單位網(wǎng)站源碼,服飾 企業(yè) 網(wǎng)站建設(shè),企業(yè)網(wǎng)站排名提升軟件智能優(yōu)化,這樣制作公司網(wǎng)站毋庸置疑#xff01;2025年title屬于「Agent元年」。 要說Agent這把火#xff0c;一直從年初燒到了年末—— 先是Manus#xff0c;再到最近的豆包手機……Agent已然成為全行業(yè)的關(guān)注焦點。 而回顧這一年#xff0c;也是Agent從技術(shù)萌芽#xff0c;走向工程化落地的關(guān)鍵…毋庸置疑2025年title屬于「Agent元年」。要說Agent這把火一直從年初燒到了年末——先是Manus再到最近的豆包手機……Agent已然成為全行業(yè)的關(guān)注焦點。而回顧這一年也是Agent從技術(shù)萌芽走向工程化落地的關(guān)鍵一年。于是乎量子位趁熱打鐵攢了場局邀請來兩位行業(yè)大拿——Dify開源生態(tài)負(fù)責(zé)人鄭立和騰訊云云原生產(chǎn)品副總經(jīng)理于廣游做客聊一聊他們眼里Agent落地過程中的挑戰(zhàn)、機遇和未來從年初硅谷的宏大敘事Agent正走向充滿煙火氣的務(wù)實。行業(yè)之所以認(rèn)可Agent在于它真的在做事。Agent真正落地需要確定性的工程方法才能駕馭一個不確定性的復(fù)雜系統(tǒng)。Agent Infra解決企業(yè)的偶然復(fù)雜度問題而非本質(zhì)復(fù)雜度。對于中小公司或個人開發(fā)者最大的門檻是缺乏勇氣。兩位嘉賓還給出了一個高度一致的判斷在智能體落地過程中Agent Infra是關(guān)鍵一環(huán)。下面一起跟隨量子位的視角看看他們具體都說了些什么知識密度之高不要輕易眨眼?；仡橝gent元年技術(shù)走向工程落地量子位那我們今天先從Agent這個概念聊起吧。今年也要結(jié)束了那站在年末二位對這一年Agent的整體發(fā)展有什么印象和總結(jié)于廣游我今年對Agent的最主要看法還是今年Agent已經(jīng)從技術(shù)萌芽期走到了真正工程性落地的階段。我個人看到有三種比較標(biāo)志性的實踐面向企業(yè)內(nèi)部的Agent首先是像咱們Dify這類產(chǎn)品通過確定性去駕馭不確定性從而實實在在地幫助企業(yè)內(nèi)部提效。面向大眾的Agent那再比如說Manus和豆包它倆通過新的交互形態(tài)點燃用戶對Agent的想象力。新范式Agent而像Claude Code這樣的產(chǎn)品能夠通過Agent RL和工具調(diào)用拓寬Agent自身能力范圍。至于我個人印象比較深刻的應(yīng)用其實還是AI代碼工具。我覺得一方面它不再只解決代碼問題它也正在成為Agent連接現(xiàn)實世界的通用接口。第二個點是AI代碼工具切實改變了原先的軟件工程范式然后在我們內(nèi)部我們也做了大量的從AI Coding到AISEAI Software Engineer的調(diào)整包括研發(fā)模式、組織管理、角色職責(zé)等。鄭立其實這一年Agent發(fā)展吧我能感受到就是大傳統(tǒng)和小傳統(tǒng)之間的鮮明張力。大傳統(tǒng)其實就比如說來自硅谷那些的宏大敘事他們會許諾用全自動智能體取代白領(lǐng)邏輯完美但實際落地的時候會有些水土不服。那從小傳統(tǒng)來看會充滿一些煙火氣比如我看到義烏商家使用AI自動回復(fù)客戶還有比如獨立開發(fā)者會用工作流進(jìn)行代碼評審。總結(jié)起來這是蠻有趣味的一年然后也是在走向務(wù)實。年初的時候一個簡單的Demo就能吸引資本市場可以類比“立法階段”那年末其實我們就會類似進(jìn)入到“司法階段”開始處理具體的、瑣碎的執(zhí)行層面問題。這不是線性的進(jìn)步更多像是根莖狀的蔓延。那我們也看到秩序的逐步建立并非來自基座模型的升級更多時候來自于那些“膠水”——如產(chǎn)品工程、提示詞工程、RAG、Pipeline和工具使用等技術(shù)手段雖然它們不夠優(yōu)雅但確實能夠有效地去維持我們數(shù)字社會的運轉(zhuǎn)。量子位確實就像兩位所說可能年初的時候大家還是會被Demo驚艷年末就到了更工程化的階段。其實以我們科技媒體的視角來看這個進(jìn)程非?？臁Ｖ悄荏w為什么會這么快成為行業(yè)共識呢于廣游我覺得首先還是它能夠真正做到解決問題。過去生產(chǎn)力的發(fā)展本質(zhì)上都是在延伸人類的手和腳但實際我們工作中確實也存在大量無法通過精確語言或編程描述的內(nèi)容需要Agent來解決。然后其次就是我們在落地過程中對工程方法的探索。今年有一系列工程方法快速成型包括Agent Infra、Agent Runtime、不同的Agent架構(gòu)范式、內(nèi)容工程這些技術(shù)幫助Agent實現(xiàn)了真正落地。鄭立其實我感覺也差不多不過在我看來共識其實是資本在尋求新的組織方式。因為在我看來互聯(lián)網(wǎng)時代的紅利已經(jīng)被吃干抹凈了App的邊際效用也在遞減。但是Agent承諾的是交互成本的一種坍塌其實能看到權(quán)力從指令式計算到異度式計算的轉(zhuǎn)移。量子位其實剛才兩位也談到了今年有一些關(guān)鍵詞都是在變化的比如可能以前講AI Infra現(xiàn)在說Agent Infra。Agent落地與AI落地之間存在哪些區(qū)別以及是否存在工作流的變化和對Infra需求的差異。鄭立其實我覺得這個范式轉(zhuǎn)移還是很明顯的我們從傳統(tǒng)的那種if/else的邏輯判斷轉(zhuǎn)向到Agent的概率性目標(biāo)規(guī)劃。放在過去機器必須執(zhí)行下一行代碼現(xiàn)在我們開發(fā)者更像是老師這種角色通過Prompt、RAG和原則給予模型自由處理的空間。區(qū)別還是在于新增了很多不確定性比如傳統(tǒng)軟件工程中Bug就是對規(guī)則的違反而放到Agent工程里失敗其實是對我們意圖的誤解或概率上的漂移。我們沒辦法再像修Bug一樣修復(fù)它而是需要像教育孩子一樣去約束或者說服Agent。這不僅僅是工作流的變化還有交付物的變化比如說以前是確定的功能那現(xiàn)在我們交付的就是一種概率性的能力你沒有辦法明確定義它是否正確。于廣游對我感覺不確定性非常關(guān)鍵。我們團隊內(nèi)部觀察到的是Agent是不確定性的復(fù)雜系統(tǒng)。那首先Agent的效果通常是由七八個不同因素構(gòu)成*模型本身、架構(gòu)范式、Prompt、Content、工具選擇和參數(shù)等*。這些子部件彼此之間又相互影響我們很難明確它們的關(guān)系所以Agent是一個復(fù)雜系統(tǒng)。其次對于同一個問題你在不同時刻輸入Agent的輸出它也是不一樣的咱們稱之為不確定性。那與之相反的就是傳統(tǒng)的微服務(wù)系統(tǒng)。所以我認(rèn)為工程師的工作方式必須進(jìn)行這兩點思維轉(zhuǎn)變1、從工程思維轉(zhuǎn)向科學(xué)實驗思維我們不能再僅僅依賴預(yù)先規(guī)劃而是要去建立一個評測體系把里面環(huán)環(huán)相扣的復(fù)雜系統(tǒng)分解為單獨的子系統(tǒng)然后通過控制變量的方式在科學(xué)實驗中一步步駕馭Agent。2、從Day One思維轉(zhuǎn)向Day Two思維我覺得我們對AI開發(fā)的思維也需要轉(zhuǎn)變過去Day One就代表代碼已經(jīng)上線給用戶提供服務(wù)下一步怎么優(yōu)化看用戶的需要現(xiàn)在Day One只能夠代表Agent能運行效果的持續(xù)優(yōu)化也就是Day Two才是真正的開始。所以我覺得Agent落地不僅僅是靠幾個巧妙的范式我們需要循序漸進(jìn)通過確定性的工程方法才能駕馭一個不確定性的復(fù)雜系統(tǒng)而這將帶來Infra的重塑。智能體落地Agent Infra是關(guān)鍵一環(huán)量子位于老師剛剛也提到了整個工具的重塑。那從Infra角度來說能詳細(xì)講一下騰訊云為加速Agent落地提供了哪些支持嗎于廣游我剛剛說Agent的本質(zhì)是不確定性的復(fù)雜系統(tǒng)那它在上線過程中我們首先要解決的最大問題其實是自主運行帶來的破壞性風(fēng)險。所以我們團隊選擇從后往前解決。先解決Agent安全問題我們在Agent Infra上推出了Agent安全沙箱給Agent提供了一個獨立的執(zhí)行環(huán)境。然后我們再駕馭Agent的不確定性和復(fù)雜性為此我們會提供一系列的可觀測性工具以及評估工具。再進(jìn)一步我們就要進(jìn)行效果的提升對Agent的記憶和學(xué)習(xí)能力進(jìn)行優(yōu)化比如元寶就已經(jīng)進(jìn)入了這一階段。在積累相關(guān)經(jīng)驗后我們也會提供相應(yīng)的服務(wù)。量子位那包括您剛剛提到的Agent Runtime、安全沙箱這類Infra產(chǎn)品和我們這些Agent平臺之間有什么關(guān)系呢以及騰訊Infra當(dāng)前在關(guān)注什么于廣游首先我們要厘清一個概念——Agent Infra到底是什么我們可以先把企業(yè)問題劃分為本質(zhì)復(fù)雜度和偶然復(fù)雜度兩種前者是必須要解決的問題后者會隨著工具和方法選擇存在一定的偶然性。所以我覺得Infra層其實就是解決企業(yè)在問題處理過程中遇到的偶然復(fù)雜問題但是這個問題是沒有定下來的對于不同的場景要面臨的偶然復(fù)雜度完全不同具體要解決什么問題也要視情況而定。不過無論解決什么問題這里都有一個共性問題這也是我們團隊現(xiàn)在做的就是去構(gòu)建偶然復(fù)雜度問題的最大公共子集包括安全、執(zhí)行環(huán)境、工具、記憶和觀測。而這些問題或多或少都有解決方案其中我們認(rèn)為最突出的一個問題就是Agent的自主運行。所以我們團隊做的安全沙箱并不是簡單的隔離環(huán)境而是一個多層次、全鏈路的Agent運行安全體系。量子位那鄭老師這邊您在提供Agent Runtime這類底層組件時Dify是更傾向于自研還是說使用第三方產(chǎn)品以及您對Agent Infra開閉源有什么看法嗎鄭立我們本身的話核心模塊還是選擇自研我們覺得如果這些使用第三方組件勢必會導(dǎo)致核心組件不可控、給用戶的服務(wù)質(zhì)量無法保證而其它的我們也會選擇一些合適的開閉源方案。然后開源這件事我們是這樣認(rèn)為的AI時代基礎(chǔ)模型可以是黑箱但I(xiàn)nfra必須是白箱因為開發(fā)者需要看到底層代碼想了解Agent行為邏輯。而且我們觀察到對于初創(chuàng)公司和創(chuàng)新者他們會選擇開源因為這里有一種低成本和靈活性。相反那些大企業(yè)則更加傾向于選擇開源的商業(yè)版本或閉源版本因為閉源實則是給大企業(yè)提供了責(zé)任轉(zhuǎn)移與兜底服務(wù)。量子位于老師根據(jù)您這邊接觸用戶的經(jīng)驗來看他們在選擇Agent Infra產(chǎn)品時一般會比較關(guān)注哪些要素于廣游我覺得首先對核心的業(yè)務(wù)邏輯層我看到用戶還是在意它是不是開源的因為這樣他們就可以圍繞自己的業(yè)務(wù)進(jìn)行任意修改也會更透明更可控。那具體到Infra層上用戶更在意體驗是否極致、能否降低開發(fā)成本。在用戶使用時用戶就更在意Agent的穩(wěn)定性和效率那么在這種情況下我覺得閉源是有非常好的優(yōu)勢的。量子位聽二位這樣講下來我感覺在Agent這個領(lǐng)域里開閉源正在形成分層互補那么在這樣的結(jié)構(gòu)下像那種小白開發(fā)者或者個人開發(fā)者能夠通過Agent Infra把Agent開發(fā)和落地簡化到一個什么程度鄭立其實這樣我們會逼近于AI開發(fā)的一個Excel時刻。這種簡化其實是非常激進(jìn)的它會把基礎(chǔ)設(shè)施的認(rèn)知負(fù)荷降到最低然后你就可以把全部精力集中在Prompt和數(shù)據(jù)治理上。于廣游我補充一下我們騰訊云的Infra產(chǎn)品就更偏向于專業(yè)開發(fā)者他們會有非常多的復(fù)雜度問題需要治理所以我們主要還是面向Agent原生企業(yè)和AI原生企業(yè)去幫助他們加速Agent落地過程。量子位想請兩位老師來幫我們總結(jié)一下你觀察到的Agent Infra技術(shù)進(jìn)展或趨勢。于廣游我還是前面提到的AI Coding我對這個事情印象非常深刻。首先過去一年里我能看到代碼不僅是大模型抽象能力的來源也正在成為Agent駕馭不確定性、連接世界的工具。就拿AI Coding來說它帶來的是開發(fā)模式的顛覆改變能夠做到讓我們團隊里的每一個開發(fā)者在分鐘級就能拉起一個獨立的全套開發(fā)環(huán)境所以我覺得代碼肯定是會產(chǎn)生全面影響的。我認(rèn)為任何一個工程師或者Agent從業(yè)者都絕不能小覷Coding的影響它非常之重要。鄭立就我們個人而言過去一年我們都在做自己的事情主要的技術(shù)進(jìn)展也都集中在補齊我們的短板。我們也看到了一個比較清晰的趨勢就是技術(shù)正在從開發(fā)者向非開發(fā)者移動。量子位如果現(xiàn)在讓你們拿三個詞限定的話您能再講講Agent Infra為什么說是智能體落地應(yīng)用的關(guān)鍵環(huán)節(jié)嗎鄭立我先說吧我認(rèn)為主要是以下三點秩序首先它會讓混亂的模型變得可控連接其次我們需要打通Agent孤島讓AI真正融入到業(yè)務(wù)中去自動接下來就是將簡單繁瑣的任務(wù)去變得自動化。于廣游我想到的是這三點安全高效第一個是我們?nèi)ヂ涞谹gent的關(guān)鍵就是讓它能夠安全高效地跑起來智能進(jìn)化第二步就是我們?nèi)?yōu)化Agent本身的這個能力無論是通過知識庫、記憶還是Agent RL進(jìn)化它人機協(xié)同那么要實現(xiàn)Agent的進(jìn)化就需要人類作為老師去教Agent。Agent Infra的下一步量子位最后還是來展望一下剛剛都在聊過去一年那對于未來的一到兩年甚至三到五年時間里各位覺得Agent Infra接下來的重點會是哪些方向于廣游對我而言我們最關(guān)注的是Agent Infra如何服務(wù)好Agent能夠確保其安全可靠運行。我其實覺得Agent Infra和AI Infra是交叉的關(guān)系當(dāng)我們把Agent運行好后就會發(fā)現(xiàn)它的一些不足然后我們再將產(chǎn)生的數(shù)據(jù)進(jìn)行利用就能對Agent本身和Agent模型進(jìn)行持續(xù)優(yōu)化。當(dāng)前的Infra體系它更多的是服務(wù)于基礎(chǔ)大模型本身的能力和智力的進(jìn)化而不是業(yè)務(wù)可用所以我認(rèn)為Agent Infra的下一步一定是從服務(wù)好Agent的運行構(gòu)建到服務(wù)好Agent的智能進(jìn)化。鄭立我這邊會更加關(guān)注Agent Infra的可調(diào)試性也就是看清楚是哪一步Agent理解錯誤需要去做推理鏈的可視化調(diào)試。然后就是記憶管理不僅僅是聲音的那種向量搜索還有就是關(guān)注語義化的情景記憶和可計算的時間觀吧。我理解中Agent的記憶不能是簡單的常量存儲而應(yīng)該是一種變量Agent的目標(biāo)在執(zhí)行過程中可能會被重寫、降級所以我們需要對目標(biāo)進(jìn)行一些置信度處理。量子位好那感謝兩位老師的分享最后我們來回答幾個觀眾問題吧。第一個問題從你們的角度看中小公司和個人開發(fā)者他們來做Agent應(yīng)用最大的門檻是什么是技術(shù)還是成本于廣游我感覺這兩個都不是應(yīng)該是商業(yè)模式。既然是中小公司那肯定是要賺錢的但是現(xiàn)在AI Agent還沒有到改變整個社會商業(yè)模式的程度這個時候產(chǎn)生的新消費和新的生產(chǎn)力變革還只發(fā)生在小領(lǐng)域。所以如果希望把它應(yīng)用到你的公司產(chǎn)品中去我覺得更多的是創(chuàng)業(yè)者需要回到實際問題中解決同時也可以嘗試著把自己的商業(yè)模式和形態(tài)進(jìn)行一個巨大的轉(zhuǎn)變。鄭立我也覺得技術(shù)不是問題你比方說現(xiàn)在大模型智力本身已經(jīng)過剩了。真正最大的困難我還是覺得在于企業(yè)數(shù)據(jù)的壁壘和缺乏開始的勇氣。量子位最后一個觀眾問題交給于老師您覺得如果未來Agent成為主流會對現(xiàn)在的移動開發(fā)生態(tài)造成什么影響它們會被徹底顛覆嗎于廣游OK我覺得這個可以要從應(yīng)用交互形態(tài)和開發(fā)方式兩個角度去討論。首先第一個對于形態(tài)我覺得移動端*iOS/Android*形態(tài)沒有人能給出確切答案。在Agent的這個形態(tài)之外我們就會立馬面臨兩個問題APP集成Agent能力第一個問題是公司會希望你在APP中集成一些Agent能力這時開發(fā)者就需要將思維從工程轉(zhuǎn)向科學(xué)實驗我覺得這個轉(zhuǎn)型是非常巨大的。利用AI Coding工具開發(fā)APP第二是你所在的公司可能會讓你使用AI Coding去開發(fā)那么開發(fā)者就不能只用它來生成代碼更要用它來改變你們的協(xié)同模式和工具體系。我相信只有與AI工具為伍、改造研發(fā)流程并用科學(xué)實驗思維駕馭不確定性的人才能抓住未來Agent形態(tài)轉(zhuǎn)移的機遇。如何學(xué)習(xí)大模型 AI 由于新崗位的生產(chǎn)效率要優(yōu)于被取代崗位的生產(chǎn)效率所以實際上整個社會的生產(chǎn)效率是提升的。但是具體到個人只能說是“最先掌握AI的人將會比較晚掌握AI的人有競爭優(yōu)勢”。這句話放在計算機、互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的開局時期都是一樣的道理。我在一線互聯(lián)網(wǎng)企業(yè)工作十余年里指導(dǎo)過不少同行后輩。幫助很多人得到了學(xué)習(xí)和成長。我意識到有很多經(jīng)驗和知識值得分享給大家也可以通過我們的能力和經(jīng)驗解答大家在人工智能學(xué)習(xí)中的很多困惑所以在工作繁忙的情況下還是堅持各種整理和分享。但苦于知識傳播途徑有限很多互聯(lián)網(wǎng)行業(yè)朋友無法獲得正確的資料得到學(xué)習(xí)提升故此將并將重要的AI大模型資料包括AI大模型入門學(xué)習(xí)思維導(dǎo)圖、精品AI大模型學(xué)習(xí)書籍手冊、視頻教程、實戰(zhàn)學(xué)習(xí)等錄播視頻免費分享出來。第一階段10天初階應(yīng)用該階段讓大家對大模型 AI有一個最前沿的認(rèn)識對大模型 AI 的理解超過 95% 的人可以在相關(guān)討論時發(fā)表高級、不跟風(fēng)、又接地氣的見解別人只會和 AI 聊天而你能調(diào)教 AI并能用代碼將大模型和業(yè)務(wù)銜接。大模型 AI 能干什么大模型是怎樣獲得「智能」的用好 AI 的核心心法大模型應(yīng)用業(yè)務(wù)架構(gòu)大模型應(yīng)用技術(shù)架構(gòu)代碼示例向 GPT-3.5 灌入新知識提示工程的意義和核心思想Prompt 典型構(gòu)成指令調(diào)優(yōu)方法論思維鏈和思維樹Prompt 攻擊和防范…第二階段30天高階應(yīng)用該階段我們正式進(jìn)入大模型 AI 進(jìn)階實戰(zhàn)學(xué)習(xí)學(xué)會構(gòu)造私有知識庫擴展 AI 的能力。快速開發(fā)一個完整的基于 agent 對話機器人。掌握功能最強的大模型開發(fā)框架抓住最新的技術(shù)進(jìn)展適合 Python 和 JavaScript 程序員。為什么要做 RAG搭建一個簡單的 ChatPDF檢索的基礎(chǔ)概念什么是向量表示Embeddings向量數(shù)據(jù)庫與向量檢索基于向量檢索的 RAG搭建 RAG 系統(tǒng)的擴展知識混合檢索與 RAG-Fusion 簡介向量模型本地部署…第三階段30天模型訓(xùn)練恭喜你如果學(xué)到這里你基本可以找到一份大模型 AI相關(guān)的工作自己也能訓(xùn)練 GPT 了通過微調(diào)訓(xùn)練自己的垂直大模型能獨立訓(xùn)練開源多模態(tài)大模型掌握更多技術(shù)方案。到此為止大概2個月的時間。你已經(jīng)成為了一名“AI小子”。那么你還想往下探索嗎為什么要做 RAG什么是模型什么是模型訓(xùn)練求解器 損失函數(shù)簡介小實驗2手寫一個簡單的神經(jīng)網(wǎng)絡(luò)并訓(xùn)練它什么是訓(xùn)練/預(yù)訓(xùn)練/微調(diào)/輕量化微調(diào)Transformer結(jié)構(gòu)簡介輕量化微調(diào)實驗數(shù)據(jù)集的構(gòu)建…第四階段20天商業(yè)閉環(huán)對全球大模型從性能、吞吐量、成本等方面有一定的認(rèn)知可以在云端和本地等多種環(huán)境下部署大模型找到適合自己的項目/創(chuàng)業(yè)方向做一名被 AI 武裝的產(chǎn)品經(jīng)理。硬件選型帶你了解全球大模型使用國產(chǎn)大模型服務(wù)搭建 OpenAI 代理熱身基于阿里云 PAI 部署 Stable Diffusion在本地計算機運行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何優(yōu)雅地在阿里云私有部署開源大模型部署一套開源 LLM 項目內(nèi)容安全互聯(lián)網(wǎng)信息服務(wù)算法備案…學(xué)習(xí)是一個過程只要學(xué)習(xí)就會有挑戰(zhàn)。天道酬勤你越努力就會成為越優(yōu)秀的自己。如果你能在15天內(nèi)完成所有的任務(wù)那你堪稱天才。然而如果你能完成 60-70% 的內(nèi)容你就已經(jīng)開始具備成為一名大模型 AI 的正確特征了。這份完整版的大模型 AI 學(xué)習(xí)資料已經(jīng)上傳CSDN朋友們?nèi)绻枰梢晕⑿艗呙柘路紺SDN官方認(rèn)證二維碼免費領(lǐng)取【保證100%免費】