AI智能体：炒作与现实（2024）

AI智能体被寄予厚望，许多人相信它们能够自主完成复杂任务，但现实却远比预期更为棘手。根据WebArena排行榜，即使是目前最先进的模型，在真实世界任务中的成功率也仅为45.7%。这一数据揭示了AI智能体在实际应用中仍然存在巨大局限性。

什么是AI智能体？目前尚无统一定义。通常认为，AI智能体是指大语言模型（LLM）被赋予自主决策权（通常通过RAG环境中的函数调用），能够规划并执行任务。在架构上，主要有两种方式：单体架构和多智能体系统。单体架构由一个大型模型处理所有任务，利用其全部上下文理解能力进行决策，避免了任务分割带来的信息损失；而多智能体系统则将任务分解为多个子任务，由较小的专用模型分别处理，这在上下文窗口有限或需要不同技能时较为实用。理论上，具有无限上下文和完美注意力的单体模型最为理想，但实际中多智能体系统往往因上下文割裂而效率较低。正如一位OpenAI员工在HackerNews上总结：当信息高度关联或需要快速响应时，倾向于单体大API调用；当任务可分解为独立步骤、需要外部逻辑或动态剪枝时，则宜采用多步序列化调用。

实践中，AI智能体面临多重挑战。首先是可靠性问题：LLM固有的幻觉和不一致性在链式调用中被放大，尤其对于需要精确输出的任务。其次是性能和成本：GPT-4o、Gemini-2.0和Claude Sonnet虽然工具调用能力不错，但仍速度慢、成本高，特别是在需要循环和自动重试的场景下。法律风险也不容忽视：企业可能为智能体的错误承担责任，例如加拿大航空因聊天机器人误导客户而被判赔偿。用户信任是另一大难题：AI智能体的“黑箱”特性加上失误案例，使用户难以放心将其用于涉及支付或个人信息的敏感任务。

在真实世界尝试方面，许多初创公司在探索通用AI智能体，但大多仍处于实验阶段。例如，adept.ai获得3.5亿美元融资，其核心团队最近被亚马逊收购；Runner H融资2.2亿美元，尚未公开；MultiOn采用API优先的策略，看似有潜力；Browserbase融资2700万美元，为自主浏览器代理提供基础设施层。目前只有MultiOn和Browserbase采用“下达指令并观察执行”的模式，更符合智能体的承诺，而其他公司多采用录放式RPA路径，这可能是现阶段为保证可靠性所必需的。大型科技公司也在推进桌面和浏览器层面的智能体能力：Claude Computer Use、微软Copilot Studio、Google DeepMind的Project Mariner，以及OpenAI即将推出的类似功能。这些早期工具虽然令人印象深刻，但实际公开测试效果还有待验证。垂直领域智能体专注于特定领域（如编程、客服、法律），通过领域微调和专用工具表现更佳，但除编程助手Devin外，实际应用仍然有限。

展望未来，作者认为AI智能体被过度炒作了，大多数尚不能承担关键任务。然而，底层模型和架构正在快速进步，有望出现更多成功应用。近期可行的路径包括：以AI增强现有工具而非提供完全自主的独立服务；采用人机协同模式，让人类参与监督和异常处理；设定现实的预期。通过结合严格约束的LLM、良好的评估数据、人工审核和传统工程方法，可以可靠地实现中复杂度任务的自动化。AI智能体无疑能自动化繁琐重复的工作（如网页抓取、表单填写、数据录入），但短期内很难实现完全自主的度假预订等复杂任务。