文：王智遠(yuǎn)

關(guān)于ChatGPT做搜索的新聞，我一直挺感興趣。

上個(gè)月25號(hào)，OpenAI在當(dāng)?shù)赝瞥隽艘粋€(gè)新產(chǎn)品，名叫“SearchGPT”。官方說(shuō)，產(chǎn)品能給用戶提供帶鏈接的搜索結(jié)果，用戶還可以繼續(xù)問(wèn)問(wèn)題，系統(tǒng)會(huì)根據(jù)上下文給出回答。

我看到消息后，馬上申請(qǐng)內(nèi)測(cè)。但一個(gè)月過(guò)去，官方還沒(méi)給我權(quán)限；現(xiàn)在網(wǎng)上辦法多。我就通過(guò)特殊朋友渠道，弄到了一個(gè)測(cè)試賬號(hào)，體驗(yàn)了一把。

體驗(yàn)之后什么感覺(jué)呢？

一句話總結(jié)即：perplexity AI解決不了的問(wèn)題，SearchGPT也解決不了。

比如：AI幻覺(jué)。一千個(gè)觀眾有一千個(gè)哈姆雷特，不同的人看同一信息可能得出不同的結(jié)論。就算是同一個(gè)人，今天看到的東西和明天可能理解也會(huì)有所不同。

這就像AI面對(duì)復(fù)雜、多變的人類思維一樣，如果AI不能真正地“站在你的角度”去理解問(wèn)題，感受你的感受，那它很難獨(dú)立地給出人們真正想要的答案。

因此，除非AI能達(dá)到這樣高級(jí)的理解和適應(yīng)能力，不然，AI永遠(yuǎn)無(wú)法避開(kāi)幻覺(jué)問(wèn)題。所以，怎么辦呢？

01

來(lái)看看另一個(gè)新聞：

不久前，Twitter上有個(gè)名叫@iruletheworldmo的用戶頻繁爆料，談到Project Strawberry（草莓計(jì)劃），這是OpenAI的一個(gè)項(xiàng)目，以前叫Q-Star。

這個(gè)計(jì)劃目標(biāo)是讓AI變得更聰明，更能自主。簡(jiǎn)單來(lái)說(shuō)，他們希望訓(xùn)練出來(lái)的AI能自己處理很多事，不太要人來(lái)監(jiān)督。

這意味著，AI將能自己搜索信息，深入研究問(wèn)題，甚至自己創(chuàng)造數(shù)據(jù)，這樣就能減少對(duì)人類的依賴。也就是說(shuō)，AI可能會(huì)變得更像人，更會(huì)思考。

這條推文引起了不少人的關(guān)注，大家都在猜到底是不是OpenAI內(nèi)部信息，但還沒(méi)等到官方回復(fù)，就有人跳出來(lái)了，這人叫Div Garg，是MultiOn公司的創(chuàng)始人。

他說(shuō)：

OpenAI的“Q”還沒(méi)正式出來(lái)，但我們已經(jīng)推出了一個(gè)新的智能體，叫“Agent Q”，并且邀請(qǐng)大家來(lái)試試，很多人懷疑他在利用OpenAI的秘密項(xiàng)目來(lái)做廣告。

我查了查，發(fā)現(xiàn)MultiOn這家公司確實(shí)在2023年接受了OpenAI、DeepMind等公司、高管個(gè)人的投資；所以，讓人不禁猜想，OpenAI做的搜索項(xiàng)目，和他們到底有沒(méi)有關(guān)系？

好吧。姑且，不論這事，來(lái)看看MultiOn這家公司。

MultiOn專門(mén)做AI智能體，目標(biāo)是，通過(guò)智能體幫助人們完成日常任務(wù)，比如：網(wǎng)頁(yè)瀏覽、網(wǎng)購(gòu)和郵件處理，他們希望構(gòu)建一個(gè)能在數(shù)字世界里，能自主完成復(fù)雜任務(wù)的AI系統(tǒng)。

這么一看，兩者之間確實(shí)有些相似。相似在哪呢？

我們換個(gè)角度：

請(qǐng)問(wèn)，你解決不了AI搜索幻覺(jué)的問(wèn)題，還要不要解決？作為普通人的我們當(dāng)然覺(jué)得，要。必須解決。其實(shí)，單一視角往往會(huì)限制我們。

系統(tǒng)科學(xué)家羅素·艾可夫(Russell L. Ackoff)，在作品《問(wèn)題解決的藝術(shù)》中提到：

復(fù)雜問(wèn)題往往源于問(wèn)題定義本身，如果能夠以新的視角、新框架重新定義問(wèn)題，有時(shí)能發(fā)現(xiàn)原本看似復(fù)雜的問(wèn)題，其實(shí)有更簡(jiǎn)單的解決之道，或者，原本的問(wèn)題根本就不需要以傳統(tǒng)的方式解決。

也就是說(shuō)：解決一個(gè)復(fù)雜問(wèn)題，最好的辦法是，繞開(kāi)把它轉(zhuǎn)成一個(gè)非問(wèn)題。

舉個(gè)通俗的例子：

想象一下，你家廚房每次做完飯都一團(tuán)糟。通常，你可能會(huì)選擇在烹飪后進(jìn)行一次大掃除，這樣雖然能清理干凈，但每次要花費(fèi)大量時(shí)間和精力。

如果你換一個(gè)角度來(lái)看就不一樣了。類似，重新組織廚房物品，把常用的廚具、調(diào)料放在容易拿到的地方，不常用的東西則收好。

改進(jìn)烹飪流程，做飯時(shí)，邊做邊清洗用過(guò)的器具，甚至，在操作臺(tái)上放一個(gè)垃圾桶，用于臨時(shí)收集廚余和垃圾。

這樣，是不是做飯過(guò)程中就能持續(xù)保持廚房整潔了？這就是，非問(wèn)題化；重新定義問(wèn)題和調(diào)整處理方式，使原本要解決的問(wèn)題變得不再是問(wèn)題。

02

那么，這和搜索與智能體之間有什么關(guān)系呢？來(lái)看看，OpenAI首席執(zhí)行官Sam Altman在2024年4月25日斯坦福大學(xué)的演講。

他說(shuō)，AI實(shí)現(xiàn)通用人工智能（AGI）要經(jīng)過(guò)五個(gè)階段：

一級(jí)：能夠進(jìn)行對(duì)話交互的人工智能； 二級(jí)：系統(tǒng)能夠解決博士級(jí)別的問(wèn)題。三級(jí)：系統(tǒng)能夠代表用戶工作幾天；四級(jí)：人工智能能夠開(kāi)發(fā)創(chuàng)新。五級(jí)：人工智能系統(tǒng)可以執(zhí)行組織的工作。

他并指出，目前OpenAI處于第一級(jí)，接近第二級(jí)。

考慮到進(jìn)展，請(qǐng)思考一下，這樣一個(gè)AI行業(yè)巨頭，如何從當(dāng)前階段過(guò)渡到更高級(jí)階段，比如“三級(jí)或四級(jí)，或者說(shuō)，如何讓弱人工智能到強(qiáng)人工智能？讓技術(shù)更能滿足每個(gè)用戶第一場(chǎng)景使用情況？

答案很明顯：AI智能體。

因?yàn)?，智能體是過(guò)度解決問(wèn)題的最好辦法。想象一下，在理想狀態(tài)下，面對(duì)億萬(wàn)用戶時(shí)，如果能夠展示數(shù)千萬(wàn)個(gè)AI解決方案，來(lái)幫助大家解決各種問(wèn)題，那么，無(wú)疑是最有效的。

畢竟，每個(gè)人都能找到符合自己需求的解決方案，極大提到了解決問(wèn)題的效率和質(zhì)量。

為什么是智能體？

昨天，一個(gè)朋友抱怨說(shuō)，買房后要還貸款，未來(lái)幾十年每月都要還幾千塊錢；他讓我?guī)兔λ阋凰悖侥壳盀橹?，他一共還了多少本金和利息，如果他想提前還款，根據(jù)現(xiàn)在的政策，可以節(jié)省多少錢。

這種復(fù)雜的問(wèn)題我怎么能解決？于是，我把它給了豆包。

我先描述基本情況，讓豆包記住，然后，再把其他想法和訴求告訴它。大概幾十輪的對(duì)話后，豆包幫我詳細(xì)計(jì)算了出來(lái)，并生成一份大約600字的詳細(xì)分析報(bào)告。

這份報(bào)告包括了完整的背景信息、我的具體訴求、計(jì)算過(guò)程和對(duì)比分析等。

你用過(guò)豆包，或者其他可以和AI對(duì)話的工具么？不知道你有沒(méi)有發(fā)現(xiàn)，現(xiàn)在此類對(duì)話工具，連續(xù)上下文邏輯能力變強(qiáng)了。

我再說(shuō)一個(gè)貼身經(jīng)歷：

最近幾天，經(jīng)常接到一些奇怪的電話，涉及內(nèi)容如貸款、房產(chǎn)購(gòu)買、京東優(yōu)惠等。

這些電話中，上來(lái)就問(wèn)需要、不需要、行或者不行。我發(fā)現(xiàn)，對(duì)方語(yǔ)氣很像真人，但當(dāng)我給出它們?cè)O(shè)定范圍以外的問(wèn)題時(shí)，它無(wú)法回答了。

這說(shuō)明，智能體已經(jīng)在不知不覺(jué)中融入了日常生活，它們，能夠在特定的環(huán)境中模仿人類的互動(dòng)方式。

所以，一個(gè)完整智能體，能夠充分與環(huán)境互動(dòng)，這包括智能體自身和它所處的環(huán)境兩個(gè)部分；就像人類在物理世界中的行為一樣，智能體在其“外部環(huán)境”中也能執(zhí)行任務(wù)。

說(shuō)白了，我可以與它交互，也能設(shè)定好指令，界定范圍，讓它幫我完成目標(biāo)。

對(duì)比下來(lái)，是不是不難看出，智能體無(wú)疑是繞過(guò)AI搜索中幻覺(jué)問(wèn)題、并成功商用的有效方式之一？

為什么這么說(shuō)？

你想想看，考慮傳統(tǒng)AI搜索和提問(wèn)時(shí)，AI搜索直接給出答案，這種答案比較扁平化，不具備連貫性。換言之，你提出一個(gè)問(wèn)題，AI直接給你一個(gè)結(jié)論，結(jié)論會(huì)引用來(lái)自多個(gè)信息源的數(shù)據(jù)。就結(jié)束了。

智能體工作方式不同。

它不僅對(duì)單一問(wèn)題做出反應(yīng)，還會(huì)引入外部信息，在一連串多輪問(wèn)答中，會(huì)反復(fù)接受來(lái)自你的信號(hào)，通過(guò)這種互動(dòng)，它更能理解你的訴求。

在解決問(wèn)題之后，它能生成一篇簡(jiǎn)短的文章、總結(jié)方案，把整個(gè)互動(dòng)過(guò)程指標(biāo)串聯(lián)在一起；很明顯，智能體不是一個(gè)簡(jiǎn)單的AI提問(wèn)、總結(jié)工具，是一個(gè)完全符合每個(gè)人需求的系統(tǒng)。

因此，智能體能完美繞過(guò)AI幻覺(jué)，畢竟過(guò)程中，你不滿意時(shí)，能一次次糾正它的錯(cuò)誤。

03

縱觀國(guó)內(nèi)市場(chǎng)，目前誰(shuí)在做智能體呢？我查閱了一下，據(jù)說(shuō)有超過(guò)4500家，比如：大家耳熟能詳?shù)陌俣?、科大訊飛、云從科技、字節(jié)跳動(dòng)和騰訊等。

所以，誰(shuí)在做智能體，這個(gè)問(wèn)題不好解答。與其這樣，不如換種思考方式：智能體類型有哪些？我們通過(guò)類型看各家所在的生態(tài)位。

我盤(pán)點(diǎn)結(jié)果是：

智能體（Agent）平臺(tái)大體上分為兩類：一類基于知識(shí)庫(kù)和數(shù)據(jù)庫(kù)的。就像聊天機(jī)器人（Chatbot）這種簡(jiǎn)單的平臺(tái)；另一類是用來(lái)解決更復(fù)雜問(wèn)題的。這種平臺(tái)有多工作流編排的能力，比較高級(jí)。

國(guó)外Orkes Conductor、ControlFlow by Team Prefect、和 Flyte等平臺(tái)，就是專為復(fù)雜工作流和數(shù)據(jù)處理設(shè)計(jì)的。

這些平臺(tái)主要用戶包括數(shù)據(jù)科學(xué)家、工程師、開(kāi)發(fā)者，他們用平臺(tái)來(lái)建立和優(yōu)化復(fù)雜的工作流程，提高數(shù)據(jù)處理的效率和自動(dòng)化水平。

國(guó)內(nèi)也有類似的平臺(tái)。像扣子Coze、百度智能云的千帆AgentBuilder、科大訊飛的星火智能體平臺(tái)，還有騰訊的元?dú)夂桶⒗镌频腁gentScope等。

他們利用大模型搭建 AI 原生應(yīng)用工作臺(tái)，給開(kāi)發(fā)者提供 RAG、Agent、GBI 等應(yīng)用框架，賦能他們開(kāi)發(fā)出來(lái)文生文、對(duì)話、文生表等垂直應(yīng)用，以幫助企業(yè)和個(gè)人解決問(wèn)題。

我根據(jù)對(duì)象、流程和代碼復(fù)雜程度，把它細(xì)分成三類：

• 面向公眾和非開(kāi)發(fā)人員

• 面向開(kāi)發(fā)者的平臺(tái)

• 企業(yè)級(jí)開(kāi)發(fā)平臺(tái)

第一種，主要偏向低代碼平臺(tái)，不要你懂太多編程。

像GPTs這樣的工具，提供很標(biāo)準(zhǔn)的操作界面和流程，主要用來(lái)做基于知識(shí)庫(kù)的聊天機(jī)器人。給你一個(gè)模板，你按步驟填信息就行，不用自己調(diào)整太多東西。

字節(jié)跳動(dòng)的扣子（國(guó)內(nèi)版），就是被設(shè)計(jì)來(lái)幫助人們輕松創(chuàng)建下一代的AI聊天機(jī)器人。

第二種平臺(tái)功能更強(qiáng)大，可以讓開(kāi)發(fā)者用各種API、第三方庫(kù)，還能自己編寫(xiě)代碼和調(diào)整參數(shù)，來(lái)精細(xì)控制智能體的行為。

Coze海外版很受歡迎，它的功能全面，支持很多高級(jí)操作。像百度、阿里和亞馬遜也提供這樣的平臺(tái)，讓開(kāi)發(fā)者可以用各種AI模型來(lái)做更復(fù)雜的應(yīng)用。

企業(yè)開(kāi)發(fā)平臺(tái)，專為企業(yè)設(shè)計(jì)，重點(diǎn)是幫助企業(yè)自動(dòng)化他們的工作流程。

比如：

實(shí)在智能的TARS-RPA-Agent和壹沓科技的“數(shù)字員工團(tuán)隊(duì)”CubeAgent，它們是用來(lái)自動(dòng)化企業(yè)日常操作的。

還有國(guó)外的Torq和國(guó)內(nèi)瀾碼科技的AskXbot平臺(tái)，也提供了大模型結(jié)合企業(yè)知識(shí)庫(kù)的解決方案，幫助企業(yè)自動(dòng)化處理更多復(fù)雜任務(wù)。

三種類型各有千秋，這么說(shuō)，是不是更清楚一些？那么，站在AI搜索和智能體中間來(lái)看，智能體屬于那種呢？

04‍

解答該問(wèn)題，不妨站在行業(yè)結(jié)構(gòu)視角看。我盤(pán)了一下，智能體（Agent）行業(yè)結(jié)構(gòu)有四層，分別為：基礎(chǔ)工具層、運(yùn)營(yíng)平臺(tái)層、開(kāi)發(fā)工具層，以及服務(wù)與培訓(xùn)平臺(tái)層。

組件是做智能體必不可少的基礎(chǔ)。有各種智能模塊、記憶模塊，比如語(yǔ)言模型、數(shù)據(jù)庫(kù)，還有一些安全工具和通信工具，就像蓋房子的磚塊和水泥。

運(yùn)營(yíng)層，包括制作Agent組件的廠商和各種運(yùn)營(yíng)集成平臺(tái)。如GitHub這樣的Agent框架發(fā)布平臺(tái)，它們提供必要的環(huán)境和服務(wù)，支持智能體運(yùn)行。

開(kāi)發(fā)層相對(duì)容易理解了。

像Agent工具集成平臺(tái)AgentLego、或提供專屬云環(huán)境及沙盒環(huán)境的平臺(tái)等，它們使開(kāi)發(fā)者能夠構(gòu)建、測(cè)試和部署智能體。

值得一提的是，像NexusGPT、Relevance AI等平臺(tái)，它們提供數(shù)字員工Agent的訓(xùn)練服務(wù)，目的幫助企業(yè)把智能體整合進(jìn)現(xiàn)有的工作流程中，或者幫助個(gè)人創(chuàng)建能自動(dòng)完成任務(wù)的AI團(tuán)隊(duì)，這反而是目前很多企業(yè)剛需。

國(guó)內(nèi)也有類似的公司。例如：

金柚網(wǎng)的梧桐數(shù)字員工、壹沓科技的數(shù)字員工平臺(tái)1Data Agent，以及實(shí)在智能的RPA Agent。

這些平臺(tái)的特點(diǎn)是允許用戶通過(guò)聊天，輕松與智能體互動(dòng)，管理和優(yōu)化各種業(yè)務(wù)流程，使智能體理解和執(zhí)行復(fù)雜任務(wù)，讓日常更高效。

不論怎么說(shuō)，從短期發(fā)展看，智能體要解決兩個(gè)問(wèn)題：

一，豐富通用工作流和場(chǎng)景工作流，類似于AI搜索下的大搜，還要在處理數(shù)據(jù)訓(xùn)練、多輪對(duì)話的準(zhǔn)確性上下功夫。

二，讓智能體成為知識(shí)專家，形成可持續(xù)的服務(wù)能力。有點(diǎn)像針對(duì)特定領(lǐng)域進(jìn)行深入挖掘。

比如，假設(shè)我是做消費(fèi)品營(yíng)銷的，如果有一個(gè)專門(mén)的智能體，它學(xué)了很多關(guān)于社交媒體趨勢(shì)、消費(fèi)者行為的知識(shí)，那么，它就能真正幫到業(yè)務(wù)。

當(dāng)然，智能體在其他行業(yè)也在不斷爆發(fā)，像游戲，金融、醫(yī)療等，總體上說(shuō)，基于LLM的能力，下一步基礎(chǔ)智能體必將是繞不開(kāi)的一步。

總結(jié)

讓它光思考，遠(yuǎn)遠(yuǎn)不夠。

想實(shí)現(xiàn)真正全面AGI，得把對(duì)話模型變成基本智能體，讓它參與到實(shí)際使用中去；就像人們常說(shuō)的，從實(shí)踐中來(lái)，到實(shí)踐中去一樣。

所以，AI生成避免不了幻覺(jué)，但智能體的輪番交互，可以微調(diào)，可以解決具體問(wèn)題，至少，使用場(chǎng)景下，這是閉環(huán)的正向反饋動(dòng)作。