文 | 适说念欧洲杯体育，作者 | 狮刀、Rika

2023 年底，斯坦福大学发布了一款激发震荡的 AI 实验面孔—— " 小镇模拟游戏 "。在这个编造小镇里，25 个 AI 脚色能够自主交谈、配置关连、制定经营，展现出了令东说念主咋舌的酬酢才智。这个实验让东说念主们第一次对 AI Agent（智能体）产生了期待——具有自主意志和决策才智的 AI 助手计日可待。

一年夙昔了，AI Agent 的见地在业界炙手可热。微软、Google 等科技巨头纷繁布局，初创公司们也争相推出种种 "Agent" 居品。然则，当咱们仔细不雅察这些堪称是 "Agent" 的居品时，会发现一个打扰的现实：它们与信得过的 Agent 相去甚远，更像是只是具备当然言语会通才智的对话机器东说念主。

这种 " 形似神不似 " 的局势，在 AI 硬件范围也继续献艺。2024 年 10 月，智能限成品牌 Oura 推出了最新款 Oura Ring 4，并 " 识时务 " 地加入了 AI 功能。很快，Oura 估值超 50 亿好意思金，成为了买卖化最告捷的 "AI 硬件 " 厂商之一。然则，一个共鸣是：Oura 的告捷与 AI 关连并不大，其中枢价值仍在于健康跟踪这一基础功能。比较之下，信得过主打 AI 的硬件居品，如 AI Pin、Rabbit R1 却遭受了 " 上市即翻车 " 的运说念。

什么称得上 AI Agent？顺手掀开一个大模子 APP，映入眼帘的 Prompt Agent？如故编程范围的专科 Agent Cursor？亦或是钢铁侠的万能助手 Jarvis？

好意思国 VC Madrona 结伙东说念主 Jon Turow 曾指出：当你聊过实足多的从业者，你会发现存一系列不同见地的东西，它们齐叫作念 Agent 。

若是将 AI Agent 形容为一场马拉松，2025 年的 AI Agent 行至那处？

2024 年 AI Agent 不雅察：一半是海水，一半是火焰

吵杂的征象：各路玩家就位

2024 上半年，大模子价钱战还在重兴旗饱读进行；下半年，AI Agent 争夺战就仍是蓄势待发。

国外市集，OpenAI、Anthropic、微软、谷歌等科技巨头纷繁公布有关进展，将自家 Agent 实力四肢牌桌上的病笃筹码。

10 月，Anthropic 推出了名为" Computer Use "的 AI Agent 系统，堪称能够"像东说念主一样操作狡计机"。这是一个特殊 API，允许斥地者劝诱 Claude 完成各式狡计机操作任务——不雅察屏幕内容、移动鼠标、点击按钮以及打字等等。斥地者可以通过该 API 将书面指示调治为具体的狡计机指示，从而完毕自动化任务。 

（图片：Anthropic 斥地东说念主员演示 Computer use）

微软亦然 AI Agent 的病笃推动者。2024 年 10 月，微软公布了一项病笃经营：面向 Dynamics 365 业务应用平台，斥地部署 10 款 AI Agent ——将主要奇迹于企业的销售要道、管帐业务以及客户奇迹等重要范围。按照时辰表，这些 AI Agent 将在年底绽放公测，测试阶段展望延续到 2025 年头期。

（图片：微软 CEO 展示 Copilot 与 AI 堆栈）

谷歌的反应相对较慢，但在年底也赶上了程度。12 月，谷歌发布了全新多模态大模子 Gemini 2.0。在新模子的加持下，谷歌内置了三款 AI Agent ——"通用大模子助手" Project Astra、"浏览器助手" Project Mariner 和"编程助手" Jules。

"编程助手" Jules 能够作为自主代理奏凯集成到 GitHub 的职责历程系统中，分析复杂的代码库，跨多个文献实施建设，并准备详备的拉取苦求，无需持续的东说念主工监督；而在游戏《部落冲突》演示中，谷歌 AI Agent 不仅能够向玩家先容军种特质，给出组合建议，还可以在 Reddit 检索信息，为玩家提供脚色选拔建议。

（图片：玩家与谷歌 AI Agent 互动）

OpenAI 固然是基础模子的当先者，在 Agent 方面布局却略显迟缓。7 月，OpenAI 更新 AGI 阶梯图，并指出我方处于第一层，接近达到第二层；而第三层才是 AI Agent。

（图片：OpenAI 界说的东说念主工智能发展 5 阶段）

OpenAI 展望将于 2025 年 1 月推出全新 AI Agent —— Operator，该系统能够自动实践各式复杂操作，包括编写代码、预订旅行、自动电商购物等。据悉，Operator 可能会在 Computer use 的基础上进行大幅度翻新和应用简化，扩大 AI Agent 的使用范围和应用场景。

国内市集，百度、阿里、腾讯、智谱等大厂也纷繁入局。

在 B 端，百度文心智能体平台、腾讯元器、讯飞星火智能体创作中心、通义智能体、字节扣子等面向企业用户提供了智能体创建平台，并开动在其 AI 智能助手界面中添加 AI Agent 进口。

在 C 端，支付宝旗下 AI App 支小宝、智谱 AutoGLM 燃烧了奢侈者用户的厚谊。左证演示，智谱 AutoGLM 能够浏览并会通屏幕信息，作念出任务商量，完毕手机上常用操作的模拟实践——只需收受粗拙的翰墨 / 语音指示，它就可以模拟东说念主类操作手机，在一又友圈点赞，在好意思团点外卖，在携程订旅店等等。

镇定的现实：当咱们在挑剔 AI Agent 时，到底是在挑剔什么？

若是只看到上述的吵杂征象，你大要会得出论断—— 2024 年是 AI Agent 确当打之年。

但用户能够信得过依赖的 AI Agent，其实三三两两。

只需花 3 秒钟想考——你心爱用哪几款 AI Agent？若是你是尺度员，谜底可能只是 Cursor。若是咱们换个问题——你心爱用哪几款 AI 大模子？谜底会林林总总，比如 ChatGPT、Gemini、Claude、Kimi 等等。

至少从实感来说，面前大热的 AI Agent 仍是"虚火"。

主因是"不靠谱"和"鸡肋"。AI Agent 依赖 LLM "黑盒"，自己就存在不可预测性，而职责历程更是要将多个 AI 表率结合起来，会加重这些问题，尤其是关于需要精准输出的任务。用户难以确保 Agent 能否历久提供准确、合乎险阻文的反映。

LangChain 发布的 State of AI Agents 可以作为病笃参考。其访谒触及的 1300 多位受访者指出，性能质地（41%）是宽阔温情点，病笃性远超成本（18.4%）和安全（18.4%）等要素。甚而关于向来格外温情成本的小企业而言，其中 45.8% 将性能质地列为主要温情点，成本要素仅为 22.4%。同期，确认指出，出产中遴选 AI Agents 的主要挑战包括：斥地东说念主员很难向团队和利益有关者解说 AI Agent 的功能和活动。

此外，固然 AI Agent 依赖的基座 LLMs 在 Tool use 方面阐扬可以，但它们速率不快且成本高，稀奇是需要进行轮回和自动重试时。WebArena 排名榜对 LLM 智能体在现实任务中的阐扬进行了基准测试。截止表示，即即是阐扬最好的模子 SteP，告捷率也只好 35.8%，而 GPT-4 的告捷率仅达到 14.9%。

那么，市面上不成"绝对自理"的 AI Agent 算得上 Agent 吗？

若是咱们按吴恩达的想路就很好会通了—— AI Agent 是可以分层级的。他提议了 Agentic System（智能体系统），并以为形容词" Agentic "比名词" Agent "能更好地匡助咱们会通这类智能体的本色。如同自动驾驶汽车 L1-L4，Agent 的进化亦然一个过程。

BabyAGI 创举东说念主 Yohei Nakajima 关于 AI Agent 的分类，同样值得参考。

1、手工制作 Agent：由 Prompt 和 API 调用构成的链条，具有一定自主性，但拘谨较多。

特征：活水线机器东说念主，按照固定表率完成任务。

例如：它就像一个特地订票的助手——当你告诉航班需求时，它能够奏凯调用 API 搜索并完成预订；然则一朝触及复杂行程商量，手工制作 Agent 就会"卡住"（宽饶大师代入居品）。

2、专科 Agent：在一组任务类型和用具内动态决定要作念什么，比手工制作 Agent 拘谨少。

特征：娴熟工匠，能够在特定范围（比如木匠）熟练地使用用具，不仅能按照条款制作者具，还能左证施行需求调整遐想，调用材料。

例如：AutoGPT 通过 CoT 时间领悟复杂问题，动态选拔最优处分旅途。面临一个市集辩论任务，AutoGPT 能自动分奉命务为"搜索趋势""整理数据""生成确认"等子任务并完成。

3、通用 Agent：Agent 的 AGI ——面前还处于表面见地阶段，尚未完毕。

特征：万能助手，就像钢铁侠的 Jarvis。你可以辩论它任何问题，它不仅能会通你的需求，还能结合常识和环境动态适应，提供翻新处分决策。

例如：还莫得信得过能完毕的居品，有关辩论包括更强的多模态交互和历久缅想优化。

处于现时的历史节点，Prompt Agent 数目最多，阐扬为大模子 APP 里的随地 Agent；垂直范围的专科 Agent 正处于爆点，并因其实用性备受老本喜爱；东说念主类所期待的信得过 Agent ——万能助手 Jarvis，有待重要时间破损。这也意味着翌日一段时辰内，咱们能看到更多" L1-L4 "之间的时间进化。

这一年 AI Agent "皮下"时间进化到哪儿了？

左证 Lilian Weng 列举的公式：Agent = LLM+Memory+Planning skills+Tool use

假定你是黯淡料理界的"五虎星"。LLM 代表你的常识储备，包含所有这个词菜系菜谱；Memory 类似于你的厨师札记，记录着不同门客的口味需求，输给"小住持"的历史造就；Planning 好比你的作念菜商量，面临不同条款，是先炸再烤，如故先煮再炸；Tools 则是你的魔法厨具，包括若何调用不同刀具（软件），匡助实践复杂的任务。

AI Agent 的破损取决于各项时间的高出。

开头是 LLM。在 GPT5 这么的强悍"大脑"出现之前，OpenAI 就发现了推理引擎的才智。

2024 年 10 月，OpenAI 高等辩论科学家、德扑 AI 之父 Noam Brown 提议：让 AI 模子想考 20 秒所带来的性能升迁，特殊于将模子扩大 100,000 倍并覆按 100,000 倍的时辰。

Brown 所指的时间即是 System 1/2 thinking，恰是 OpenAI o1 长出"推理才智"的诀要。

System 1，即"快想考"，你看到一只苹果，不需要想考，就知说念这是生果；System 2，即"慢想考"，你要作念全部 17*24 的数学题，则需拆解表率来想考，谜底才更准确。

近期，谷歌 DeepMind 辩论东说念主员也将这项时间集成到 AI Agent 中，并斥地了 Talker-Reasoner 框架。System 1 是默许运行的"快速模式"，而 System 2 作为"备用引擎"随时待命。当 System 1 感到困惑时，会将任务交给 System 2 处理。"双引擎"共同运行，关于处分复杂、冗长的任务匡助巨大，破损了传统 AI Agent 实践业务历程的表率，极大升迁了服从。

其次是缅想机制。当生成式 AI 开动"无稽之谈"，随机不是性能问题，而是缅想力欠安。这时候就需要 RAG（检索增强型生成）来帮手。它是 LLM "外挂"般的存在，能够专揽外部常识库为 LLM 提供有关险阻文，退步 LLM 强不知以为知。

然则，传统 RAG 历程只探讨一个外部常识源，不成调用外部用具；仅生成一次性处分决策，险阻文只检索一次，不成进行推理或考证。

在此情况下，交融 Agent 才智的 RAG 应时而生。固然 Agentic RAG 在全体历程上与传统 RAG 一脉相通：检索 - 合成险阻文 - 生成，但其融入了 Agent 自主商量才智，能够适应愈加复杂的 RAG 查询任务——决定是否需要检索；自主决策使用哪个检索引擎自主商量使用检索引擎的表率；评估检索到的险阻文，并决定是否从头检索；自行商量是否需要借助外部用具。

若是说，原始 RAG 是坐在藏书楼检察特定问题；那么，Agentic RAG 就像拿着 iPhone，调用 Google 浏览器、电子邮件等等搜索问题。

此外，2024 年 YC 孵化的开源 Mem0 面孔，也有望成为 RAG 助手，并为 AI Agent 插上个性化缅想的翅膀。

Mem0 像是大脑的"海马体"，为 LLM 提供了一个智能、自我优化的缅想层。它能进行信息分层存储——将短时信息滚动为历久缅想。类似于，你会整理"新学常识"，尔后存入脑海；它还能配置语义贯穿——通过语义分析为存储的常识创建关联集会。类似于，你告诉 AI 我方心爱看考核电影，它不仅能记取，还会忖度你可能心爱的违纲记录片。

基于此，Mem0 能够显贵升迁 AI Agent 个性化缅想——动态记寄托户偏好、活动和需求，创建"私东说念主记事本"。例如，当你告诉 AI Agent 下周是姆妈诞辰，它不仅会实时提醒你送上祈福，还会左证"缅想中"你和姆妈的喜好，给出直立建议，甚而能够跨平台"货比三家"，送上购物贯穿。

在 RAG 方面的破损不啻于此，俄亥俄州立大学和斯坦福大学的科学家团队提议了一个酷好酷好的想路：让 AI 领有一个类似东说念主类海马体的"缅想大脑"。他们从神经科学的角度开赴，师法东说念主脑海马体在历久缅想中的作用，遐想出一个名为 HippoRAG 的模子，像东说念主脑一样高效地整合和搜索常识。实验标明，"缅想大脑"能够在多跳问答等需要常识整合的任务上取得大幅升迁。随机探索出让大模子具备"类东说念主"缅想的一个全新地点。

Tool use 的高出更是肉眼看见。例如，Claude 的 Computer Use，通过构建 API，将当然言语指示滚动为各式电脑操作指示，由斥地者自动化类似性的任务、进行测试和质地保证，以及绽放式辩论。从此，AI 不需要一个个特地的 API "钥匙"也能"一次性"调用各式软件完成各式操作：用 Word 写文档，用 Excel 处理表格，用浏览器搜索信息。固然如斯，面前 Computer Use 才智还不完善：不成在里面数据上覆按该功能；受限于险阻文窗口等等。Anthropic 团队也暗示，面前 Claude 的狡计机使用水平只处于类似" GPT-3 期间"的早期阶段，翌日还有很大升迁空间。

值得看重的是，AI Agent 的视觉才智也取得了高出。例如，智谱发布的 GLM-PC 将其通用的视觉 - 操作模子 CogAgent 应用到了狡计机上。其能够模拟东说念主类的视觉感知来从环境中获取信息输入，以进行进一步的推理和决策。

商量才智方面。Planning 包含任务领悟——将大任务别离红小任务；反想和索要——基于已有动作进行自我反想，从缺点中学习优化接下来的动作。

面前，有论文提议更为新颖的分类法：任务领悟、多经营选拔、外部模块援救商量、反想与细化、缅想增强商量。其中，多经营选拔，即给 AI Agent 一个"选拔轮"，生成多个经营，挑一个最好的来实践；外部模块援救商量，即借助外部商量器，类似强化学习的判官。缅想增强商量，就像 一个缅想面包，记取夙昔履历，为将来商量提供匡助。这些表率并不孑然，而是相互交汇，共同升迁 AI Agent 的商量才智。

一年以来，Agent "皮下"各项才智均取得了高出，其中 Tool use 才智仍是初步落地；缅想机制的高出特殊值得期待；LLMs 的高出则取决于巨头的才智鸿沟等等。但关于 Agent 而言，其才智的最大化并非各项时间粗拙的加成，任何一项时间的破损均有望使其迎来质变。

翌日，AI Agent 进化的病笃挑战包括但不限于：若何完毕低延伸、带视觉会通的实时反馈；若何构建个性化的缅想系统；如安在编造与物理环境齐具备鲁棒的实践才智等等。只好当 AI Agent 从"用具"到"用具使用者"时，信得过的 Killer Agent 就会出现。

老本的选拔——大模子遇冷，AI Agent 当立

有东说念主说，面前大模子卷不动了，要卷就卷 AI Agent。

2024 年，也曾争作念"作念中国 OpenAI "的大模子公司不得已失约，以"六小虎"智谱 AI、零一万物、百川智能、MiniMax、月之暗面和阶跃星辰为例，普遍公司仍是开动进行业务调整，甚而东说念主员缩减。大厂凭借其浑朴的家底，还能链接卷研发；更多初创企业被动直面现实，转向大模子应用层面，寻求更低的成本和更快的报告。

同期，敏感的老本也将眼神投向了 AI 应用层。

桔子 IT 数据表示，2024 年前 9 个月，国内 AI 范围发生了 317 起融资案例，月均融资金额 42 亿元，不到旧年的两成。其中，融资最多的 5 家公司拿走了超 212 亿，特殊于本年国内 AI 融资总和的 63%。

值得看重的是，大模子和 AI Agent 面孔受投资东说念主的温情度最高——大模子发生 19 起融资案，AI Agent 发生了 18 起。其次是 AI 视频生成（10%），剩下 50% 投资案例的地点较为散布，被 19 个地点均分。

由此，在大模子"赢家通吃"的场所下，AI Agent 既是 AI 初创公司的最好地点，亦然海表里老本的笃定之选。

YC 结伙东说念主、资深投资东说念主 Jared 指出，垂直范围 AI Agent 作为一种新兴 B2B 软件，有望成为比 SaaS 大 10 倍的新兴市集。凭借替代东说念主工操作、升迁服从的显贵上风，这一范围可能催生出市值卓越 3000 亿好意思元的科技巨头。

投资东说念主所看中的 AI Agent 齐长什么样？

最出圈确当属 AI 编程神器 Cursor。原因不过于代码是 LLMs 最容易掌抓的才智，其生成的覆按数据主要来自 GitHub 上的开源代码，大部分齐是"灵验数据"。此前，Cursor 是左证用户需求，提供建议代码。如今，Cursor 可以奏凯以完毕需求为指标，衔接匡助你创造代码文献，准备好运行环境。你只需点击启动按钮，就可以运行代码。

除此除外，即便 2024 年尚未产生信得过的 Killer Agent，但施行上在细分范围，Agent 仍是有随地着花之势了。

左证 YC 团队的最新共享。面前仍是得回投资的 Agent 面孔大多在 toB 范围。

问卷访谒和分析：Outset 将 AI Agent 应用于问卷访谒和分析范围，可以替代传统的东说念主工访谒和分析职责，例如 Qualtrics 等公司提供的奇迹。

软件质地测试：Mtic 专揽 AI Agent 进行软件质地测试，可以绝对取代传统的 QA 测试团队。与之前的 QA 软件即奇迹公司（如 Rainforest QA）不同，Mtic 不仅提高了 QA 团队的服从，还能绝对取代东说念主工测试。

政府公约竞标：Sweet Spot 专揽 AI Agent 自动搜索、填写政府公约的标书，可以替代东说念主工完成这些繁琐的任务。

客户撑持：Powerhelp 专揽 AI Agent，自动完成东说念主工接听电话、恢复邮件和处分问题，况兼能够左证用户发问和历史记录提供个性化的处分决策，升迁其闲适度。

东说念主才招聘：Priora 和 Nico，专揽 AI Agent 进行时间筛选和初步招聘，可以替代东说念主工完成这些任务。

用吴恩达的发言作念回来：通往 AGI 的说念路嗅觉更像是一段旅程，而不是一个指标地。但我以为 Agent 式职责流，可以匡助咱们在这个特殊漫长的旅程中上前迈进一小步。换句话说，即便咱们暂时无法领有"万能 Agent "，但多个垂直范围的专科 Agent 渐渐出现，将让咱们继续得回近似领有 Jarvis 的体验。

2025 年：有望成为 AI Agent 商用爆发元年

近日，前 OpenAI 联创、SSI 创举东说念主 Ilya Sutskever 奏凯文牍：预覆按从此将澈底完毕——咱们只好一个互联网，覆按模子需要的海量数据行将艰辛，唯有从现存数据中寻找新的破损，AI 才会链接发展。

Sutskever 用东说念主类大脑发展进行类比：正如东说念主类大脑体积罢手滋长后，东说念主类机灵仍在高出。AI 翌日发展将转向在现存 LLM 上构建 AI Agent 和用具。他预测，以后的破损点，就在于智能体（Agentic）、合成数据和推理时狡计。其中，能够自主完成任务的 AI Agent，是翌日的发展地点。

值得看重的是，与吴恩达一样，Sutskever 同样使用"形容词" Agentic 描画智能体。

左证线性老本 Bolt 不雅点：咱们可以用一丝的、适量的、高度的 Agentic "才智"描画 Agent 应用的才智。例如，Router（路由）类系统使用 LLM 将输入路由到特定的卑劣职责流中，具有一丝的 Agentic 才智；State Machine（景况机）类系统使用多个 LLMs 来实践多个路由表率况兼有才智细则每个表率是链接如故完成，具有特殊的 Agentic 才智；而 Autonomous（自主体）类系统更进一步，能够使用用具甚而创造合适的用具去鼓动系统的进一步决策，具备绝对的 Agentic 才智。

基于此，厂商在强调居品的 Agent 属性前，不妨先回答" How agentic my system is？"

现时不少范围的专科 AI Agent 依然不够老到。有关访谒表示，输出不精准、性能差强东说念主意、用户不信任等问题困扰其落地。但若是咱们换个想路：短期内买卖化最告捷的 AI Agent，不一定是看起来" Agentic 化"最高的居品；而是能够均衡性能、可靠性，以及用户信任的居品。

顺着这条想路，专科 AI Agent 最有长进的发展说念路可能是：先重心应放在专揽 AI 增强现存用具，而不是提供平日的全自主孤独奇迹。

用东说念主机协同的表率，让东说念主类参与监督和处理边际案例。左证现时的才智和局限，设定不脱离现实的盼望。通过结合严格拘谨的 LLMs、邃密的评估数据、东说念主机协同监督和传统工程表率，在自动化等复杂任务方面完毕可靠且邃密的服从。

例如，红杉投资组合中的 Rocks 公司，其 Agent 是将东说念主类职工融入其中。最初，Rocks 斥地了一项自动撰写、自动发送电子邮件的时间。但他们发现将东说念主类销售纳入历程时，阐扬升迁了 333 倍。于是，Rocks 移除了自动发送的功能。

左证具体业务场景，有些公司可以斥地 Agent 完成任务的时间，比如集会安全范围的 Expo；而有些公司则尽量选拔用 Agent "增强"东说念主类职工，比如 Rocks。

那么，2025 年会发生什么？

开头，不啻是编程，更多垂直范围将跑出"种子选手"。红杉结伙东说念主 Konstantine Buhler 预测：医疗和锻练等"高奇迹成本"范围将成为 AI 时间的下一个病笃战场。

同期，左证 LangChain 确认表示：东说念主们但愿将耗时任务交给 AI Agent ——充任"常识过滤器"：快速索要重要信息，用户无需我方手动筛选海量数据；"出产力加快器"：协助用户安排日程、束缚任务，让东说念主类专注于更病笃的职责；"客服神助攻"：匡助企业更快地处理客户参谋、处分问题，大幅升迁团队的反映速率。

换句话说，所有这个词耗时、耗力、耗成本的职责有望率先被垂直范围专科 AI Agent 替代。

其次，AI Agent 部署将由"单"变"多"。一方面，AI Agent 将从单一智能体发展到"群体配合"模式。2025 年会出现更多 Multi-agent 模式，多个 Agent 饰演不同脚色合作完成任务。例如，清华面壁智能的开源面孔 ChatDev。每个 Agent 被赋予了不同的身份，有的是 CEO，有的是居品司理，有的是尺度员，它们能够相互相互合作，共同完成任务。

另一方面，跟着⼤模子对图像和视频信息的处理能⼒快速升迁，2025 年将开动出现更为详尽性的多模态交互，AI 能够通过物联⽹、特定信息等多种感知通说念进⾏协同。多模态输⼊和输出使 AI 交互性更强、交互频次更⾼，适⽤场景也愈加丰富，AI 居品全体⽔平显贵升迁。

其中，Agent 作为交融感知、分析、决策和执⾏能⼒的智能体，其交互的主动性和⾃动化远超现存用具。

左证量子位智库不雅察：从时间和配套设施两⽅⾯发展来看，从 2025 年开动，AI Agent 行将⼴泛投⼊使⽤。AI Agent 有望带来独属于 AI 2.0 期间的交互⽅式、居品形态和买卖模式。

结语

在电影《2001：天际漫游》的开头，一群草食东说念主猿回击在饥饿和圆寂的边际，东说念主猿领袖偶然挥舞了一下手里的棒骨，"发现"它果然是一件趁手的用具。从此，他们开动狩猎小动物，成为食肉动物，缓缓站上了食品链尖端。

若是翌日的东说念主类俯视 2025 年，可能会发现，这又是一个东说念主类进化的重要时刻，而 AI Agent 恰是那根趁手的"棒骨"。

正如 Andrej Karpathy 所言，AI Agent 代表着一个放荡的翌日。

酷好酷好的是，Agent 一词源于拉丁语的 Agere，酷好是" to do "。

若何收拢这个放荡的翌日？你可能只需要" Agent "欧洲杯体育。