你好，欢迎来到《得到精选》，我是李南南。
今天的内容来自于快刀青衣老师主理的AI学习圈。最近AI智能体这个词儿特别火，你可能也注意到了，自从Manus火了以来，人们对于智能体的讨论就特别多。
有人把这个技术说得神乎其技，还有人说智能体的出现至少会杀死一半的APP。那么回到现实，AI智能体到底是一个怎样的技术呢？
今天咱们就有请快刀青衣老师来跟你说一说。
同学们，快刀广播站又开始广播了。
前一段时间Manus爆火，我发现有一大批疑似AI写的文章开始满天飞，内容越来越离谱。比如，最开始只是说Manus推出了首个通用Agent助手，接着就演变成了“中国推出首个Agent智能体，秒杀OpenAI，全球都跪了”这种标题党式的夸张说法。让人看了哭笑不得。
更有意思的是，Manus这事儿还真惊动了OpenAI。就在大伙儿四处求Manus的邀请码时，OpenAI也坐不住了，赶紧推出自家的Agent开发包SDK，还公开了一堆好用的工具和接口。用大白话翻译一下就是：“各位，别都挤着去抢Manus了，我们OpenAI这儿也有，而且免费送。”
其实今年年初的时候，AI圈子里的大佬们就纷纷预测，说2025年将是Agent智能体迎来爆发的一年。果然不出所料，最近Agent智能体一下就火起来了。最近也有不少同学私信问我，到底啥是智能体？
今天，我就跟你简单聊聊关于Agent智能体，咱们普通人需要知道的三件事。
第一件事，到底什么是Agent智能体？
Agent智能体，或者也有人叫它AI代理（AI Agent），其实都是一个意思，简单来说，就是一种能主动思考、理解任务，并能自己找方法来完成任务的AI程序。和过去咱们常用的智能助手（比如Siri、小爱同学）不一样，智能助手一般只能做一些简单的问答或执行明确指令，而Agent智能体更像一个聪明的助手，你只要告诉它你想做什么，它就能自主去完成。
比如你随口一说：“给我规划一个去云南的旅游攻略”，它听懂了，就能自己琢磨着，把行程、酒店、景点统统安排得明明白白。这种情况下，AI就像一个随叫随到的旅游小秘书。而且，如果你事先给AI定了个明确的职责，它甚至还能主动去找解决方案，不用你再插手，它自己就能把事情搞定。
从广义上来说，智能体的概念可以追溯到1950年。当时，著名科学家图灵在他的经典论文《Computing Machinery and Intelligence》（《计算机器与智能》）中，提出了一个著名的问题：“机器能思考吗？”尽管整篇论文中并没有直接使用“Agent”这个词，但它激发了整个学术界对“能不能让机器像人一样思考和行动”的深入思考。所以，在包括我在内的很多人看来，这算是人工智能的第一粒种子。
接下来是1956年，一个对AI发展至关重要的会议——达特茅斯会议。在这场夏季研讨会上，几位科学家坐在草坪上拍了一张合影，可能他们当时也没想到，这次会议和这张合影，后来会被视为人工智能的正式诞生。
不过，那时候连个人计算机都没有，AI的能力也非常有限，只能下下国际象棋、做做简单的数学计算，根本无法完成复杂任务。因此，一些科学家开始思考：有没有可能让软件在不同的计算机或网络环境下，自主行动？如果让多个这样的智能体互相协作，能不能完成更复杂的任务？
看看，这些五六十年前的前辈，思考的问题也跟我们一样——要是人类能不上班、不干活，那该多爽？
正是基于这种设想，那个时代开始逐渐发展出Agent智能体和多智能体系统的概念。科学家们希望让计算机程序不仅仅是被动执行命令的工具，而是能够自主决策、协作完成任务的“智能体”。
大约在1970年，研究者卡尔·休伊特（Carl Hewitt）提出了“演员模型”（Actor Model）。他把AI想象成一群活跃的“小演员”，它们能够在计算环境中自由发挥，不仅可以接收指令，还可以彼此交流、发送消息、做出反应。这种思想，为后来多智能体系统的研究奠定了基础。
到了1990年，智能体的概念开始逐步完善，一批学者开始尝试给它下定义，并在论文和书籍中进行系统阐述。其中，澳大利亚人工智能研究院的Anand Rao和Michael Georgeff提出了BDI模型，它成为了智能体研究中的重要理论框架。
这个模型由三部分组成：信念（Belief）指的是智能体对世界的基本认知，比如地图、信息库、知识库等，它需要有足够的背景信息才能做出决策；愿望（Desire）是智能体希望达成的目标，比如完成一项任务、实现某种效果；意图（Intention）则是智能体决定采取的具体行动计划，是它在各种可能性中选择的一条执行路径。
如果把智能体比作一只宠物狗，那么它的“信念”就是它能看、能听、能识别陌生人和危险；“愿望”是它想要马上吃到狗粮；而“意图”则是为了吃到狗粮，它决定跳到你腿上撒娇、摇尾巴。这一模型，让AI具备了更清晰的行为逻辑，也为后来自动规划任务的研究提供了关键思路。
当然，再往后，我们就进入了移动互联网时代，从Alexa到Siri，各种“智能个人助理”开始登场。只不过，放到今天来看，那时候的个人助理实在是太过基础，远远称不上真正的智能体。它们只是预设好的语音交互工具，能做的事情极其有限，甚至连一场自然对话都无法顺利进行。而如今，随着AI能力的进化，智能体终于走到了真正实用的门槛前。
真正让Agent智能体这个概念重新回到我们视野的，是最近几年AI技术的爆发。ChatGPT、GPTs等产品的出现，彻底激发了人们对“指挥AI干活”的渴望。在过去的软件逻辑里，想让Agent完成任务，程序员必须手写大量规则，所有行为都得事先设定好，像是“吃两碗饭就绝对不会再喝一碗汤”，毫无灵活性可言，更谈不上真正的自主性。而现在，大模型的强大语言理解和学习能力，终于让Agent摆脱了这些限制。如今，它们可以直接读懂指令，自己调用工具，自动拆解任务，像一个全能的智能小管家，帮你高效完成工作。
过去一年，GitHub上也冒出了不少这样的项目，比如Auto-GPT、BabyAGI，都号称能“自我思考、自我规划”，可以处理一系列复杂任务。虽然我们测试后发现，它们目前仍处于早期阶段，离真正的自主智能体还有差距，但已经足够令人兴奋和期待了。
而最近Manus的推出，正是在智能体概念的基础上，又往前迈了一步。以前的智能体，通常需要提前设定好任务和角色，才能投入使用。而现在，Manus就像一个能力超群的全能助手，不管是编程还是绘画，拿到任务就能迅速上手，干得有模有样。
这种感觉，让我想起上个月在米兰的达芬奇国家科学与技术博物馆。当时，我站在展厅里，看着达芬奇留下的上百份手稿，涵盖水利工程、飞行器、军事装备、纺织机械，还有那些惊艳世界的艺术作品，心中满是敬仰。而Manus的方向，似乎正是要打造一个“啥都会干的达芬奇”，成为我们身边的智能助理。
有了这样的AI助手，谁还在乎它是不是“貌美肤白”呢？
第二件事，Agent智能体到底有啥用？
咱们还是拿日常工作举个例子。比如你要写一个行业分析报告，以前的AI可能只会根据你的要求，给你写几段比较通用的话，其他具体数据、行业情况，都得你自己去查、去研究。但Agent智能体就不一样了，它能主动去网上找最新的数据、分析市场的趋势，甚至直接把这些资料整理成一份完整的报告发给你。你只需要告诉它：“给我写一份新能源市场分析报告”，剩下的事，它就能帮你一步步完成。
再往大了说，Agent智能体还能应用到很多具体的行业里去。
比如法律行业，Agent智能体已经开始辅助律师处理复杂的案情分析和文件审阅。原本可能需要律师团队花上好几天才能整理完的海量文件，智能体只要短短几个小时就能梳理完毕，然后给律师提供一个清晰的案件脉络，让他们把精力更多地用在决策和辩护策略上。
再比方说AI客服这块，现在已经有很多企业开始用Agent智能体来取代过去的人工客服了。它能自己分析客户提的问题，快速给出解决方案，甚至还能自动判断客户是不是生气了，需不需要赶紧找个人类客服接手处理一下。其实，我们AI学习圈之前也做过一门教你用通用智能体搭建AI客服助手的课程，名叫《如何用Coze搭建AI客服助手》，我把链接放在了文稿区，感兴趣的同学可以点开看看。
我再举个我们公司的例子。在得到，无论是新员工入职，还是内容从业人员的提升，还有每周的业务讨论会，其实都花费了大量的时间。但这些培训很多情况下都是单向的填鸭式教学，大家并不知道一起听的同事，谁真正听懂了。而现在，我们在Get笔记里把很多培训资料和案例变成了知识库。同事们有问题的话，可以先问问AI，八成问题都能直接通过AI解决。等到真正遇到疑难的业务问题时，再召集公司里的资深专家来一起讨论，这反而更能发挥有经验人士的力量。
其实不只是工作上，智能体还能帮我们处理很多日常琐事，比如说孩子要完成一个复杂的研究作业，你只需要告诉智能体具体要求，它就能帮孩子找到合适的学习资料，还会自动生成一份详细的教案。再比如说你突然要搬家，不知道怎么整理打包物品，它甚至还能直接给你列一个清晰的步骤清单，一步一步带着你完成。
总结起来，就是Agent智能体让AI真正具备了“替人办事”的能力。不管是在工作上还是生活上，它都能实打实地替你分担不少烦恼，让你把精力省下来，做点更重要的事儿。
第三件事，用上Agent智能体，对普通人的生活有啥影响？
首先最明显的变化，就是效率提高了。你想想看，以前很多事情需要你亲自动手花大量的时间去搞，现在有了智能体，很多任务你只需要动动嘴、敲敲键盘，AI就能替你把活干了。比如工作上写个复杂的策划案，以前可能要熬夜赶稿，现在你只要给Agent智能体一个明确的任务，它就会自己去查资料、梳理逻辑、整理出方案，甚至你还能指定风格，比如严肃正式一点，还是轻松有趣一点，它都能给你安排得妥妥当当。
其次，Agent智能体还会带来角色上的转变。过去在公司，你可能更像一个具体事务的执行者，每天要处理一堆琐碎的事情。但用了智能体以后，你的角色可能会更接近“管理者”或“决策者”，负责的是更高层次的任务分配和把控。简单说，你以前就像是工厂里生产线上的工人，自己动手干每一道工序；而现在，你更像个车间主任，只需要安排任务、监督质量就行了。
再进一步说，智能体也会对我们的学习方式带来不小的变化。比如，过去咱们学习新知识，得自己翻书查资料，花大量时间才能摸清一个领域的脉络。但现在，如果你想快速入门一个新领域，智能体就能迅速帮你整理好完整的知识体系和重点内容，让你快速抓住核心，大幅提高学习效率。
当然，任何新技术带来的变化，都有可能是一把双刃剑。Agent智能体帮我们节省了大量时间，但也有可能会让一些简单重复的工作逐渐消失，影响到一些岗位。不过，这事儿其实也不新鲜了，每一次科技进步都伴随着某些旧岗位的消失，同时也会创造出一些新岗位。比如，未来很可能会出现专门负责训练和管理智能体的人——智能体管理员，专门来确保AI完成任务时不出错。
再比如，AI虽然能替代一些简单机械的劳动，但人类特有的创造力、同理心、沟通协调能力等等，这些都是智能体短期内很难完全替代的。这也意味着，未来的就业市场可能会更倾向于那些能和智能体配合好、利用智能体提升自己工作效率的人。
说到底，面对Agent智能体对我们生活的冲击，最重要的其实是咱们要学会适应和使用它，而不是害怕或排斥它。我们要培养的，不光是如何操作这些智能工具，更重要的是学会去判断它们提供的信息，如何有效地使用这些智能工具去实现我们的目标。
当然了，为了让大家更好地了解Agent智能体，用上Agent智能体，我们AI学习圈之前也做过很多利用通用智能体来实现一些实际功能的课，除了我刚刚提到的搭建AI客服助手以外，还有定制发票识别小助手、搭建会议纪要助手、搭建新媒体图文助手、定制你的资讯日报助手等，都是能够在工作中能够实际用到的、提高效率的小工具。我把这些课程以及与Agent智能体相关的全部文章都放进了一个学习清单里，感兴趣的同学可以点击文稿区的链接，关注一下。
好，今天广播就到这里。关于Agent智能体的最新进展，我会持续在AI学习圈里跟进，如果你觉得有帮助，欢迎分享转发给你的朋友。
好，内容听完了。
在这里，再次向你推荐快刀青衣老师主理的AI学习圈。这并不是一门单一的课程，它更像是一所AI学院，里面有各式各样的AI教程，还有各行各业的高手来向你分享他们的使用经验。
同时主理人快刀青衣老师还会每天在这里向你分享AI领域的新进展、新方法以及新工具。
现在，在得到首页搜索“AI”，就能看到AI学习圈的订阅入口，推荐你现在加入。
好，以上就是今天的内容，得到精选，明天见。
English