AI Agent 是不是新瓶装旧酒的一个概念

[qm]

按照我个人理解，AI Agent 干的事情就是把一个复杂的任务拆分成多个步骤，然后串起来，只是这些步骤里某一些步骤需要调用大模型来做输出。

然而，其实我们任何一个程序都是在干这个事情，比如你打开淘宝，淘宝后台的入口服务（或者叫 Agent 吧）在获取到你的请求信息之后，可能去数据库里查询你的注册信息，然后调用商品推荐服务拉取到商品 ID 列表，接着根据这些 ID 列表调用商品详情服务获取的商品的各种数据，最后给客户端回包。

所以 这个 AI Agent 是不是就一个概念？

当然还有另外一种理解，上面举例的 Agent 是死板固定的 Agent 、没有任何智能；理想态的 Agent 是真正有思考规划能力的，只需要给它一个一句话的任务，它能真正地分解任务、而不是靠预先设置好的逻辑（ if else 等）分解任务。但是这种 Agent 目前真的出现了么？哪怕有一个真正初具智能的呢？

[Rickkkkkkk]

你感觉 LLM 是 if-else 吗？

[Eins]

看来没理解 LLM 最基本的逻辑和能力，用硬编码的逻辑看 agent ，似乎是成立的，但这只是 agent 的一种表象的执行逻辑，背后的运行逻辑已经不是硬编码了，而是一种决策能力。我猜提这个问题没有问过 ai 吧

[bwnjnOEI]

上面那个不叫事件驱动吗？现在的 agent 固定的 workflow 模式比较成熟了没什么难度。你说的后者属于 orchestrator 模式本质也算 workflow 但是 rl 训练可以规划推理检索，比较成熟的应用的是 deepresearch 。以上都是需要你主动提问，目前自主的 agent ，比如实时运行的个人助力，应该还不存在。

[liyafe1997]

你理解得基本没错，所谓 Agent/MCP 就是一套提供给 LLM 调用的 API ，它生成请求来调用，调用的结果说白了就是生成一堆 prompt 喂回给它。
说白了抽象理解大概就是 AI 生成一堆函数调用的代码，然后执行，然后把执行结果在下一次 prompt 中喂回去，如此循环。

[lscho]

“理想态的 Agent 是真正有思考规划能力的，只需要给它一个一句话的任务，它能真正地分解任务”

现在各大 ai 编辑器的 plan 模式不就是这样吗？比如 cursor 的 plan 模式，trae 的 solo 模式，都可以分解任务了

[maolon]

你这个理解是 workflow 而不是 agent ，建议看看 anthrophic 的 agent 定义 https://www.anthropic.com/engineering/building-effective-agents

[crocoBaby]

我个人理解是对比传统写的请求信息，多了根据向量数据判断权重，比如根据当前客户的画像调整请求返回的数据

[archxm]

一切都是为了麻痹你，让你有辛福感

[vikim]

废话不多说， 是
用了这久， 相当于就是给 AI 一个 api 接口而已， 其余的功能上有多牛掰 纯属胡扯 当然胡扯出新高度了 也是牛

[yh7gdiaYW]

不算旧瓶装新酒，是真有新东西的，解决了"允许用户用任何喜欢的描述方式提问"的实现。在 Agent 之前，这种功能只能按某种解析规则 if else 匹配到预设的工作流上

[w0017]

整个世界都是分类任务

[xyooyx]

这里面有一个核心是把“下一步做什么”交由给 AI ，这一步如果没有做，那就是“新瓶装旧酒”

[visper]

agent 不就是把大模型和调用工具的能力合起来当成一个概念吗？ 最开始技术上叫 function calling 好像。

[tamshy]

一个是让你直接给妙瓦底转 30 万。另一个是编排一堆自动化脚本+剧本 最后你心甘情愿转了 30 万

[goodboy95]

真做 agent 的肯定都是做你那个“理想态”，比如 roo code 的 orchestrator 模式，或者 manus 、openai agent 那些。

[qm]

@liyafe1997 LLM 和 Agent 的调用关系：是 LLM 调用 Agent 还是 Agent 调用 LLM 呢？

[liyafe1997]

@qm 更多是 LLM 调用 Agent ，但理解成互相调用也没错，Agent 生成 prompt ，这不也是调用 LLM 吗

[qm]

@liyafe1997 如果把 LLM 理解成纯粹的模型，这个模型 infer 过程中，本身其实没有办法去做外部网络的调用事情，那如果要做这个事情，得是 LLM 周边的系统，那么这个周边的系统其实就是 Agent 的一部分了