这篇文章是关于什么的？

人工智能的未来将是 Agentic！在本文中，我们将介绍这意味着什么。看看人工智能领域的顶尖人才如何谈论人工智能代理。

本文探讨了人工智能（AI）代理的概念及其在塑造未来方面日益增长的重要性。

我希望读者能够全面了解 AI 代理、其核心功能及其广泛的应用。下一部分我们将构建它！

为什么要读它？

您一定不想错过这个——工作的未来正在发生变化。

人工智能领域正在超越狭隘的专业模型，转向开发功能强大、自主的代理，这些代理可以在广泛领域真正增强和提高人类智能。这种向人工智能代理的转变有望彻底改变我们的工作、生活和与技术互动的方式，开启一个智能、自适应且越来越有用的人工智能系统的新时代。

阅读本文，了解为什么整个人工智能领域都倾向于开发先进的人工智能代理，这可能会彻底改变我们处理和利用人工智能的方式。

无论您是经验丰富的人工智能爱好者还是该领域的新手，了解人工智能代理的发展轨迹对于随时了解情况并积极参与未来的变革之旅至关重要。

虽然 LLM 和 RAG 模型已经突破了语言生成的可能性，但 AI 代理的发展代表着朝着更智能、自主和多功能系统迈出了一步，这些系统可以在更广泛的场景中与人类一起工作。向代理的转变是为了创建能够真正理解、学习和解决现实世界问题的 AI 系统。

需要人工智能代理的关键原因有几个。

以目标为导向的行为：LLM 和 RAG 模型主要专注于根据训练数据中的模式生成类似人类的文本。但它们缺乏以灵活、智能的方式设定和追求特定目标的能力。另一方面，人工智能代理可以被设计为具有明确的目标，并计划和采取行动来实现这些目标。
记忆和状态跟踪：大多数当前语言模型没有持久记忆或状态跟踪功能。每个输入都是独立处理的。AI 代理可以保持内部状态，随着时间的推移积累知识，并使用该状态为未来的决策和行动提供信息。
与环境的交互：LLM 仅在文本域中运行，不与物理世界直接交互。AI 代理可以通过传感器和执行器感知并对其环境采取行动，无论是数字世界、机器人系统，还是物理世界。
迁移和泛化：虽然 LLM 擅长处理与其训练数据类似的语言任务，但它们往往难以将知识迁移到全新的领域或任务。AI 代理具有学习、推理和规划的能力，有可能更好地迁移和泛化到新情况。
持续学习：大多数语言模型一旦训练完成，都是静态的。随着人工智能代理与新环境和新情况的互动，它们可以不断学习和调整自己的知识和技能。
多任务能力：LLM 通常专门用于特定语言任务。AI 代理可以设计为通用的多任务系统，能够流畅地结合语言、推理、感知和控制等各种技能来解决复杂、多方面的问题。