1. 悟空的进化:AI智能体从神话到可落地的产品
1.1 筋斗云、毫毛与火眼金睛:用悟空理解Agent
“人工智能观察”这件事,最怕的就是被概念牵着鼻子跑。我最近越看越觉得,把悟空当成理解AI智能体(Agent)的参照物,比翻十篇论文都管用。
悟空的招牌本事是三样:筋斗云是移动能力,毫毛变猴子是并行分身,火眼金睛是感知与识别。今天的Agent,本质上也是这三样东西的数字化版本——工具调用对应“筋斗云”,模型可以同时处理多个子任务对应“毫毛”,多模态识别对应“火眼金睛”。你不必纠结Agent这个词有多高深,它就是一个能从大模型出发,主动感知环境、做出计划、调用工具、最终完成目标的程序。ChatGPT刚出来时是个“相談者”,你问一句它答一句;Agent则是“行者”,你说“帮我查一下这趟航班值不值得改签”,它会去查天气、查航班动态、查延误概率,然后把结论给你整理成一张表。
这个进化很关键。因为单纯聊天不产生商业价值,能替人干事的智能体才可能被企业付费。
1.2 AI客服的“三层问题”:提示词工程、RAG还是微调
刚才那种“AI客服到底是属于提示词工程、RAG检索,还是模型微调”的问题,我每周都会在社区里看到。这个问题问的人多,说明很多人没有把这几个技术层级在业务里的分工想清楚。
我的回答一向很直接:生产中90%以上的AI客服,是提示词工程加RAG检索的混合体,不会随便微调一个大模型。原因是成本的差距非常恐怖。提示词工程只是写一套复杂指令,不需要训练模型;RAG检索是把企业自己的知识库切块、向量化,用户提问时先把相关资料捞出来,再塞给大模型生成回答;而微调意味着要准备标注数据、要花GPU训练、要重新发布服务,一个小团队的客服机器人根本养不起。
但如果是垂直场景,比如医疗问诊里大量专业术语、地方方言语音交互、某套机密系统的操作指令,提示词怎么调都兜不住,这时候微调才有价值。所以我给团队定了一条朴素的规则:能用提示词解决的不用RAG,能用RAG解决的先别谈微调。技术选型的第一原则永远是成本,不是炫技。
1.3 Agent在现实中的三种形态:客服、知识库、智能车
讲了这么多抽象概念,看几个真实形态会更有体感。
第一种是对话式Agent,典型就是AI客服,也包括大家熟悉的贾维斯语音包这类“个人助理”。它们的核心都是对话管理加工具调用:用户说一句“我的订单还没到”,系统会先判断这是查询类意图,再调用订单系统接口,拿到物流信息,生成回答。这种Agent对延迟很敏感,一般会在意图识别不明确时配置人工兜底,避免机器人反复绕圈子。
第二种是企业知识库问答,这也是目前最接地气的应用。把几十本手册、几百份合同做成向量索引,员工提问时进行语义检索,再把命中的片段交给大模型生成答案。它的实现成本低、效果直观,很多大公司内部落地时都先从这里切进去。
第三种来自竞赛现场,比如全国智能车总决赛的“完全模型”组别。那已经不是纯语言智能体,而是视觉感知与控制一体化的Agent:摄像头拍下赛道图像,感知模型判断车道和障碍物,决策模块给出转向和速度指令。这个形态一旦跑起来,你会发现Agent和机器人之间的边界正在变模糊。它同样有“感知-规划-行动”的闭环,只不过手和脚变成了电机。
1.4 调好一个Agent的实战经验:我踩过的工具调用坑
说到踩坑,我记忆最深的一次是在做一个订单客服Agent。当时给模型挂了五个工具:查询物流、修改地址、申
