最佳AI代理为何简单：Sierra的Zack Reneau-Wedeen在Max Agency播客上的见解

在最新一期的Max Agency播客中，主持人Harrison Chase与Sierra产品主管Zack Reneau-Wedeen进行了一场深入对话，探讨了AI代理的未来方向。Zack提出了一个令人深思的观点：最好的AI代理往往比人们想象的更简单。

Sierra是面向财富20强企业的对话式AI平台，其客户代理涵盖了从浏览、预订到销售和忠诚度管理的整个客户生命周期。Zack分享了Sierra在构建这些代理时的几个核心原则。

首先是模型选择。Zack透露，Sierra并非绑定单一模型，而是并行运行多个模型，包括Claude、Gemini和GPT系列，根据每个任务的特点选择最适合的模型。例如，某个模型在转录英国北部口音方面表现出色，但在静默时更容易产生幻觉。这种灵活性使Sierra能够在不同任务中发挥各模型的最大优势。

其次是定价模式。Sierra采用基于成果的定价，即只有当客户看到实际价值时才付费。Zack认为，对于高价值任务如完成销售或售车，基于成果的定价是合适的；而对于余额查询等常规任务，基于使用量或坐席数的定价更为合理。他预测，基于成果的定价将成为AI产品进行差异化工作的默认模式。

Zack还警告不要“运输你的组织架构”（ship your org chart）。许多团队构建多代理系统是为了不同团队各自负责一个代理，但这往往导致客户体验碎片化。Sierra的默认做法是每个品牌只有一个代理，该代理掌握客户完整的历史、对话上下文和所有可用功能。一旦将任务拆分为多个代理，每个代理都只能看到部分信息，导致效率降低。

Zack还讨论了Sierra的无代码层、模块化语音架构、PCI认证的语音支付栈以及记忆管理等问题。他认为，多代理系统往往是一个陷阱，而简单的单体架构反而能提供更好的客户体验。

最后，Zack强调了上下文工程的重要性：提供给代理的信息应刚好足够，不多不少。他总结道：“每当你觉得模型太笨时，实际上模型可能太聪明了。”这句话揭示了AI系统设计中的一个常见误区。

总之，Sierra的成功经验表明，在构建AI代理时，保持简单、专注于价值，并避免复杂化是取得卓越效果的关键。