人工智能（AI）Agent正成为科技领域炙手可热的新概念，但围绕其定义和功能的讨论也日趋激烈。尽管众多公司纷纷推出相关产品，但行业专家对于AI Agent的真正含义尚未达成共识。

AI Agent：超越自动化，具备推理和问题解决能力

与传统的自动化工具不同，AI Agent不仅仅是执行预设的任务，更重要的是，它们具备推理和解决问题的能力。它们能够自主地分解复杂问题，制定行动计划，并在无需人工干预的情况下采取行动。

今年以来，从OpenAI到Glean等多家公司都发布了AI Agent或与Agent相关的产品。例如，OpenAI推出名为Operator的Agent，它可以浏览网页、预订机票和制作表情包。Glean和Cohere等企业技术公司也推出了平台，允许员工构建和部署Agent。中国初创公司Butterfly Effect也推出了名为Manus的AI Agent，该Agent能够分析股票、抓取网络数据，甚至创建交互式网站，引起了广泛关注。

通常，Agent被定义为可以自主完成任务的虚拟助手。它们能够独立分析问题、制定方案，并在无需用户提示的情况下执行操作。人们对Agent的期望在于，它们可能成为实现“无人工干预”世界的第一步，让人们可以放松身心，坐享AI完成所有工作。

定义之争：什么是真正的AI Agent？

然而，许多从事Agent系统研究的AI专家认为，这项技术远比想象的复杂。

Contextual AI的联合创始人兼首席执行官Douwe Kiela表示，他对Agent的定义存在多种理解。他指出，OpenAI、Perplexity和Google开发的Deep Research Agent可以将数百个在线资源整合为详细的报告。“这种Agent是否应该被定义为Agent？我认为是，但很多人认为不是，他们认为Agent必须采取能够影响自身运行状态或环境的行动。”Kiela说。

Kiela认为，Agent的正确定义应该是“积极推理”。这意味着，如果Agent犯了错误，它可以发现错误并尝试再次执行。

Emergence AI的首席执行官Satya Nitta表示，Agent的设计初衷是为了在不断变化的环境中解决问题。Agent超越了简单的自动化，展现了情境推理能力，能够适应不可预见的挑战，并动态调整计划，从而在复杂环境中取得成功。

Agent与大语言模型：本质区别是什么？

理解Agent的另一种方式是将其与大语言模型（LLM）进行比较。LLM是诸如ChatGPT等流行聊天机器人的基础。

You.com的创始人兼首席执行官Richard Socher认为，“大语言模型”这个名称具有误导性，更准确的称呼应该是“神经序列模型”，它可以应用于任何序列数据，包括自然语言、编程语言、像素序列和生物序列（蛋白质）。而Agent则是一种可以代表用户采取行动的神经序列模型，它通过学习人类行为模式来自动化跨多个领域的复杂任务。

Agent的未来：工作流程的设计者，而非简单的助手

随着Agent在工作场所中越来越普及，人们可能会开始将它们视为团队成员或权威助手。然而，AI驱动的翻译公司LILT的首席执行官Spence Green认为，Agent更像是“工作流程的设计者”。

无论如何定义，AI公司都对Agent寄予厚望，希望它们能够带来丰厚的回报。据The Information报道，OpenAI计划以每月2万美元的价格出售博士级别的Agent，并预计最终Agent将贡献其收入的20%至25%。

Insight Partners的董事总经理Praveen Akkiraju表示：“如果说2024年是LLM年，那么我们相信2025年将是Agent AI年。”

总之，尽管AI Agent的概念和定义仍然存在争议，但其所蕴含的巨大潜力已毋庸置疑。随着技术的不断发展，AI Agent有望在各行各业发挥越来越重要的作用，并深刻改变我们的工作和生活方式。