@刘协 #13 不应该是微软大战代码?

Gmail 用的人太多被谷歌单方面风控了.

@steve02081504 #3 就是觉得你那么做没价值.
个人搭建 agent 费时费力,需要考虑 llm 供应商, 语音转写供应商,手机远控需要自己的服务器和 ip.
大厂提供 agent 服务,集中采购,价格优惠,知识复用,唯一缺点只是很多人完全不在意的隐私.
举个例子, kimi 的 agent 订阅中包含同花顺数据源的访问权,个人 agent 能做到吗?

sx是?

我要和 @steve02081504 对线!
文章使用markdown排版,推荐使用 https://linux.sb/topic/9945 .

agent框架,agent平台,agent IDE——我们真的需要那么多agent吗?

最近一年,AI 行业出现了一种新的狂热.

从 agent framework,agent platform,agent IDE,到各种 agent workflow,agent OS,很多人都在尝试构建下一代 AI 时代的软件基础设施.

他们相信未来的软件不会再由人直接操作,而是由 agent 代替人完成任务.

这个方向可能没有错.

但问题是:

『我们真的需要这么多agent吗?』

或者说,现在大量围绕 agent 构建的基础设施,到底有多少是真正有价值的技术创新,又有多少只是 AI 泡沫下的重复建设?

完全没有技术壁垒

首先需要明确一点:

agent 本身并没有想象中那么神秘.

一个最基础的 agent,本质上就是:

llm + 循环 + 工具调用

llm 负责生成下一步行为.

循环负责让它持续观察,思考,行动.

工具调用负责让它影响外部世界.

除此之外的 memory,workflow,skill 等能力,本质上都是围绕这三个核心进行扩展.

这意味着大量所谓 agent 框架,实际上并没有创造一个新的计算范式.

它们更多是在封装:

• 如何调用模型.
• 如何保存上下文.
• 如何管理工具.
• 如何编排任务.

这些东西当然有工程价值,但是工程价值和商业壁垒是两个概念.

今天一个团队可以开发一个 agent framework.

明天模型厂商就可以把类似能力直接集成到自己的 SDK 中.

当基础模型公司开始向上吞并应用层能力时,大量中间层产品最终都会变成巨头生态中的一个功能.

军阀混战

现在的 agent 行业,某种程度上很像互联网早期的门户战争.

所有人都认为自己能够成为未来 AI 时代的入口.

于是大量公司开始争夺:

『谁才是 agent 的操作系统?』

但问题在于,入口这种东西并不是越多越好.

互联网时代,无数门户网站曾经认为自己会成为下一代信息入口.

移动互联网时代,也有大量公司试图打造自己的超级平台.

但最终真正留下来的永远只是少数几个.

原因很简单:

用户不需要十个入口.

用户甚至不关心底层使用了什么框架.

用户只关心:

『这个东西能不能解决我的问题.』

agent 领域也一样.

未来用户不会因为某个产品使用了更先进的 agent framework 而选择它.

他们只会选择效果最好,成本最低,最符合需求的那个.

为什么个人从业者一定会死——互联网巨头的补贴打法

agent 最大的问题,不是技术难度.

而是竞争环境.

如果一个个人开发者或者小团队开发一个通用 agent 平台,那么它面对的竞争对手可能不是其他创业公司.

而是拥有:

• 基础模型.
• 云计算.
• 用户生态.
• 资金规模.

的互联网巨头.

小团队花一年时间打磨出来的能力,巨头可能只需要增加一个产品功能.

然后通过免费策略,生态绑定,用户入口优势快速覆盖.

这和过去互联网行业的竞争逻辑完全一致.

基础设施层最终往往会被拥有资源优势的公司吞并.

不是因为小团队做得不好.

而是因为它们竞争的维度根本不同.

AI泡沫所导致的相关内容的乐观估值

目前市场对于 AI 相关项目存在明显的过度乐观.

很多项目只需要展示一个可以运行的 agent demo,就能够获得大量关注和高估值.

背后的逻辑是:

『AI 一定会改变世界.』

这句话可能正确.

但是从来没有一个技术革命意味着所有参与者都会成功.

互联网改变了世界,但互联网泡沫时期大量公司消失.

移动互联网改变了世界,但早期无数应用平台最终失败.

技术趋势和商业机会并不是同一个东西.

AI 会重塑软件行业.

但这不代表所有挂上 AI 或 agent 标签的公司都会拥有长期价值.

agent的实际价值在哪?

如果通用 agent 平台价值有限,那么 agent 真正的机会在哪里?

答案可能不是创造一个什么都能做的数字员工.

而是在某个具体领域内,成为一个高度优化的工具.

很多人认为通用 agent 可以通过 skill,memory,甚至训练获得专业能力.

理论上这是成立的.

一个足够强大的通用 agent 确实可以学习法律,学习编程,学习医学,学习设计.

但问题在于:

能力覆盖范围越广,通常意味着系统需要承担更多额外信息.

而这些额外信息对于当前任务可能完全没有价值.

为什么特化,深度定制的agent一定会胜出

通用 agent 最大的问题不是它不会专业领域.

而是它太泛化.

一个面向所有工作的 agent,需要考虑所有工作的可能性.

它需要拥有大量通用知识,大量工具接口,大量行为模式.

这些能力增加了它的灵活性.

但同时也带来了成本.

更多无关上下文意味着更多 token 消耗.

更多可能性意味着注意力被分散.

更多泛化能力意味着在特定任务上的优化空间降低.

而一个深度定制的 agent 不需要考虑这些问题.

它可以直接针对:

• 特定数据.
• 特定流程.
• 特定工具.
• 特定评价标准.

进行优化.

例如一个代码开发 agent,它可以完全围绕代码库结构,测试流程,部署环境进行设计.

一个工业 agent,可以完全围绕生产流程和设备数据进行优化.

这种 agent 可能没有通用 agent 那么泛用.

但是在目标领域内,它拥有更高的效率和更明确的能力上限.

未来真正有价值的 agent,可能不是『什么都会一点』.

而是『只解决一个问题,但把这个问题解决到极致』.

结论

agent 技术本身不会消失.

但是当前大量 agent framework,agent platform,agent IDE 的价值是被严重高估的.

很多产品是在 AI 浪潮中重复建设基础设施,参与者们像是新时代的淘金者.

未来基础设施层会被少数巨头整合.

真正留下来的,是那些嵌入具体领域,拥有长期数据积累,能够解决具体问题的专业 agent.

让我看看！

xyn看看腿.

ipv6普及前没法做到真web3.....吧?

tg上看到的.

看成渗透引擎.....

@steve02081504 #19 不如.....
多喝热水.

@steve02081504 #15
火热等于没前途.()

现在agnet都烂大街了,本身又鸡肋,做这个没好处的,洗洗睡吧.

虚拟邮箱是?