写点什么

超越炒作:使用 Agentic AI 构建系统架构

作者:qife122
  • 2025-10-03
    福建
  • 本文字数:1274 字

    阅读完需:约 4 分钟

超越炒作:使用 Agentic AI 构建系统架构

摘要

专家小组探讨了使用 Agentic AI 构建系统的实践。他们分享了模式、反模式和用例,区分了 Agentic AI 与传统自动化的差异。学习如何管理这些分布式系统的复杂性和非确定性,实施防护措施,并从软件架构师转变为学习架构师,以在生产环境中实现信任和扩展。

专家介绍

Arun Joseph:Masaic Agentic Systems 联合创始人兼 CEO,曾在德国电信领导欧洲首批大规模 Agentic 系统之一。


Johannes Koch:FICO 首席架构师,专注于 Agentic AI 开发工作流,具有 CI/CD 背景。


Merrin Kurian:Intuit 杰出工程师,领导 AI Foundation 平台,为 Intuit 所有产品体验提供 AI 能力。


Tyler Jewell:Akka CEO,第四次创办开发者平台公司,专注于 Agentic AI 平台。

Agentic AI:炒作与现实

Jewell:虽然市场上有很多 Agentic AI 的原型和实验,但真正进入生产环境的企业项目仍然有限。企业面临三大挑战:


  • 复杂性:这些是需要编排代理、共享状态和流式数据的分布式系统

  • 非确定性导致的信任问题

  • 大量的隐性运营成本

传统 AI 与 Agentic AI 的区别

Joseph:传统自动化更像是执行引擎(RPA、工作流引擎),传统 AI 更多是预测机制。Agentic AI 填补了预测与实际执行之间的空白,形成了一个完整的循环。


Jewell:Agentic 系统应具备三个属性:


  1. 可定义的目标

  2. 防护栏和操作参数

  3. 适应能力(循环机制、强化学习反馈或实时数据流)

适合 Agentic AI 的问题场景

Kurian:处理非结构化数据(文本、语音、文档、图像)的场景非常适合 Agentic AI。在 Intuit,我们重新构想了用户体验,使其更加多模态原生。


Jewell:适用于动态未定义规则、基于角色的思考、结构化 schema 匹配以及规划目标追踪等场景。

信任与监控挑战

Jewell:建立可信 Agentic 系统需要六大支柱:


  1. 从治理开始:定义指标、策略和控制

  2. 稳定可靠的运行时和网络层

  3. 所有交互的可验证性

  4. 身份管理和最小权限授权

  5. 完整的追踪、监控和审计

  6. 持续适应能力


Kurian:从软件工程师向 AI 工程师转变的最大跨越是如何进行结构化、系统化的评估。这需要高质量的数据和持续的数据流水线。

集成现有系统的挑战

Kurian:在 Intuit 这样有 40 多年历史的公司中,集成面临巨大挑战。API 需要重新设计以支持 Agentic 使用,数据架构需要演进以提供 LLM 可理解的元数据。


Jewell:需要处理数据流水线、系统记录访问、A2A 协议模拟以及内存管理等多个集成场景。

初学者入门建议

Koch:对于 AWS 技术栈,可以从 Bedrock 代理开始,选择能够简化部署和托管的基础设施。


Jewell:建议从理解模型工作原理开始,逐步构建增强循环,最终形成代理框架。

保持系统持续相关性

Joseph:关键在于不要过度耦合任何特定框架,而是构建能够适应变化的平台 API。


Jewell:未来的标准将集中在可追溯性、评估、防护栏和通信协议上,而不是代理框架本身。

实践建议

专家们一致认为,构建 Agentic 系统需要从软件架构师转变为学习架构师,专注于定义目标、收集高质量数据、建立系统评估机制,并接受这是一个需要不同努力方向的硬工作过程。更多精彩内容 请关注我的个人公众号 公众号(办公 AI 智能小助手)对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)


公众号二维码


办公AI智能小助手


公众号二维码


网络安全技术点滴分享


用户头像

qife122

关注

还未添加个人签名 2021-05-19 加入

还未添加个人简介

评论

发布
暂无评论
超越炒作:使用Agentic AI构建系统架构_人工智能_qife122_InfoQ写作社区