AI智能體：炒作與現實（2024）

AI智能體被寄予厚望，許多人相信它們能夠自主完成複雜任務，但現實卻遠比預期更為棘手。根據WebArena排行榜，即使是目前最先進的模型，在真實世界任務中的成功率也僅為45.7%。這一數據揭示了AI智能體在實際應用中仍然存在巨大侷限性。

什麼是AI智能體？目前尚無統一定義。通常認為，AI智能體是指大語言模型（LLM）被賦予自主決策權（通常通過RAG環境中的函數調用），能夠規劃並執行任務。在架構上，主要有兩種方式：單體架構和多智能體系統。單體架構由一個大型模型處理所有任務，利用其全部上下文理解能力進行決策，避免了任務分割帶來的信息損失；而多智能體系統則將任務分解為多個子任務，由較小的專用模型分別處理，這在上下文窗口有限或需要不同技能時較為實用。理論上，具有無限上下文和完美注意力的單體模型最為理想，但實際中多智能體系統往往因上下文割裂而效率較低。正如一位OpenAI員工在HackerNews上總結：當信息高度關聯或需要快速響應時，傾向於單體大API調用；當任務可分解為獨立步驟、需要外部邏輯或動態剪枝時，則宜採用多步序列化調用。

實踐中，AI智能體面臨多重挑戰。首先是可靠性問題：LLM固有的幻覺和不一致性在鏈式調用中被放大，尤其對於需要精確輸出的任務。其次是性能和成本：GPT-4o、Gemini-2.0和Claude Sonnet雖然工具調用能力不錯，但仍速度慢、成本高，特別是在需要循環和自動重試的場景下。法律風險也不容忽視：企業可能為智能體的錯誤承擔責任，例如加拿大航空因聊天機器人誤導客户而被判賠償。用户信任是另一大難題：AI智能體的“黑箱”特性加上失誤案例，使用户難以放心將其用於涉及支付或個人信息的敏感任務。

在真實世界嘗試方面，許多初創公司在探索通用AI智能體，但大多仍處於實驗階段。例如，adept.ai獲得3.5億美元融資，其核心團隊最近被亞馬遜收購；Runner H融資2.2億美元，尚未公開；MultiOn採用API優先的策略，看似有潛力；Browserbase融資2700萬美元，為自主瀏覽器代理提供基礎設施層。目前只有MultiOn和Browserbase採用“下達指令並觀察執行”的模式，更符合智能體的承諾，而其他公司多采用錄放式RPA路徑，這可能是現階段為保證可靠性所必需的。大型科技公司也在推進桌面和瀏覽器層面的智能體能力：Claude Computer Use、微軟Copilot Studio、Google DeepMind的Project Mariner，以及OpenAI即將推出的類似功能。這些早期工具雖然令人印象深刻，但實際公開測試效果還有待驗證。垂直領域智能體專注於特定領域（如編程、客服、法律），通過領域微調和專用工具表現更佳，但除編程助手Devin外，實際應用仍然有限。

展望未來，作者認為AI智能體被過度炒作了，大多數尚不能承擔關鍵任務。然而，底層模型和架構正在快速進步，有望出現更多成功應用。近期可行的路徑包括：以AI增強現有工具而非提供完全自主的獨立服務；採用人機協同模式，讓人類參與監督和異常處理；設定現實的預期。通過結合嚴格約束的LLM、良好的評估數據、人工審核和傳統工程方法，可以可靠地實現中複雜度任務的自動化。AI智能體無疑能自動化繁瑣重複的工作（如網頁抓取、表單填寫、數據錄入），但短期內很難實現完全自主的度假預訂等複雜任務。