千亿美元AI Agent赛道，如何重构知识工作？

　　AI Agent在今年4月在开发者社区掀起热潮，其中AutoGPT成为Github历史上涨星最快的项目。这股热潮背后，是Agent的思路为我们描绘了Software 2.0的图景：LLM作为推理引擎的能力不断增强，AI Agent框架为其提供结构化思考的方法，软件生产进入“3D打印”时代，能够根据用户需求进行个性化定制，打造每个知识工作者信赖的AI工作伙伴。

　　然而，人们往往会高估其短期影响。在实际的知识工作中，Agent的可靠性仍然不足。未来，我们也不认为Autonomous Agent会是好的商业落地方向，因为它过于强调LLM的自驱和自动化规划。

　　因此，我们认为理想的Agent产品需要具备给产品设计者和用户提供干预空间的特性。目前实践中最具代表性的有两类：中间层的Agent Framework和垂直领域的Vertical Agent。前者能让行业中的领域专家为自己打造Agent工作伙伴和工作流分身，使未来的组织更加精简；后者能在某一个领域中深耕行业的最佳实践，并收集到高质量的专有工作流数据。其中，Coding Agent是这两个方向的结合，有望成为未来所有Agent与人类之间的翻译官。

　　长期来看，我们对AI Agent的前景保持谨慎乐观的态度。一方面，OpenAI等大模型公司会在Agent标准定义和模型推理能力上持续进化，11月的OpenAI Devday可能会迈出定义标准的第一步。另一方面，Agent的应用落地还需要Generative UI带来的人机交互方式的革新。

　　在本文中，我们探讨了AI Agent的四个关键问题：理解Agent、其重要性、理想的框架以及现状。同时，我们还对AI Agent领域的创业公司进行了mapping，并展望了AI Agent的未来发展方向。