cover of episode Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent｜对谈 Sheet0 创始人王文锋

Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent｜对谈 Sheet0 创始人王文锋

2025/4/19
logo of podcast 42章经

42章经
AI Deep Dive AI Chapters Transcript
People
王
王文锋
Topics
王文锋：我认为Agent是模型基于环境反馈去使用工具的程序，包含模型、环境反馈和工具三个关键要素。这波Agent浪潮与以往不同，因为它真正解决了实际问题。Agent的发展主要源于底层模型的进步（特别是OpenAI的出现）和Agent工程的突破（构建合适的context）。Context定义了大模型需要利用的所有信息，包括代码库结构、原文件、API、用户输入等。Agent与以往RAG等方法不同，它强调信息来源是通过自动化方式获取的。Function Call、MCP、A2A等方法都是为了给大模型提供更好的工具使用方式，让其更好地采取行动。Agent的工具使用方式可分为代码方式和模拟人类方式，两者并不矛盾，也可以混合使用。即使SaaS软件不支持MCP，开发者也可以通过MCP标准自行包装其开放的Open API；如果SaaS软件没有开放Open API或SDK，则可以使用视觉方式（模拟人操作）来调用。视觉方式虽然准确度不高，但成本低，速度快，token消耗少。使用浏览器方式的成本更低，并能更好地营造用户信任感，让用户看到整个过程。AI Coding是大模型的灵巧手，是其在没有现成工具时的补充工具。未来Agent市场将长期处于通用Agent和垂直Agent并存的时代。强化学习是Agent概念的基础，脱离强化学习，Agent概念就不成立。强化学习中的状态、行动和激励信号分别对应Agent中的Context、Tool Use和结果评估。Agent创业公司需要将产品设计成一个环境，定义好状态、行动空间和结果，才能设计激励信号，让Agent自我迭代。好的Agent产品应该尽可能地减少用户的认知负担，让用户无需动脑即可使用。聊天框是Agent最好的交互形态，因为它能最大限度地提高用户交互的自由度。判断Agent好坏的关键在于其交付的结果（delivered result），而非其功能的多寡。AI Coding可以保证每一步操作的准确性，避免因单步错误导致最终结果错误。Agent开发者需要解决两个信任问题：相信大模型和让用户相信结果。预测Agent未来发展，需关注Context和RLM的突破，以及模型成本的下降。判断Agent公司好坏，关键在于其团队是否理解强化学习，以及如何设计环境反馈的激励信号。选择Sheet0而非其他Agent工具的理由：100%准确率、稳定性和数据完整性。 曲凯：对Agent的理解和分析，以及对Agent未来发展的思考。 [object Object]

Deep Dive

Chapters
本节探讨了Agent的定义，并比较了当前Agent热潮与过去两年的区别。嘉宾王文锋认为，当前Agent能够真正解决实际问题，而过去更多的是玩具。这种变化主要源于底层模型的进步和Agent工程的突破，尤其是在构建合适的Context方面。
  • Agent定义：模型基于环境反馈使用工具的程序
  • 当前Agent能够解决实际问题，过去更多是玩具
  • 模型进步和Agent工程突破是主要变化
  • Context定义：大模型利用信息总和

Shownotes Transcript

活动预告🥳：4 月 26 日，我们会请到 sheet0.com) 创始人文锋做一场线下活动，大家记得翻到 shownotes 末尾查看报名信息！

关于 Agent 这个话题，我自己有一些核心在思考的问题，相信这些也是很多人同样会有疑问的地方，这期播客中我们就这些问题展开了讨论，并基本得到了一些答案：

1）怎么定义 Agent，Agent 最重要的是什么

2）今天的 Agent 和两年前的 Agent 的区别是什么

3）如何简单快速理解 Function Call，Coding Agent，MCP，A2A，Computer Use，Browser Use 等概念

4）不同方式的区别是什么，有什么优劣之分吗

5）怎么看通用 Agent 和垂直 Agent 的区别，终局是什么

6）AI Coding 和 Agent 最终会是一件事吗，或者二者会有什么关联

7）Workflow 和 Agent 的区别和终局

8）RL 这件事在 Agent 里的重要程度是什么，一家公司（尤其是做 Agent 的创业公司）到底该如何使用 RL

9）大模型自身的 Agent 比如 OpenAI Operator 和其他应用产品的区别是什么，最终市场形态会怎样

10）如何快速判断一家 Agent 公司做得好不好

另外，在整段讨论中，本期嘉宾文锋基于长时间对 Agent 的研究和实操，还提出了很多理解和分析 Agent 的框架和关键要素，以及在接近结尾部分留下了让我非常有启发的一句话：AI Coding 是大模型的灵巧手。

【人类博物馆】

**导游：**曲凯，42章经创始人

**33 号珍藏：**王文锋，Agent builder，sheet0.com Founder & CEO，连续创业者，有近十年 AI、Data Infra 产品设计和 Coding 经验。sheet0.com) 已开放 waiting list 申请，即将内测。

【时光机】

  • 00:47 Agent 三要素：LLM、Context、Tool Use

  • 1:17 这波 Agent 和过去两年的区别是什么？

  • 2:30 怎么理解 Agent 中的 Context？

  • 4:21 快速理解 Tool Use 的不同方案

    • 4:40 代码调用支线：Function Call、MCP、A2A 之间的区别是什么？
    • 6:35 模拟人类支线：浏览器是大模型能调用的最重要的工具
    • 7:07 两条支线各有优缺点，也可以混合起来
    • 10:27 Manus、Devin、Genspark 各用的什么方案？
    • 12:25 Browser Use 的核心价值是给用户提供「安全感」

  • 14:19 AI Coding 和 Agent 最终会殊途同归吗？

  • 16:15 Agent 的终局会走向通用还是垂直？

  • 17:17 脱离了 RL，Agent 就不成立了

    • 19:15 所以 Agent 创业公司该如何使用 RL？

  • 22:54 一个非共识理解：聊天框 + 场景推荐 UI 界面就是最好的交互形态

  • 31:54 Sheet0 是一个怎样的 Agent 产品？

    • 34:15 怎么把任务执行的准确率做到了 100%？

  • 35:39 Workflow 会被 Agent 颠覆掉吗？

  • 36:49 不同 Agent 的核心区别是什么？

  • 39:05 AI Coding 是大模型的「灵巧手」

  • 41:41 Agent 有两大「信任」命题

  • 44:22 分享一个预测 Agent 未来发展的思考框架

  • 47:33 如何快速判断一家 Agent 公司做得好不好？

【Reference】

文锋推荐大家都读一读强化学习之父 Richard Sutton 的《Reinforcement Learning：An Introduction》)

【活动预告🥳】

4 月 26 日，我们会请到文锋做一场线下活动，感兴趣的朋友欢迎点击链接)或扫描下面的二维码，一起来认识&交流！

【The gang that made this happen】

  • 制作人：陈皮、Celia
  • 剪辑：陈皮
  • Bgm：Mondo Bongo - Joe Strummer & The Mescaleros