写点什么

彩讯做客 InfoQ 直播间:AI 原生思想驱动 Agent 平台开发

  • 2025-07-21
    北京
  • 本文字数:1363 字

    阅读完需:约 4 分钟

彩讯做客InfoQ直播间:AI原生思想驱动Agent平台开发

7 月 15 日,彩讯股份 AI 产研部总经理邹盼湘应邀做客 InfoQ 极客有约栏目,与腾讯云、商汤科技技术专家一道探讨当下 Agent 落地应用实况。

 

会上探讨了什么行业最需要 Agent,RAG、分布式推理、强化学习在 Agent 构建中的作用,多智能体系统中规划驱动与自治驱动选择等多个当下行业热点问题。


以下是彩讯经验分享:

 

01Agent 与传统 IT 服务有什么本质区别?

传统 IT 系统是工具,而 Agent 则是伙伴。人可以和 Agent 一起商量做事,甚至在理想状态下,Agent 可以无需在人干预的情况下来自主感知,并做好任务规划和执行。

 

02哪些行业最迫切的需要 Agent?

·       企业知识库:Agent 帮助企业提升知识获取效率,保护企业知识传承,提升组织智慧,增强跨部门协作质量。

·       AI 客服:基于 Agent 的新一代智能客服,能够很大程度上解决用户提出的复杂问题,明确用户真实意图,同时挖掘用户潜在需求。

·       AI BI:重构数据库建设、数据查找、数据分析的过程,让人人都成为数据分析师,快速释放数据价值,精准预测和指导生产,合理分配公司资源。

 

03workflow 智能体和自主规划智能体分别适用于哪些场景?

Workflow 适合业务场景边界比较清晰的情况,而自主规划则需要自己去做思考,是智能体泛化和灵活性的体现。在很多场景下,二者的关系是融合的。Workflow 可以当成工具去给到自主规划智能体去做调度,一方面保证明确场景或对流程要求比较高场景能够尽量可控可观测,另一方面能够通过自主规划能力来提升智能体的上限。

 

04RAG、分布式推理、强化学习在 Agent 中分别起到什么作用?

·       RAG:在构建智能体过程中,RAG 从本地知识库做检索召回,也可以通过互联网信息等多源渠道进行知识汇聚,来更好的支撑 Agent 做决策,提升推理模型在特定领域的智力表现。

·       分布式推理:多智能体需要用到分布式推理策略,提升响应性能和并发量。同时,分布式推理可以将复杂问题分解成相对独立子问题,提高系统可扩展性和可维护性。

·       强化学习:强化学习作为一种新的训练范式,用来作为现有数据集用尽的一种解决办法,同时也更加匹配智能体以任务目标为导向的训练目的,去优化其决策结果。

 

05多智能体规划驱动与自治驱动两种模式,各有哪些优势和挑战?

从目前的应用场景来说,规划驱动多智能体更加合适,它拥有一个主智能体来做任务接收分发,来使任务场景变得更加清晰,一定程度上避免算力过度消耗和安全漏洞问题。但从未来技术发展角度讲,自治驱动带来的互相沟通模式,能够极大提升智能体的创造力,没有主智能体限制任务边界,能够激发多智能体的深层潜力。

 

06当前是否已有多模态输入、RAG 与外部工具调用融合的统一架构或行业标准?

多整体或智能体与工具之间开始已经朝着标准化去演进,例如 MCP 协议在前段时间比较火。但就智能体本身而言,还是存在着场景、业务、流程之间的差异,所以目前更多的是大方向上尝试去做统一,但在具体技术路径上很难做到统一。同时也要兼顾到传统的业务系统,还是要在原有系统的基础上做升级改造。

 

07构建可复用、易扩展的 Agent 平台时,有哪些核心设计原则?

不管是数据层面,数据治理层面还是 AI 应用构建层面,多从 AI 原生应用的角度去思考。从开源框架来看,大家可以去用市面上比较火的框架,但不要被某一个框架限制,而更多的是围绕我们的目标、我们的技术路线去做开发。

用户头像

还未添加个人签名 2025-01-19 加入

彩讯股份创始于2004年,专注于企业数智化转型赛道,致力于成为一流的智能数字化专家。

评论

发布
暂无评论
彩讯做客InfoQ直播间:AI原生思想驱动Agent平台开发_彩讯股份300634_InfoQ写作社区