真正的AI智能体时代即将到来，我们发现了几点「苦涩的教训」

AI-Agent17小时前发布 almosthuman2014

101 0 0

文章摘要

最近，智能体（Agent）在AI领域再次成为焦点。2025年1月，OpenAI发布了名为DeepResearch的o3模型变种，专门用于网页和文档搜索。该模型通过强化学习训练，具备了制定搜索策略、交叉引用信息来源以及处理深层次知识的能力。与此同时，Claude Sonnet 3.7也将同样的强化学习方法应用于代码领域，展现出超越以往模型的组合应用效果。摩根斯坦利学者William Brown指出，LLM智能体已经能够完成长时间、多步骤的任务。这一进展不仅提升了智能体的能力，也引发了对LLM智能体本质的深入探讨。

Anthropic在2024年12月提出了LLM智能体的新定义，认为它是能够动态指导自身流程和工具使用，并保持对任务完成方式控制的系统。相比之下，目前更为普遍的智能体实际上是工作流系统（workflows），即通过预设的代码和规则来协调LLM和工具的系统，如Manus AI。对于开发者而言，LLM智能体形成的工作流系统能否提高生产力、在多大程度上提高，才是关键问题。然而，近期测试显示，这些系统存在显著局限性，如无法有效制定计划、记忆内容或长期执行任务。

传统的智能体与基础大语言模型（base LLM）存在根本性差异。传统智能体在受限环境中通过强化学习进行训练，逐步总结出模式和启发式策略来优化行为。然而，基础LLM只能处理当前窗口内的信息，无法规划长期策略，面对多步推理任务时容易超载。目前，大部分LLM智能体利用预定义的提示词和规则来引导模型，但这种方法存在“苦涩的教训”，即过度依赖规则设计会限制系统的自我优化和进化。

真正的LLM智能体应通过强化学习和推理相结合的方式进行训练。强化学习RL让智能体在所有可能的文本组合中寻找目标，验证器则用于形式化结果。草稿模式（Drafts）和多步训练是LLM智能体训练的关键，模型通过生成草稿并评估来优化策略。结构化输出（rubric）和多步训练进一步简化了推理过程，提升了模型的搜索和规划能力。

然而，实现LLM智能体的规模化仍面临挑战。目前，开放强化学习/推理研究主要集中在数学领域，缺乏其他领域的真实动作序列数据。通过模拟生成数据可能是解决这一问题的途径，但这一过程需要大量的计算资源和时间。Game RL和Pufferlib等方法的成功经验表明，将环境包装成特定形式可以提升训练效率。

最终，真正的LLM智能体将能够动态引导自身的处理流程和工具使用，自主掌控任务的完成方式。在搜索场景中，LLM智能体将整合向量数据库、路由和重排序等复杂操作，实现RAG的自动化。这种智能体不仅能够提升搜索质量，还能在其他领域如网络工程和金融中发挥重要作用。

尽管目前只有大型实验室能够开发真正的LLM智能体，但让这一技术的训练和部署走向大众化已刻不容缓。开放验证器、GRPO训练样本以及复杂合成管道和模拟器的引入，将推动LLM智能体的普及。2025年可能是智能体元年，这一技术的颠覆潜力和价值获取能力将深刻影响未来的AI发展。