員等，每個人需要在其中發(fā)揮作用，甚至有時(shí)還會出現(xiàn)像人一樣互相battle的情況。

第二步是指導(dǎo)和反饋機(jī)制。

• 流程設(shè)計(jì)中有指導(dǎo)角色和執(zhí)行角色，通過2個角色的互動溝通，減少執(zhí)行幻覺的出現(xiàn)；同時(shí)任務(wù)完成后會有角色之間的反饋機(jī)制，類似現(xiàn)實(shí)世界中的跟老板匯報(bào)，以此來增強(qiáng)運(yùn)行的準(zhǔn)確性。

第三步是大模型賦予Agent原子化能力。

• 所有AI Agent的引擎和應(yīng)用都長在大模型上，光創(chuàng)建工作的協(xié)作流程還不夠，每個人還得干活兒，可以把大模型理解成“輸血泵”，AI Agent一旦有需求，大模型就把其需要的能力輸送給它。

光錐智能：ChatDev產(chǎn)品反過來對底層的大模型能力提出了哪些調(diào)整？面壁智能：

• 這很大程度取決于上層應(yīng)用，拆解下來看的話，大致需要幾個基本的能力。首先是

復(fù)雜規(guī)劃

• 和

指令遵循的能力

• ，基于對話分析項(xiàng)目、拆解需求、提出正確的指令的能力。在一個協(xié)同的組織里，有不同的角色發(fā)布不同的指令特別是在復(fù)雜的生產(chǎn)環(huán)境中，指令可能不是簡單的一句話，對于復(fù)雜的指令A(yù)I Agent能不能夠有一個思維鏈的方法，完成一個個的拆解，并且基于這個拆解去進(jìn)行實(shí)際落地，也是大模型本身要去解決的。其次是

編碼能力

• ，因?yàn)樽詈笞非蟮慕Y(jié)果是要能在真實(shí)環(huán)境里跑通，反饋、測試、修改的前提都要基于完整的代碼流程。

再次是更長token的輸入窗口能力

• ，以后需要做更復(fù)雜的軟件，就需要更復(fù)雜的任務(wù)理解、Prompt輸入和更復(fù)雜的上下文對話能力。最后還有格式化輸出對接的能力，對知識內(nèi)容的理解能力、精準(zhǔn)的生成表達(dá)能力等大模型的綜合能力。

光錐智能：如何理解大模型和AI Agent的關(guān)系？就AI Agent而言，面壁智能現(xiàn)在發(fā)展到了哪個階段？面壁智能：

• 可以把大語言模型想象成一個哆啦A夢的魔法兜，現(xiàn)實(shí)中我需要的是怎么從這個兜里拿出東西，跟現(xiàn)實(shí)世界的真實(shí)需求去連接。我們打造的“AI Agent三駕馬車”，有點(diǎn)像是魔法棒，將大模型的能力轉(zhuǎn)化成實(shí)際的應(yīng)用。在具體應(yīng)用上：ChatDev已經(jīng)走過了論文研究、開源產(chǎn)品上線的前兩個階段，現(xiàn)在進(jìn)入了第三個階段——商業(yè)化產(chǎn)品孵化，會面向不同類型的用戶開放使用，以前更多是開發(fā)者討論的聲量，現(xiàn)在的產(chǎn)品開始正式面向普通用戶。同時(shí)，基于Agent產(chǎn)品面壁智能也在跟一些B端企業(yè)合作，嘗試去輔助他們完成一些更復(fù)雜的工作。上面提到的“三駕馬車”可以視為未來誕生超級應(yīng)用的土壤，現(xiàn)在AI Agent的基建已經(jīng)逐步搭建起來；對于ChatDev產(chǎn)品中的哪些場景或者軟件應(yīng)用能夠跑出來，我們也希望在用戶使用過程中再去沉淀下來一些垂直的場景需求，探索更多商業(yè)化的空間。

光錐智能：如何看待OpenAI上線的“GPTs”功能？面壁智能：

• OpenAI開發(fā)的GPTs，實(shí)際上屬于單體智能，OpenAI開放出來的是基礎(chǔ)Agent的構(gòu)建能力，如說工具調(diào)用、基于知識庫文件記憶能力。而ChatDev進(jìn)化到了群體智能階段，通過多Agent協(xié)同能去實(shí)現(xiàn)更復(fù)雜、貼近真實(shí)需求的應(yīng)用。

光錐智能：AI Agent的未來應(yīng)該是怎樣的？面壁智能：

• 總體上來看，可能是更深層次的智能連接。我們說“智聯(lián)網(wǎng)”發(fā)展到后面也需要把物理連接納入進(jìn)去，單體智能再往前發(fā)展也會擴(kuò)展到物的智能、機(jī)器人的聯(lián)動。從群體智能角度來看，ToC或許是更大的社區(qū)化的虛擬組織，每個人的Agent都能通過虛擬數(shù)據(jù)連接在一起；ToB則是虛擬的組織、企業(yè)，不同的企業(yè)和員工都能通過智能體納入到網(wǎng)絡(luò)當(dāng)中。發(fā)展至最后，整個社會將變成一個巨大的虛實(shí)結(jié)合的網(wǎng)絡(luò)，形成“智聯(lián)網(wǎng)”——IoA（Internet of Agent）。通過不同的智能體，提供了更強(qiáng)的生產(chǎn)力，重新塑造整個生產(chǎn)關(guān)系，整個社會的產(chǎn)能也會有一個很大的提升。

       原文標(biāo)題 : OpenAI、微軟押注，大模型應(yīng)用的盡頭是AI Agent ？｜對話面壁智能