AI Agent相关思考

AI 痛点

Ai 发展至今已经很强大，但在业务上仍然较难落地，作者认为有几下痛点：

1. 由于 Ai 全能，在同一个问题可能有多种思考维度，不一定和用户是从同一角度思考问题，导致偏差

2. Ai 喜欢直白的解决问题，比如数学题暴力推算，比如脑筋急转弯题直接分析，市面上开放体验的 Ai 经过了大量数据投喂和优化，仍然不能利用逻辑和技巧

3. 人们需要解决的问题，大多数可以依靠人类的逻辑思路解决，人类有解决问题的经验，这部分ai不具备

4. Ai 没有检查回答的过程，出现错误回答导致用户信任度降低

5. 大多数用户不会设计 prompt 直接询问，让 Ai 无法发挥真实实力

AI Agent 系统

AI Agent 通过利用 人类现有经验分解任务，搭配有效数据，搭配插件能力

便有可能解决上述问题，从而让 Ai 解决复杂问题，在业务上落地

AI Agent = 工作流（逻辑）+ prompt约束 + AI大模型 + 插件功能 + 数据

整个系统流程如下：

上图可以看出，从用户的复杂问题到解决问题的大概流程：

1. 接收用户问题，利用人类解决问题的经验，通过工作流拆解问题

2. 大模型依赖 prompt 收敛思考范围

3. 不同环节的大模型提供插件，数据分析（源自知识文档，用户过往数据）

4. 按部就班在各个环节有序运行，直到解决问题

通过上述可以创建解决某类场景下的复杂问题，如何运用到业务中呢？

则需要AI Agent 系统提供开放能力，即可以通过 api调用，sdk嵌入，私有化部署 等方式进行

AI Agent 创业

通过 AI Agent 创业已经是当前Ai的热门方向，区别主要为 底层大模型，业务方向

整体来看，AI Agent创业有以下优势：

1. 普通人通过 Ai 创业有效的方式，低成本高价值

2. 行业蓝海方向，处于探索阶段，初创公司和大企业差距较小

3. 通过创新有机会在行业自足，成熟行业基本不可能

4. 确实有价值，下一个风口

5. 做好了不仅是 AI 通往业务的入口，也是 AI 的生态

也有以下阻力：

1. 市面免费开放的 Ai 大模型性能较低，而投入 Ai 大模型成本较高，导致体验不佳

2. 国内免费开放的 Ai 太少，基本需要通过合作的方式，需要渠道或者知名度

3. 海外市场竞争激烈，大企业重点关注方向

4. prompt难以准确描述需求

5. 数据安全问题，多数企业或用户不愿意提供核心业务数据

AI Agent 业务方向

企业服务paas平台

核心：商业化，私有化部署

依赖：客户大模型和免费开源大模型

盈利模式：部署收费

开放式bot平台

核心：toc向为主，依赖用户群体做 IP口碑，解决大多数群众的简易问题

依赖：自身大模型和免费开源大模型

盈利模式：增值服务收费

开源共建式平台

核心：开源

依赖：免费开源大模型

盈利模式：捐赠

Bot业务赋能中台

核心：作为复杂业务解决中心，业务方调用bot中台接口，解决问题

依赖：自身大模型和免费开源大模型

盈利模式：申请open apikey收费