We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
宜
宜博
国内领先的AI领域服务商，专注于大语言模型中间层技术和AI native产品开发。
朱
朱峰
创立并运营「津津乐道播客网络」，专注于科技和技术领域的播客内容创作和分享。
杨
杨慧
宜博:我经历了AI生成代码到AI Agent框架构建的转变。ChatBI的开发和上线,以及随后转向2B业务开发LLMFarm,都体现了AI技术应用的快速演变和市场需求的动态变化。我们发现,AI Agent是连接大模型与用户交互的关键,而Agentic AI Agent的规划能力将是未来发展的重要方向。OpenAI的GPT Store虽然是早期尝试,但其不足之处在于封闭性和数据隐私问题,未来AI Agent平台需要解决数据隐私和模型开放性问题。大型科技公司和手机厂商有其优势,但也存在劣势,垂直领域的AI Agent创业公司仍有机会。开发新的AI Agent操作系统可能并非必要,更重要的是专注于AI原生应用和特定场景的优化。端侧推理算力需求巨大,这为优化端侧推理能力的AI Agent操作系统提供了机会。我们公司目前正尝试开发2C端的AI Agent应用,例如AI简历筛选工具,以验证AI Agent在实际应用中的价值。
杨慧:我长期关注AI Agent领域,认为Agent是大模型落地和价值体现的关键范式,AI Agent的生态建设类似于移动互联网时代的App Store,正迎来"安卓时刻"。目前AI Agent的定义尚未完全达成共识,但业界普遍关注其行动能力。未来AI Agent市场可能会出现类似iOS和Android两种模式,即闭环生态和开放生态并存。尽管AI Agent市场可能开放,但最终话语权仍可能掌握在少数大型平台手中。AI Agent的出现可能会改变用户在不同设备上的行为模式,并促使开发者重新重视过去被忽视的流量来源。手机厂商可能会先于AI Agent开发者整合AI Agent能力到其系统中,但这并不意味着AI Agent开发者没有机会。彻底改变现有设备形态,例如采用眼镜等新的交互方式,可能为AI Agent带来更大的机会,但这需要生态的共同努力。AI Agent的发展需要跳出原有的思维框架,小型公司可能更有机会引领变革。终端用户的需求变化将推动AI Agent的快速发展。想象力和对未来场景的预判,是AI Agent时代成功的关键。多模态AI和Compositional AI是未来发展的重要方向,其生态已经初步成型,未来将会出现集大成者。
朱峰:目前AI Agent仍依赖于现有的计算平台(PC和Mobile),新的计算平台的出现将改变这一现状。大型科技公司和手机厂商虽然会进入AI Agent领域,但他们不一定能成为唯一的玩家,新兴公司仍有机会弯道超车。现有流量生态固化,大型平台掌握话语权,但垂直领域仍有创新机会。AI Agent的杀手级应用尚未出现,但其在自动化和提升决策效率方面具有巨大潜力。彻底改变现有设备形态,例如采用眼镜等新的交互方式,可能为AI Agent带来更大的机会,但这需要生态的共同努力。
Deep Dive
为什么 AI Agent 被认为是下一代用户入口？
AI Agent 被认为是下一代用户入口，因为它能够感知、思考和行动，具备自动化、泛化能力，能够通过调用工具和 API 完成任务，从而改变人与技术的交互方式。
AI Agent 的核心能力是什么？
AI Agent 的核心能力包括感知、思考和行动。它能够通过 Planning、Action 和 Reflection 三个步骤完成任务，具备自动化、泛化能力，并能调用工具和 API 实现复杂操作。
为什么 GPT Store 不能被称为真正的 AI Agent？
GPT Store 不能被称为真正的 AI Agent，因为它缺乏 Planning 和 Workflow 能力，仅完成单一的 Prompt 和 Reg 任务，无法实现端到端的自动化操作。
2025 年 AI Agent 生态的关键突破点是什么？
2025 年 AI Agent 生态的关键突破点将是一个 Agent Store 或 Agent Search Engine 的出现，它将把分散的 Agent 连接成网络，推动 AI Agent 的广泛应用和落地。
为什么 OpenAI 的 GPT Store 未能成功？
OpenAI 的 GPT Store 未能成功，因为它是一个封闭的商业行为，仅支持 OpenAI 的模型，且无法处理隐私数据，导致开发者不愿意在其平台上发布 Agent。
AI Agent 时代开发者面临的最大挑战是什么？
AI Agent 时代开发者面临的最大挑战是角色转变，从编写代码转变为指挥 AI 完成任务，需要学习 AI 算法、理解 AI 的本质，并适应新的研发流程。
AI Agent 如何改变招聘流程？
AI Agent 通过自动化筛选简历，大幅提高招聘决策效率。它能够根据企业的偏好和 Know-how 进行精准匹配，减少人工筛选的工作量，提升招聘的准确性和效率。
AI Agent 如何解决决策效率不对称的问题？
AI Agent 通过自动化决策，大幅提高决策效率。例如，在招聘中，AI Agent 可以在两小时内完成原本需要两周的简历筛选任务，显著压缩决策时间。
本节探讨了 AI Agent 的定义，从代理、智能体等不同角度解释了其含义，并分析了目前 AI Agent 的发展现状，指出具备规划能力的 Agentic AI Agent 更具价值，并以 GPT Store 为例说明了 AI Agent 的不同形态和发展阶段。
- AI Agent 的直译是代理，它能够代替主体完成特定任务。
- 具备规划能力 (Planning)、执行能力 (Action) 和反思能力 (Reflection) 的 Agentic AI Agent 比基础的 AI Agent 更具价值。
- GPT Store 是 AI Agent 的早期形态，但缺乏规划能力，并非真正的 Agentic AI Agent。
Shownotes Transcript