生成式 AI 的发展方向，应当是 Chat 还是 Agent？

先看下Chat和Agent的差别。

Chat（聊天）：纯粹的Chat，像是一个主要由“大脑和嘴”构成的智能体，专注于信息处理和语言交流。比如ChatGPT这样的系统，它能够理解用户的查询，给出有用和连贯的回答，但它本身不直接执行任务。

Agent（代理）：像一个具有“手、脚”的智能体，它能够进行思考、决策，并且能执行具体的任务。

我们可以简单粗暴的理解为，Chat强调的是“说”，Agent强调的是“做”。

要你你选哪个？

这么讲吧，但凡人类对于躺平的美好追求还在，“让机器替我干活”的念头就不可能熄灭。

自ChatGPT发布后，从plugin的推出，到Function Calling再到Assistant API的面世，OpenAI这一系列动作就充分表明，有这么强大的LLM作为基本盘的情况下，人们就不可能仅仅满足于让它“嘚啵嘚”。

历史总是惊人的相似。从2014年亚马逊开创性推出Amazon Echo开始，智能音箱横空出世。一开始的智能音箱，也只是有个“嘴”，只能实现播放音乐、查询信息、设置提醒等功能。而且“脑子”还不太灵光。

但是随着阿里、百度、小米等科技巨头的纷纷加入，智能音箱在竞争中卷出了新高度。打通支付、和智能汽车、智能家居互通，智能音箱不断地突破和扩展功能边界，逐步坐到了智能家居生态的“大总管”位置上。

随着应用场景的持续拓展，智能音箱又延展到儿童教育、养老关怀等领域，深刻影响了人们的日常生活。

相信有一天，智能音箱会强大和多样化到一个程度，以至于“智能音箱”这个名字不再适合这个品类，那将是新一轮故事的开始。

同样惊人相似的，还有从单纯的AI智能语音助手、智能客服（只会说）到以AI+RPA为核心技术的的AI数字员工（会说又会做）的发展史。。。

这些，都是人工智能走向多元化和融合化的一个个缩影。

因此，随着技术水平的不断进步和场景化落地的不断挖掘，Chat和Agent的界限必定会越来越模糊，生成式 AI 会融合Chat和Agent的特点，形成既能进行高质量、高人格化对话，又能高效执行复杂任务的 AI 自动化系统，为人们提供融合、互补、多样化的解决方案。

AI Agent的崛起不仅仅是技术上的突破，更是对软件开发理念的一次深刻变革。

在传统的软件开发中，程序员需要预先定义所有的逻辑和规则，然后进行代码实现。而AI Agent的出现，要求我们对软件进行充分地“放权”：它由一颗大脑（LLM）来进行自主支配运行，并在运行时自动学习、适应和调优。这种前所未有的开发范式的转变，让程序员不得不重新思考软件开发的本质，也重新思考软件开发的未来。

典型的AI agent分为Memory（记忆）、Tools（外部工具） 、Planning（计划） 和Action（行动）四个模块。

当前学习AI Agent基本上分作两条路径：

基于OPenAI技术路线，以及基于开源技术路线。建议每个技术人员，都选择一条路，亲自趟一趟。

大模型爆发之后，AI Agent的发展也可谓是一日千里，各种项目层出不穷。

AutoGPT

项目地址：

https://github.com/Significant-Gravitas/AutoGPT

可以根据你设置的目标，将实现这个目标的任务进行拆解，再采用搜索、浏览网站、执行脚本等方式一条条去执行任务，帮你完成目标。

JARVIS

项目网址：https://github.com/microsoft/JARVIS

一个非常有意思的“模型选择”Agent。它将用户要求拆解成子任务，再到Huggingface上选择合适的专家小模型执行任务，最后对结果进行处理和返回给用户。

由于JARVIS可以调用其它模型工具，因此它可以执行多模态任务。

MetaGPT

项目网址：https://github.com/geekan/MetaGPT

MetaGPT是另一个开源人工智能体框架，试图模仿传统软件公司的结构。与ChatDev类似，Agent被分配产品经理、项目经理和工程师的角色，并且他们在用户定义的编码任务上进行协作。

工具、平台、社区的不断成熟，为个体开发者提供了一个全新的舞台。程序员与人工智能之间的距离从未如此之近。AI Agent的崛起，让有想法、有技术的人能够以前所未有的方式释放自己的创造力，打造出各种有趣、实用的AI原生应用。

那么，你准备好加入这场革命了吗？

文章来自于知乎 “悦木Ivy陪娃成长”，作者 “悦木Ivy陪娃成长”