你好，Agent时代

去年这个时候，大家还在讨论Prompt怎么写效果最好。今年再打开朋友圈，满屏都是Agent。

变化来得比预想中快。2022年底ChatGPT刚出来的时候，很多人觉得这不过是个更聪明的聊天机器人，能写文案能润色，顶多算个效率工具。两年过去，事情悄悄起了变化。大模型开始能自己上网查资料，能调用工具，能规划任务，甚至能自己写代码、自己调试。

这个变化不只是多了几个功能。它意味着AI从"你问我答"的模式，正在走向"你给目标，我来完成"的模式。前者是工具，后者是助手。工具需要人一步步指挥，助手能自己想办法把事情办完。

这就是Agent要做的事。

---

ChatGPT打开了那扇门

先回到ChatGPT刚出来那段时间。

2022年11月30日，OpenAI发布ChatGPT。两个月后，用户数突破1亿，成为人类历史上增长最快的消费级应用。之前这个纪录的保持者是TikTok，用了九个月。

那段时间大家都在玩。让它写诗，让它写代码，让它帮写年终总结，让它模拟各种角色。新鲜劲过去以后，真正开始拿来干活的人发现了几个问题。

第一个问题是幻觉。它说得头头是道，你去查证发现根本没这回事。引用的论文不存在，给出的API参数是编的，连代码里导入的库名可能都是错的。用在创意写作上还好，用在需要准确的地方就很危险。

第二个问题是知识有截止日期。GPT-4训练数据截止到2024年中，之后发生的事它不知道。你问它最近的技术进展、最新的产品价格、刚发布的框架版本，它要么瞎编，要么老实说我不知道。

第三个问题是它不会干活。它能告诉你怎么用Python处理Excel，也能写出代码，但代码要你自己复制到编辑器里运行。它能给你写旅行攻略，机票和酒店还是得你自己订。它停在"告诉你怎么做"这一步，"帮你做"这件事，它做不了。

这三个问题指向同一个方向。大模型很聪明，但它被关在对话框里。它没有眼睛也没有手，看不见外面的世界，也碰不到真实的系统。它能输出文字，文字之外的事情，它做不了。

---

然后大家开始给大模型装手和脚

最先尝试的是插件模式。

2023年3月，OpenAI推出ChatGPT Plugins。你可以让ChatGPT接入第三方服务，订机票、查股票、点外卖、浏览网页。大模型第一次有了跟外部世界交互的能力。

这个方向是对的，只是插件这条路后来没走通。原因很多，产品形态的问题，安全的问题，开发者生态的问题。但有一件事被验证了。大模型配上工具以后，能力边界会被大幅推开。

几乎同时，一个叫AutoGPT的项目在GitHub上火了。它的思路很简单，你给它一个目标，它会自己拆解任务，自己上网搜索，自己写代码，自己检查结果，一步步往目标靠近。不用人在中间指挥。

那段时间GitHub Trending上全是AutoGPT的衍生项目。星标涨得飞快，几周就破了十几万。大家都很兴奋，觉得通用人工智能好像马上就要来了。

热闹过后，AutoGPT本身没留下来。它太容易跑偏了。让它做个市场调研，它可能会在某个网页上越钻越深，绕不出来。让它写个程序，它可能会陷入反复调试的死循环。任务一复杂，它就管不住自己。

但AutoGPT把一件事讲清楚了。方向是对的，只是实现还很粗糙。大家开始认真研究，怎么让大模型靠谱地完成多步骤任务。这就是Agent这个领域真正起步的时候。

---

Agent到底改变了什么

说清楚Agent之前，先看看没有Agent的时候，我们怎么用大模型。

没有Agent，你跟大模型的交互是一轮一轮的。你问一个问题，它给一个答案。答案不满意，你再补充说明，它再改。你是司机，它是副驾，方向全靠你把着。

有了Agent以后，你说一个目标，它自己规划步骤，自己调用工具，自己检查结果，遇到问题自己调整。最后把结果交给你。中间你可以不干预，也可以在关键节点插手。

这个变化的核心，是控制权的转移。

之前人负责过程，模型负责每一步的输出。现在模型负责过程，人负责结果。你不用告诉它第一步做什么第二步做什么，你只需要告诉它你想要什么，以及做到什么程度算合格。

这件事为什么重要。因为它改变了人和AI的协作方式。以前AI是计算器，你输入算式它出结果。现在AI慢慢变成实习生，你交代任务，它自己想办法完成，遇到拿不准的再来问你。

计算器和实习生之间的差距，就是Agent要填补的空间。

---

现在的Agent发展到哪一步了

说几个我觉得有代表性的进展。

代码领域走得最快。GitHub Copilot从补全代码进化到了Copilot Workspace。你描述一个需求，它能自己打开仓库，理解代码结构，写出实现，跑测试，甚至自己改bug。Devin这类AI软件工程师产品，已经能独立完成一些简单的开发任务了。

数据分析领域也很活跃。你用自然语言问一个问题，Agent会自己去查数据库，写SQL，跑分析，生成图表，最后给你一份结论。不用再等数据分析师排期。

客服和知识库是落地最多的场景。企业把自己的文档和产品资料喂给RAG系统，用户提问时，Agent先去知识库检索相关内容，再组织语言回答。准确率比纯大模型高很多，也不会胡说八道。

这些应用有一个共同特点。它们都给Agent划定了明确的边界，不让它自由发挥。能做什么，不能做什么，出了问题怎么办，都有设计。自由探索的AutoGPT没跑通，约束边界的行业应用先落地了。

这也是我做这个专栏的一个基本判断。Agent的价值不在全能，在特定场景下的可靠。把一件事做好做稳，比什么都能做但什么都做不好有价值得多。

---

这个专栏会写什么

这个专栏叫AI Agent企业级实战。名字里有两个关键词，企业级和实战。

企业级的意思是，我们不做玩具Demo。我们讨论的是真实业务场景里会遇到的问题。知识库不准怎么办，工具调用出错怎么恢复，用户数据怎么保护，成本怎么控制，上线以后怎么监控。这些问题Demo里不用考虑，真实项目里一个也绕不过去。

实战的意思是，每一篇都有可运行的代码。不聊空泛的概念，不画漂亮的架构图然后告诉你"具体实现留作练习"。每一篇文章结束，你手里都会有一个能跑起来的东西。

整个专栏60篇，分成八个模块。

筑基篇讲认知和基础概念，帮你建立对Agent的完整理解。工具篇讲怎么让Agent拥有各种能力，搜索、数据库、文件处理、API调用。RAG篇是重点，讲怎么给Agent装上知识库大脑，这是目前落地最成熟的方向。

记忆篇讲怎么让Agent记住用户和历史。LangChain和LangGraph两篇讲框架的深度使用。多智能体篇讲怎么让多个Agent协作完成复杂任务。最后部署与工程化篇，讲怎么把Agent从Demo变成可以上线的产品。

如果你跟着学完，应该能独立完成一个企业级Agent项目的设计、开发和上线。

---

写给谁看

这个专栏适合几类人。

第一类是已经会Python、用过几次大模型API，想系统学习Agent开发的程序员。你可能零散看了一些教程，但总觉得拼不起来，不知道怎么做出一个完整的东西。

第二类是想转行做AI应用开发的技术从业者。你可能做过后端、做过前端、做过测试，想抓住这波AI浪潮，但不知道从哪里切入。

第三类是产品经理和技术管理者。你不需要亲手写代码，但需要理解Agent技术的边界和可能性，才能做出正确的产品决策和技术选型。

第四类是AI训练师和数据从业者。你已经在AI行业里了，想往应用开发方向走一步，拓宽职业路径。

不管你是哪一类，这个专栏的要求只有一个。你要有基本的Python编程能力，能看懂代码，能自己动手跑。光看不动手学不会Agent开发。

---

最后说一句实在话。

Agent这个领域现在还很早。框架在变，模型在升级，最佳实践还没有完全成型。今天你学到的某个API，可能半年以后就有了更好的写法。今天你觉得很合理的架构，再过一年可能就过时了。

这不是坏事。正因为早，现在入场的人才能享受早期红利。等一切都成熟稳定了，机会也就没那么多了。

这个专栏会尽量写"道"，少写"术"。原理和思路比具体的API调用更重要。框架会换，工具会变，理解了底层的东西，换什么你都能快速跟上。

我们从下一篇开始，从零讲起。