AI Agent：从对话到行动的技术跃迁

随着AI技术从“工具化”向“自主化”迈进，智能体（Agent）正在成为企业应用大模型的重要形态。如何优化Agent，使其变得更可信、更好用，最终成为企业优秀的“数字员工”？

近日，InfoQ《极客有约》X AICon直播栏目特别邀请了RBC资深应用支持分析师马可薇担任主持人，与值得买科技CTO王云峰、商汤科技大装置事业群高级技术总监鲁琲、明略科技集团高级技术总监吴昊宇在AICon全球人工智能开发与应用大会2025北京站即将召开之际，共同探讨如何提升企业Agent的“可信度”。

部分精彩观点如下：

• 未来可能不再存在传统意义上的软件界面，UI可能完全消失，取而代之的是由Agent与系统直接交互。
• 协议的价值在于让生态中的每个角色，提供大脑、数据、工具或执行能力的厂商，都能使用同一种语言沟通，使大家可以把精力集中在自身专业领域，而无需耗费大量时间做适配工作。
• 许多模型在长文本中间部分存在遗忘问题，大海捞针本身是不现实的任务。尽管大家都宣称拥有超长context window，但真正有效的部分其实没有那么多。
• 真正的难点是业务模型与技术模型如何统一、如何对齐。纯技术层面的参数对齐反而是最不需要担心的，毕竟大家都是写程序的。

以下内容基于直播速记整理，经InfoQ删减。

定义Agent的技术边界

马可薇：很多人认为Agent就是Chatbot加了几个插件。但从技术架构视角看，当系统目标从“对话”变成“行动”，技术栈上会产生怎样的质变？

王云峰：chatbot只是一个交互形态。现在AI具备了多模态能力，使对话变得更自然、更强大；随后Agent的兴起又进一步扩展了它的可操作范围。

chatbot只是一个界面，而关键逻辑在于背后的大模型。一个聪明的大脑需要外围系统，就像人需要眼睛、鼻子、触觉去感知世界，需要手脚完成操作。

鲁琲：以对话为目的的AI与以行动为目的的AI，其核心区别在于前者关注过程，后者关注结果。Agent能够自动执行整套流程，将过去由人维持的短期、中期、长期记忆和状态切换能力转移到Agent内部。

吴昊宇：这也与最近豆包手机爆火有关。这意味着AI具备了任务规划和执行能力。例如，当让AI判断某个话题的热度时，它不能只是简单搜索并回答，而应该规划整套步骤。

马可薇：目前的Agent经常“变笨”或“卡住”。从算力供给、数据供给、协议交互这三个环节看，目前的“短板”究竟在哪个环节？

鲁琲：更准确地说，是高性价比算力的短缺。许多应用场景并不会使用旗舰模型，而是选择更小的模型以降低成本。

吴昊宇：上下文的数据质量同样极为重要。即便上下文很长，如果信息质量低、噪声多，模型输出的任务规划和结果仍然不会理想。

围绕Agent架构层层解剖

马可薇：鲁总，企业落地Agent最大的拦路虎往往是成本。在大装置层面，你们有没有针对Agent这种“长程推理任务”的专用优化方案？

鲁琲：随着Agent单任务运行时长不断延长，上下文会出现明显的膨胀。为解决长程推理中的上下文问题，目前有多种方法。最基础的是上下文压缩；另一类是长期记忆的持久化。

王云峰：每个业务都由多种组件组成，其中一些适合使用AI解决，另一些则并不适合。在业务上容忍度低的情况下，必须使用更高精度的方案。

展望Agent的未来形态

鲁琲：我相信在非常长远的未来，软件形态本身会消失。在这种模式下，Agent事实上承担了软件外壳的作用。软件的核心功能会以API的形式暴露给Agent。

吴昊宇：未来可能真的不再存在传统意义上的软件界面，UI可能完全消失，取而代之的是由Agent与系统直接交互。当然，软件本身仍可能以API形式存在。