今年4月份，由斯坦福大学和 Google Research 团队联合发表的一篇名为《Generative Agents: Interactive Simulacra of Human Behavior》的论文备受行业关注。研究者们构建了一个名为 Smallville 的“虚拟小镇”，有25个人工智能智能体（agents）在这里每天进行生活、聊天和社交等活动。这些智能体都有自己的个性、背景故事和兴趣爱好，可以在小镇的不同场所进行互动。
杨劲松毕业于北京大学元培实验班计算机科学技术专业，除了在阿里巴巴达摩院任职外，此前还就职字节跳动飞书AI&搜索产品负责人，亚马逊AWS等企业。其管理产品两次获得世界人工智能大会 SAIL 奖，两次入选达摩院十大科技趋势，入选世界智能大会优秀案例，入选新华网《中国数字样板》等。AutoAgents.ai其他初创成员也都先后在阿里巴巴、腾讯、Google等知名国内外企业从事AI产品研发和商业化相关工作，在企业服务数字化、智能化领域拥有深厚技术积累。作为国内首批大语言模型技术落地和应用场景探索的公司，AutoAgents.ai可以说是目前国内AI创业团队为数不多兼具产研能力和丰富商业化经验的团队。
非凡产研近期采访到了AutoAgents.ai创始人&CEO杨劲松，请他分享了自己和团队在AI Agents的应用实践探索，以及他对Agent的前瞻性研究与判断。
理解人类意图的Agent型软件蕴含巨大机遇
被誉为计算机科学与人工智能奠基人的英国数学家和逻辑学家阿兰·图灵（Alan Turing）在1936年提出了“图灵机”的概念，作为一种抽象的计算模型，其可以模拟任何可计算的问题。同时，他也是第一个设计和实现软件的人，在1943年为英国的密码破译机器Colossus编写了程序。美国统计学家和数学家约翰·图基（John Wilder Tukey）在1958年的一篇文章中首次使用“software”一词来描述计算机系统中非硬件的部分。作为计算机科学和人工智能的重要组成部分，软件（software）自诞生以来，其重要性越来越强，使用范围也越来越广泛。
过去40年，软件是人机协作最主流的媒介工具，会使用各种软件是脑力劳动者的必备生存技能。为了充分展示软件在不同场景的使用，软件开发者不得不将所有功能平铺展开，方便用户取用。但软件开发者们从来没有回避软件的局限性——软件没有意识，并不知道人类真正希望从中获得什么。据称仅演示文档PPT软件就有2000多个功能feature，并且软件复杂程度越高，也意味着学习和使用门槛就越高。这也导致了软件和其使用者之间一直都有软件功能过剩或者无法被充分使用的Gap。“但如今随着生成式AI和Agents技术的革命性进展，以 AI Agent 为技术基座的新形态软件，将实现围绕人的意图，去提供响应和服务，大幅提升软件使用效率和效果。在革新软件旧有桎梏的同时，还将带来新的伟大机遇。”杨劲松向非凡产研记者介绍道。
在杨劲松看来，未来所有的企业都要进行AI 数智转型，组织内部使用AI工具将会常态化和规范化。但更深层次，也更重要的是未来所有底层业务流程都要用AI Native的思维和方式重新迭代升级。而Agent也是大模型能够实现规模化落地的最佳路径之一，将在企业服务各种场景发挥潜力价值。出于以上两点考量，再加上杨劲松及团队成员早前在AI领域积累的经验和资源积累，AutoAgents.ai也因此应运而生了。
对于Agent的主要应用场景，杨劲松认为可以分为以下三大类：
a) 解决 “人机不对称”导致的效率低下问题
所谓“人机不对称”指明确分辨哪些需要花费很大人力和时间才能完成的工作，其实使用机器迅速就能完成。而且这类工作很多通常都是进行信息搜集整理和汇总，智力产出价值相对来说没那么高，这恰恰正是agent非常擅长的，提效价值会非常明显。
b) Agent能够成为新的流量入口
过去大家使用某个软件寻求某种服务都是通过网页或者APP的某个产品功能来实现的，这也是软件的重要形态。但在未来，Agent将成为新的流量入口，用户只需要通过自然语言就能借助agent助手享受某个服务。Agent作为承接企业业务逻辑的一种新的形态，能够承载大量的业务逻辑，提供给终端用户更自然的体验。
c) 多自主智能体与人类建立新的协作关系
第三类则是“自主智能体”，这也是 agent 中最高级的智能形态。通过给多个 agent 分配不同的角色和任务目标，让它们在一个环境中协同探索，agent就能够自主帮助人类完成一些任务。文章起始提到的斯坦福小镇项目就是自主智能体的典型代表之一。杨劲松强调这类 agent 也是长期最有价值的，未来有些劳动力不再由人来承担，这些 agents将与人类建立一种新的协作关系。多Agent的协作、对话机制也是AI界的一个重要研究课题。
提及当前人工智能领域内为什么关于多 agent 的探索是一个热点方向，杨劲松表示，这是因为单一agent 无论是智能水准还是任务完成能力都是有限的。这与人类社会非常相似，一个人或一个超级个体的能力始终都很有限，所以人会通过组织协作的方式，组成团队、公司或更大的组织来强化力量。要想建立多Agent框架也需要遵循相同逻辑，通过支持不同Agent协作的方式，衍生出类人类组织的Agent协作方式。因此AutoAgents.ai在技术架构中设计了 agent 的组织结构，让 agent 建立团队的概念，并且实现 agent 之间的协作和关联。通过还原人类社会的协作方式，来提升agent 的使用效果。
基于以上对agent应用的理解，AutoAgents.ai希望搭建一个多智能体（Multi- Agent）技术框架，让其承担“Agent工厂”的作用，支持企业自主创建专属于自己的各种类型的智能体，帮助企业降本增效。
杨劲松表示，AutoAgents.ai的底层技术主要有6大特色：
面向业务人员使用无代码的Agent产品、
支持业务自然语言描述SOP，自动生成对应 Agent应用、
拥有专利权的行业第一个支持“异步协作式”Agents组织、
第一个在真实业务场景跑通可用的自主智能体产品、
针对Agent的微调技术（Agent-Tuning）、
Agent的代码生成能力会逐渐增强
另外，如何提高 agent 生成代码和使用工具的能力，甚至根据现有模型，用自然语言就能生成和封装一个agent工具也是AutoAgents.ai独有的技术研究，属于领域内SOTA（State Of The Art）。杨劲松透露，目前团队正在就此撰写一篇相关论文，并向明年的ACL会议投稿。
接着他介绍，异步协作式的 agent 组织，则是为了区别目前市面上agent大都是串联并行的工作方式。这样可以保证agent能够实现一对多、多对多、广播形态等形式。极大丰富了agent的应用效果和场景。
现在企业通常都是用别人已经设计研发好的工具，有了agent技术就可以逐渐演进为如果工具市场，或者开放生态里面没有这个工具，企业就可以自己利用agent主动生成一个工具或者界面来完成任务。并且Agent也并不一定都是用户可见，用户只要与入口Agent进行交互，接着入口Agent会智能自动化指挥具体任务Agent完成相关具体工作。这是一个极具想象力的创新工程。
当然，企业要在AutoAgents.ai实现以上能力不会在白板上从0开始。杨劲松介绍，企业可以根据AutoAgents.ai预设的agent进行设计。首先AutoAgents.ai每个agent都有支撑其运行的API/Tools，其次还在memory里嵌入和配备对应的最佳实践（best practice）、知识库等，让其参照对应的SOP来执行。大语言模型包含了人类知识的汇总，已经学习了许多“最佳实践”，只需要在特定领域中提取出来就可以供企业使用。AutoAgents.ai也支持自定义企业管理规范，如果与最佳实践有所不同，或者有明显改进，企业用户可以在后台进行自主设置。
*注释：ACL会议（Annual Meeting of the Association for Computational Linguistic cs 是自然语言处理与计算语言学领域最高级别的学术会议，由计算语言学协会主办，每年举行一次）
目前AutoAgents.ai主推两大工具，一个是专供业务人员使用的LLM应用构建工具——“灵搭”，另一个是帮助企业智能自动化运营海外社交媒体的Autonomous Agents产品。
“灵搭”是企业进行抽象大语言模型构建应用的相关组件，业务人员可以基于自然语言输入，自动规划业务目标，生成工作流和使用工具。灵搭支持可视化拖拉拽等操作，能够非常灵活和低门槛承接企业的不同业务场景落地。企业只需要1，2个人就能创建大语言模型应用，成本得到大大降低。
海外社媒运营产品则主要针对国内出海或者local市场的SMB企业客户。以前这些企业很难在合理成本雇佣到合适的社媒运营人员，现在Autonomous Agents一方面可以充当coach角色，教他们如何运营社交媒体，另一方面也能直接承担社交媒体账号代运营工作。Agent助手可以智能分析企业运营社交媒体的痛点和需求，然后基于此自动创建运营策略和规划，并周期性自动落地执行。利用多个Agent助理闭环模拟人类员工的社媒运营工作流程。
AutoAgents.ai的产品形态也让大模型厂商喜出望外，因为这意味着大模型有了真正的“用武之地”，而不仅仅是单纯作为聊天工具。目前AutoAgents.ai已经与一些主流开放API的大模型厂商建立了合作关系，当大模型企业用户有开发agent需求的时候就可以直接调用AutoAgents.ai能力来实现。
杨劲松还介绍道，未来Agent的典型场景架构是由底层算力、数据等组成的基础设施层，到上面的模型层，到“灵搭”这样的中间框架平台，再到上面的应用和行业层来组成。中间件的技术能力对大模型价值发挥和企业落地应用AI起到重要的支撑作用。AutoAgents.ai会先聚集能源、金融、政企、营销等主流行业，分别沉淀标准化解决方案，然后逐步再将关于Agent的最佳应用路线逐渐推广到所有领域，以推动AGI的不断发展。
为了实现上述目标，目前团队在积极探索能够与客户的场景和业务相匹配的大模型应用场景，以此来帮助企业创造新的价值。“首先，我们会与客户进行业务场景的分析和梳理，帮助他们实现 AI 转型转备，让他们在未来工作中能够良好适应与 AI 协作的状态。这是一个堪比之前数字化转型同等量级的巨大机会。人机协作将进入新时代。
Netscape、SaaS公司Opsware创始人MarcAndreessen此前参加风险投资机构a16z举办的Connect/Enterprise 行业交流活动时曾表示：作为计算机领域的新范式革命，生成式AI技术不仅为新的应用和体验开辟了道路，也暴露了现有企业的脆弱性。对初创企业来说，这是一个双重机遇。他们不仅有机会利用新架构创造前所未有的产品和服务，也有可能利用大公司在转变中的脆弱和不稳定，实现快速崛起。回到现实世界，一年前所有人绝对不会想到今天会诞生AutoAgents.ai这样的公司，他们正在用新技术赋予每个人更高维的自我，为创新和创造提供无限的可能性。
Agent就像执行大语言模型思想的手和脚，再结合其推理和规划能力，将开启人机协作的新时代，重塑企业经营全价值链。“当agent成为主流，将企业最佳实践高度SOP化，未来如果有企业需要领域内顶级企业的know-how，有很大概率可以通过额外付费形式直接购买。以语言模型为核心的新应用，也可以提供更多的场景和更好的体验，彻底颠覆传统软件的积弊。”杨劲松补充道。
AutoAgents.ai将致力于打造一个企业级大语言模型与场景应用平台，帮助企业跨越技术门槛，将AI的巨大能量赋能给每位知识工作者。这是杨劲松及其团队的创业初心和终极目标。
作者 | 谈秋平
审核 | 秋平