国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

隨著人工智能技術(shù)的不斷發(fā)展，Agent（智能體）作為能夠自主決策和執(zhí)行任務(wù)的系統(tǒng)，正在成為AI領(lǐng)域的熱門研究方向。本文將深入探討Agent與大模型的區(qū)別，分析Agent的工作原理及其評測標(biāo)準(zhǔn)，并對國內(nèi)三款具有代表性的Agent產(chǎn)品——智普沉思Auto GLM、扣子空間和納米AI進行深度評測。

一、什么是Agent

大家有沒有過這樣的疑惑：

“都已經(jīng)有大模型了，為什么還要做Agent？大模型不是也能得到agent中得到的結(jié)果嗎？

“Agent與大模型之間具體有什么區(qū)別呢？”

首先讓我們先從定義上看看這兩者有什么區(qū)別：

大模型是基于深度學(xué)習(xí)、擁有數(shù)十億至數(shù)千億參數(shù)的人工智能模型，能通過海量數(shù)據(jù)學(xué)習(xí)復(fù)雜模式，具備文本生成、邏輯推理等多任務(wù)處理能力，是當(dāng)前 AI 領(lǐng)域的核心突破方向。

而AI Agent呢，他擁有l(wèi)lm這個大腦，且具備自主決策和行動能力的系統(tǒng)，它可以根據(jù)目標(biāo)，自主地使用工具、調(diào)用 API、規(guī)劃步驟、執(zhí)行任務(wù)。他是讓AI真正實現(xiàn)自主完成任務(wù)，代表人類去完成具體任務(wù)的AI

所以從上述來看，大模型只提供任務(wù)方法，具體行動還是需要人去做執(zhí)行；而agent則可以獨立做出決策、主動執(zhí)行，幫助人類執(zhí)行任務(wù)，從而直接得到想要結(jié)果，這樣的一個人工智能系統(tǒng)。

Lilian Weng也提到說“ Agent是由大語言模型驅(qū)動的自主代理”具備三大核心能力— 規(guī)劃、行動和記憶。

二、Agent工作原理及評測原理

1、Agent內(nèi)部工作原理：

Agent 在 LLM 支持下，通過調(diào)用外部工具完成具體任務(wù)。它是構(gòu)建智能 Agent 的基礎(chǔ)機制之一。

在 LangChain 官方文檔《How to migrate from legacy LangChain agents to LangGraph》一節(jié)中，通過 magic_function(3) 的示例，展示了語言模型（LLM）如何調(diào)用外部工具的完整流程，包括工具的定義、與模型的綁定、工具調(diào)用的生成與執(zhí)行，以及最終結(jié)果的返回。

在 LangChain 框架中，通過結(jié)構(gòu)化的方式將外部函數(shù)集成到 LLM 的推理過程中，從而增強模型的功能和靈活性。它是理解 LangChain Agent 與工具交互機制的關(guān)鍵示意圖之一。

這張圖展示了AI Agent 調(diào)用機制以及他的原理，語言模型（LLM）如何通過綁定的外部工具，實現(xiàn)對用戶指令的理解與執(zhí)行。當(dāng)用戶以自然語言提出問題時，LLM 將其解析為結(jié)構(gòu)化的工具調(diào)用請求，并根據(jù)工具定義發(fā)起調(diào)用，獲取結(jié)果后再生成最終回答。這一過程體現(xiàn)了 Agent 具備“理解 → 決策 → 行動 → 回答”的能力，是其完成復(fù)雜任務(wù)的基礎(chǔ)機制。

2、Agent評測原理

在評測 Agent 時，對他的工具調(diào)用決策與行為的評估邏輯是：當(dāng) Agent 接收到用戶問題后，語言模型需要判斷是否使用工具，并做出相應(yīng)的調(diào)用。如果調(diào)用工具，則進入工具執(zhí)行階段，并基于結(jié)果繼續(xù)推理；否則直接回答。評測過程不僅關(guān)注最終的回答是否接近參考答案（藍色箭頭），還關(guān)注模型是否按預(yù)期正確地調(diào)用了工具（紅色箭頭）以及調(diào)用順序是否合理（橙色箭頭）。這體現(xiàn)了對 Agent 的行為路徑和最終輸出的雙重評估標(biāo)準(zhǔn)。

圖中通過一個工具調(diào)用agent（tool-calling agent）的示例，展示了語言模型（LLM）如何判斷是否調(diào)用工具、如何執(zhí)行工具調(diào)用，以及如何返回最終結(jié)果的完整流程。

3、Agent 的核心構(gòu)成

通常，一個 Agent 包含以下幾個部分：

• 感知（Perception）：從環(huán)境中獲取信息，比如讀取傳感器、接收用戶輸入、獲取API數(shù)據(jù)等。示例：一個客服Agent從用戶輸入里提取問題意圖。
• 決策（Reasoning / Planning）：基于感知到的信息，判斷當(dāng)前情況，并決定下一步要做什么?？赡苡玫揭?guī)則系統(tǒng)、機器學(xué)習(xí)、強化學(xué)習(xí)、邏輯推理等技術(shù)。
• 執(zhí)行（Action）：執(zhí)行決策的動作，比如調(diào)用API、發(fā)送消息、控制機器人動作等。
• 目標(biāo)（Goal）或任務(wù)系統(tǒng)（Task）：Agent通常有一個明確的目標(biāo)，比如完成訂單、回答問題、規(guī)劃路徑等。

反饋與學(xué)習(xí)（可選）：一些高級Agent具有自我反饋機制，比如通過強化學(xué)習(xí)不斷優(yōu)化行為策略。

三、評測維度

測評 Agent（智能體）的過程，本質(zhì)上是評估它是否 高效、準(zhǔn)確、穩(wěn)定地完成任務(wù)目標(biāo)，通常包括以下幾個維度：

以及主要看任務(wù)完成度與流程正確性：

? 是否按預(yù)定流程走完？

? 是否能處理異常輸入？

? 是否成功調(diào)用對應(yīng)API？

例如你訓(xùn)練了一個能夠幫用戶“查詢天氣并寫日報”的 Agent，可以如下測評：

輸入任務(wù)： “今天北京天氣如何？請寫一段日報總結(jié)。”

評估點：

-是否正確使用了天氣 API 工具？

-是否寫出了結(jié)構(gòu)完整、內(nèi)容合理的日報？

-是否在遇到API失效時能優(yōu)雅降級？

-總共調(diào)用了幾步？是否冗余？

也可以設(shè)計一組標(biāo)準(zhǔn)任務(wù) + 一組邊界/干擾任務(wù)，自動對輸出結(jié)果進行判分或人工審閱。

以及評測Agent的最終結(jié)果、單個步驟、軌跡

• 評測其在任務(wù)上的整體表現(xiàn)。將Agent視為黑盒，并簡單地評測其是否完成了工作。
• 評測Agent的單個步驟–即LLM是否正確調(diào)用某個工具，以及傳入正確參數(shù)。
• 評測Agent的單個步驟–即LLM是否正確調(diào)用某個工具，以及傳入正確參數(shù)。

四、國內(nèi)三款A(yù)gent產(chǎn)品

1. 字節(jié)跳動 Coze（扣子空間）

鏈接地址：https://www.coze.cn/space-preview?

定位：字節(jié)跳動 2025 年 4 月推出的 AI 協(xié)同辦公平臺，主打低代碼開發(fā)與企業(yè)級場景。

核心能力：

• 三個模式任務(wù)執(zhí)行：探索模式（快速任務(wù)）、規(guī)劃模式（復(fù)雜任務(wù)）自由模式，支持動態(tài)子任務(wù)拆解與工具調(diào)用（如瀏覽器、代碼編輯器）。
• 專家 Agent 生態(tài)：引入華泰 A 股觀察助手、用戶研究專家等領(lǐng)域?qū)＜?，提供行業(yè)深度服務(wù)。
• 多模態(tài)集成：支持飛書多維表格、高德地圖等 MCP 擴展，輸出 PPT、飛書文檔等結(jié)構(gòu)化報告。優(yōu)勢：操作界面最友好，插件商店、工作流商店生態(tài)完善，適合非技術(shù)人員快速上手。

2. 智普沉思Auto GLM

鏈接地址：https://autoglm-research.zhipuai.cn/

定位：依托智譜 GLM 大模型的垂直領(lǐng)域 Agent 平臺，聚焦科研、法律等場景。

核心能力：

• 學(xué)術(shù)知識庫：內(nèi)置 2000 萬篇論文、專利數(shù)據(jù)，支持學(xué)術(shù)文獻自動綜述與分析。
• 多模態(tài)交互：支持 PDF 解析、公式識別，輸出 LaTeX 格式文檔。

優(yōu)勢：學(xué)術(shù)領(lǐng)域精度高，適合高校、科研機構(gòu)。

3、納米AI Agent

鏈接地址：https://bot.n.cn/tools/aiagent

定位：納米 AI Agent是 360 集團推出的 AI Agent 平臺，其核心產(chǎn)品為MCP 萬能工具箱，主打 “零代碼構(gòu)建智能體” 與 “開放工具生態(tài)” 兩大特性，在技術(shù)架構(gòu)、應(yīng)用場景和行業(yè)適配性上展現(xiàn)出顯著差異化優(yōu)勢。以下從技術(shù)特性、應(yīng)用場景、行業(yè)影響三個維度展開分析

核心能力：

• 5 分鐘快速搭建：通過可視化操作界面，用戶可自由組合 360 自研工具（如 360 搜索、瀏覽器自動化）和第三方工具（如 ArXiv 學(xué)術(shù)搜索、小紅書數(shù)據(jù)抓?。?，系統(tǒng)自動生成任務(wù)流。
• 行業(yè)模板庫：內(nèi)置 200 + 行業(yè)模板（如金融風(fēng)控、HR 招聘、電商運營），支持一鍵復(fù)用。例如，選擇 “股票分析助手” 模板，智能體自動調(diào)用同花順 API 抓取數(shù)據(jù)→生成 K 線圖→輸出風(fēng)險預(yù)警。
• 110 + 即用工具：覆蓋辦公協(xié)作、學(xué)術(shù)研究、金融分析、生活服務(wù)等場景，工具接入無需代碼。例如，用戶輸入 “分析 2025 年上海車展趨勢”，智能體可自動調(diào)用高德地圖生成展館路線圖→調(diào)用爬蟲工具抓取媒體報道→調(diào)用數(shù)據(jù)可視化工具生成新能源車對比圖表。
• 開發(fā)者生態(tài)：支持用戶自定義工具接入，開發(fā)者可通過簡單配置將本地工具（如 Obsidian 筆記檢索）轉(zhuǎn)化為 MCP 工具，形成 “千人千面” 的智能體生態(tài)。

五、深度測評Agent

1、目的：生成網(wǎng)頁能力

prompt：你是一個經(jīng)驗豐富的旅行規(guī)劃師和前端開發(fā)者，請為我生成一個5天4晚的大理旅游計劃，并以簡潔美觀的HTML網(wǎng)頁形式輸出。

生成結(jié)果：

1）扣子空間

說明：1）邏輯問題嚴(yán)重，比如酒店離古城走路需要7個小時，但攻略建議，“稍作休息后，漫步古城”，這太不符合常識，而且配圖是喜洲古鎮(zhèn)，并不是大理古城，還有三塔倒影公園也離酒店距離很遠，并不是一天就能逛完的，所以邏輯問題嚴(yán)重；2）任務(wù)完成較快，但并未全部完成要求，生成網(wǎng)頁排版，而且內(nèi)容過于簡單，并不能作為旅游攻略使用。

2）智普沉思Auto GLM：

說明：

1）只是給了一個可以下載的pdf文檔，并未遵循最后的指令生成html網(wǎng)頁鏈接；

2）確實能看到他自動打開了新的網(wǎng)頁在瀏覽小紅書等攻略的內(nèi)容；

3）海東海西游玩順序有邏輯錯誤

3）納米AI：

說明：

1）完成了html的輸出，耗費時間較長20分鐘左右；

2）整個ui做的相比比較美觀，但只是網(wǎng)頁展示，并沒有交互，地圖也沒有展示出來。

3）生成內(nèi)容上，給的攻略過于籠統(tǒng)，大理最美的洱海周圍景點并沒有突出展示，景區(qū)介紹過多，對于游玩，用處較小。

整體說明：三個產(chǎn)品其實都沒有很好的回答，智普沒有完成指令，扣子空間邏輯錯誤較多，納米AI界面稍微好看一點，但內(nèi)容質(zhì)量較低，并沒有給出太多有用信息。

2、目的：生成游戲能力

Prompt：你是一個高級 WebGL 游戲開發(fā)者，請使用 Three.js 幫我開發(fā)一個“跑酷小游戲”類型的 3D 網(wǎng)頁小游戲，并返回完整可運行的 HTML+JavaScript 代碼。

生成結(jié)果：

1）扣子空間：

完成了游戲的開發(fā)，可以使用，基本滿足預(yù)期

2）智普沉思Auto GLM：

說明：只給出規(guī)則文檔，和運行代碼，并未給出能夠運行的文件，感覺跟普通大模型沒區(qū)別，不太像個agent

3）納米AI：

說明：完成了游戲的開發(fā)，可以使用，基本滿足預(yù)期

整體說明：三個產(chǎn)品中只有智普沉思Auto GLM沒有生成網(wǎng)頁形式的小游戲，只是給了代碼，其余兩個agnet都基本滿足預(yù)期了

3、目的：查詢資料能力

prompt：你是一個專業(yè)的健康與健身內(nèi)容編輯，請為我搜集并整合一份完整的“30天減肥計劃”圖文資料，適合普通人居家參考。請結(jié)合權(quán)威健康信息和流行趨勢，返回為結(jié)構(gòu)化的圖文形式并用pdf形式輸出。

1）扣子空間：

說明：基本符合要求，但沒有圖片，只有文字，最后生成了pdf格式的文檔

2）智普沉思Auto GLM：

說明：也是基本符合要求，沒有生成圖片，最后給出了pdf格式的文檔

3）納米AI：

說明，基本符合要求，有目標(biāo)、飲食、運動、計劃，有示意圖也生成了pdf格式

整體說明：三個產(chǎn)品中只有納米AI有圖文表達，其余兩個產(chǎn)品都是文字形式的pdf

六、總結(jié)

在本次評測中，我們從網(wǎng)頁生成能力、生成游戲能力、查詢總結(jié)資料能力等維度，深入對比了智普沉思 Auto GLM、扣子空間與納米AI三款代表性的智能體產(chǎn)品。由此看出，他們也是各自有不同的優(yōu)勢，但也不難看出，還有一些問題需要改進，隨著大模型與 Agent 技術(shù)不斷演進，我們有理由相信，不同類型的智能體將根據(jù)用戶需求各自生長，并最終走向融合。選擇哪一類平臺，并不在于誰更強，而在于你的任務(wù)場景真正需要什么。