很多AI領域大佬，如吳恩達，Karpathy都表示看好Agent，將其作為未來最有潛力的方向。

筆者曾經(jīng)在之前文章提到過“RAG的盡頭是Agent，AI的盡頭是替代人”。這里的核心推理邏輯是什么？

我們首先以“用戶去某地旅游”為需求來解釋LLM、RAG、Agent三者的能力邊界以及需求滿足度。

LLM：能夠生成“無法考證可能正確”以及“不一定及時”的相關行程攻略，景點等信息。

RAG：能夠檢索一些時效性高、內(nèi)容可靠的信息源的內(nèi)容，并生成相關的行程信息。

Agent：能夠基于用戶的需求目標完成，通過使用各種工具和系統(tǒng)交互完成攻略制定，訂票，制定行程日歷等過程任務。

從上面的例子可以得到以下一些直觀的認識：

1）LLM和RAG本質(zhì)上還是面向的內(nèi)容生成，是在知識和信息層面做工作。其中RAG是對LLM能力的增強或者是階段性的改良。這和我們在抖音或者小紅書上看到了內(nèi)容攻略沒有本質(zhì)區(qū)別，其核心差異在于內(nèi)容制造的效率和質(zhì)量。

2）Agent是面向目標任務而生，能夠完成端到端的需求滿足。通過自己的任務規(guī)劃，拆解，迭代，它不僅完成了內(nèi)容的生成，還能利用工具使用完成一系列原本需要用戶自己完成的任務，最終達成目標。比如看完攻略再去攜程等APP上完成訂票。

在當下移動互聯(lián)網(wǎng)/AI1.0時代，我們利用內(nèi)容自媒體平臺和推薦技術完成了內(nèi)容的生成和內(nèi)容分發(fā)，但是當人在獲取到信息或者知識后，仍然需要人去完成具體任務（哪怕是AI生成內(nèi)容本身），這某種程度上是對用戶真實需求的“閹割”，并沒有完整的滿足。另一方面，由于人類本身的局限性，也只能滿足一定程度的頭部需求滿足，比如美團外賣，通過AI+人的方式滿足人類能夠在家吃到飯的需求，但更多長尾的個性化需求難以滿足，其核心原因在于這會帶來天量的開發(fā)和運營成本，難以完成商業(yè)閉環(huán)。對于這其中技術原因可讀：一文探秘LLM應用開發(fā)(27)-編排與集成（大模型時代應用特點及編排與集成框架概論-1）

@Aniket Hingane

從這個角度講，當前很多時候人類便是這里的“Agent”，不論是平臺經(jīng)濟上的外賣騎手還是滴滴司機，亦或是職場里格子間的完成某項任務的打工人，他們完成的工作核心價值是在一個SOP下，完成指定的任務。而隨著Agent能力的不斷提高，現(xiàn)有的平衡格局將被打破，大家不得不面對人與人的競爭，還會面對人與機器競爭的尷尬窘境。

前面可能是一些可能的擔憂，但在這里也同時孕育從有關需求的內(nèi)容信息滿足到完整的需求目標滿足需求邁進過程中的巨大機會。

想象一下，未來人類任何一個需求都能夠有一個地方，那里充滿了各種各樣能夠完全滿足需求的Agent，它們替我們個性化服務，就像我們都能看到自己需要的個性化內(nèi)容一樣，那將會是多少倍的抖音小紅書呢？又會出現(xiàn)哪些形式的滴滴美團呢？而它將對現(xiàn)有的商業(yè)模式及社會生活帶來何種改變？普通人又將如何自處？