哈嘍！伙伴們，我是小智，你們的AI向?qū)?。歡迎來到每日的AI學(xué)習(xí)時(shí)間。今天，我們將一起深入AI的奇妙世界，探索“清華系A(chǔ)gent框架爆火！1.9k星叫板’消滅Prompt”，并學(xué)會本篇文章中所講的全部知識點(diǎn)。還是那句話“不必遠(yuǎn)征未知，只需喚醒你的潛能！”跟著小智的步伐，我們終將學(xué)有所成，學(xué)以致用，并發(fā)現(xiàn)自身的更多可能性。話不多說，現(xiàn)在就讓我們開始這場激發(fā)潛能的AI學(xué)習(xí)之旅吧。

清華系A(chǔ)gent框架爆火！1.9k星叫板’消滅Prompt：

隨著大模型能力的突破，“可調(diào)用工具的智能體”已經(jīng)迅速從實(shí)驗(yàn)室概念走向應(yīng)用落地，成為繼大模型之后的又一爆發(fā)點(diǎn)。與此同時(shí)，圍繞 Agent 構(gòu)建的開發(fā)框架和基礎(chǔ)設(shè)施在迅速演進(jìn)，從最早的 LangChain、AutoGPT，到后面崛起的 OpenAgents、CrewAI、MetaGPT、Autogen 等，新一代 Agent 框架不僅追求更強(qiáng)的自主性和協(xié)同性，也在探索深度融合進(jìn)業(yè)務(wù)的可能。

框架之爭的背后，實(shí)則是新一輪開發(fā)范式和商業(yè)模型的重構(gòu)起點(diǎn)。清華 MEM 工程管理碩士、SeamLessAI 創(chuàng)始人王政聯(lián)合清華大模型團(tuán)隊(duì) LeapLab 發(fā)布了一款面向 Agent 協(xié)作的開源框架 Cooragent，參與到了 Agent 框架生態(tài)中。Cooragent 的最重要的特點(diǎn)之一就是用戶只需一句話描述需求，即可生成專屬智能體，且智能體間可自動協(xié)作完成復(fù)雜任務(wù)。王政團(tuán)隊(duì)分別發(fā)布了開源版本和企業(yè)版本，進(jìn)行社區(qū)和商業(yè)化建設(shè)。其中，開源版本已獲得 1.9k stars。

本次訪談中，王政向 InfoQ 分享了其對 Agent 發(fā)展的洞察，以及 Cooragent 的設(shè)計(jì)思路背后對行業(yè)現(xiàn)狀和未來發(fā)展的思考。

王政指出，盈利對于大模型的發(fā)展來說是極為重要的，Manus 的 ARR 增長迅速表明了人們愿意為其付費(fèi)。雖然有各種 Agent 產(chǎn)品，但它們真正差異在于使用方式、面向場景、工作流的打磨程度以及 Agent 本身的優(yōu)化程度。此外，他也表示，現(xiàn)有的 Agent 和框架在產(chǎn)品確定且不變的情況下能夠解決問題，但這種靜態(tài)的解決方案遠(yuǎn)遠(yuǎn)不夠。

Agent 依托大模型能力
InfoQ：你之前也在愛奇藝、小紅書做負(fù)責(zé)人，具體是從什么時(shí)候開始關(guān)注或參與 Agent 框架開發(fā)的?
王政：2022 年 12 月，OpenAI 發(fā)布了 ChatGPT，隨后 Agent 的概念便應(yīng)運(yùn)而生。2023 年，眾多開發(fā)者開始著手嘗試構(gòu)建 Agent，當(dāng)時(shí)一個(gè)名為 Auto-GPT 的開源項(xiàng)目迅速走紅，獲得了 100 多 K 星。

但在實(shí)踐過程中，大家發(fā)現(xiàn)當(dāng)時(shí)的 Agent 還不夠成熟，核心問題是大模型本身的能力存在很大局限：不僅存在諸多幻覺問題，而且尚未具備長思考模式以及有效的 post train 方法，導(dǎo)致其輸出的答案和 API 調(diào)用結(jié)果都不太行。這種技術(shù)短板制約了 Agent 的商業(yè)化進(jìn)程，因?yàn)樯虡I(yè)化要求模型必須具備高穩(wěn)定性等，而在千問、DeepSeek 等模型嶄露頭角之前，國內(nèi)其他模型與頂尖水平相比仍存在差距，難以滿足商業(yè)化所需的可靠性等。

從 2023 年到 2024 年，盡管大模型的商業(yè)化落地面臨諸多挑戰(zhàn)，但其能力的增長卻十分顯著。如今，大模型在幾個(gè)關(guān)鍵方面取得了本質(zhì)性的提升。首先，它具備了較為精確的長任務(wù)思考能力，這對于深入思考和進(jìn)一步挖掘信息至關(guān)重要，使得模型能夠從單步思考邁向多步思考。其次，大模型的代碼能力，尤其是 function call 的能力取得了大幅提升。2025 年以后，國產(chǎn)開源大模型又取得了令人欣喜的進(jìn)步。例如 Qwen2.5/3、Deepseek V3-0526 模型等，在工具調(diào)用的準(zhǔn)確率和復(fù)雜指令遵循上都取得了長足進(jìn)步升，這不僅激發(fā)了大家對 Agent 的熱情，也為 Agent 的商業(yè)化奠定。

InfoQ：你如何看待 MCP 的發(fā)展?
王政：MCP 是 Agent 的基礎(chǔ)，如果沒有 MCP，Agent 便無法充分發(fā)揮作用。自 2023 年 Anthropic 提出 MCP 后，其重要性逐漸被認(rèn)識并開始流行。MCP 實(shí)際上是一種工具池化，類似于當(dāng)年的算力虛擬化。如果不進(jìn)行池化，接入門檻就會很高，標(biāo)準(zhǔn)化也難以實(shí)現(xiàn)。而一旦池化，工具就可以像水一樣靈活使用。

Manus 在這方面做出了不少貢獻(xiàn)，其在相關(guān)領(lǐng)域的嘗試卻引起了大家的關(guān)注，揭示了許多有趣的方向。盡管有人對 Manus 提出質(zhì)疑，但關(guān)鍵還是從何種角度看待它。至少，它促使人們重新聚焦 Agent 賽道，并且其商業(yè)模式和盈利路徑相較于以往的 Agent 應(yīng)用更為清晰。Manus 的 ARR 增長迅速，這表明人們愿意為其付費(fèi)，而盈利對于大模型的發(fā)展來說無疑是極為重要的。

InfoQ：各種 Agent 產(chǎn)品之間在底層的不同之處是什么?
王政：整體看，各種系統(tǒng)或產(chǎn)品的原理大致相似，真正的差異在于使用方式、面向場景、工作流的打磨程度以及 Agent 本身的優(yōu)化程度。

要建立長期的技術(shù)優(yōu)勢，需要構(gòu)建一個(gè)完整的體系，包括底層模型的創(chuàng)新、數(shù)據(jù)鏈的工程能力以及工具的使用。以我們清華大學(xué)的實(shí)驗(yàn)室為例，每月都會有一些底層算法的創(chuàng)新，并將其融入到 Agent 架構(gòu)中。長期來看，這會成為一個(gè)獨(dú)特的競爭優(yōu)勢。未來，在知識場景下形成的數(shù)據(jù)飛輪以及不斷優(yōu)化的體系，都會使我們的產(chǎn)品與他人產(chǎn)生差異。

不過，產(chǎn)品的好壞很難一概而論，這取決于具體用途。以 Manus 為例，它在日常報(bào)告和提供靈感方面做得不錯(cuò)，但可能不太適用于撰寫較為嚴(yán)肅的報(bào)告，至少不能直接拿來用。你也可以自己動手進(jìn)一步優(yōu)化和調(diào)整，但這需要花費(fèi)一定的時(shí)間和精力。但這對于許多場景來說已經(jīng)是一個(gè)很好的解決方案了。

現(xiàn)在，我們不能完全將底層能力和工程能力分開。底層的算法創(chuàng)新依賴于工程能力，而工程能力也會反過來影響算法。對于用戶來說，整個(gè)體系都是重要的。Agent 實(shí)際上要解決的問題是如何將大模型的能力真正帶到用戶的生活場景中。

Agent 框架能力還遠(yuǎn)遠(yuǎn)不夠
InfoQ：現(xiàn)在做 Agent，需要怎樣的框架?
王政： 目前，Agent 的框架已經(jīng)非常豐富，各自的立足點(diǎn)都不相同。但在我看來，未來 AI 的發(fā)展趨勢是將 Infra 與應(yīng)用場景緊密結(jié)合。與傳統(tǒng)通用的 Infra 不同，AI 的商業(yè)化和應(yīng)用正在逐漸“出圈”，不再局限于互聯(lián)網(wǎng)模式下的幾種常見商業(yè)化路徑，如計(jì)算廣告、會員制或 B 端服務(wù)。AI 的應(yīng)用也已拓展到傳統(tǒng)行業(yè)，例如律所也開始嘗試使用 Agent 提升生產(chǎn)效率或進(jìn)行創(chuàng)新。這些都與以往的需求大不相同，這種需求的多樣化導(dǎo)致市場上出現(xiàn)了眾多框架和新算法。

另一方面，我們在為 B 端客戶落地時(shí)發(fā)現(xiàn)了許多痛點(diǎn)，其中一個(gè)關(guān)鍵痛點(diǎn)是泛化性與精確性的平衡，這在商業(yè)化和產(chǎn)業(yè)落地中尤為重要。很多時(shí)候，Infra 需要程序員花費(fèi)大量時(shí)間去打磨工作流或編寫提示詞，而一旦場景、用戶習(xí)慣改變或模型能力提升，就都要重新調(diào)整，這無疑增加了工作量。此外，調(diào)試工作流也是一大難題。傳統(tǒng)的調(diào)試工具雖然豐富，但在 AI 領(lǐng)域，尤其是涉及到 Function Call 和調(diào)用失敗的原因時(shí)，往往只能依靠工程師的經(jīng)驗(yàn)。

現(xiàn)有的 Agent 和框架在產(chǎn)品確定的情況下能夠解決問題，但這種靜態(tài)的解決方案遠(yuǎn)遠(yuǎn)不夠。如今的趨勢是快速變化，一旦將解決方案固定下來，未來升級和適應(yīng)變化就會變得非常困難。例如，有些框架為了方便用戶，將底層代碼封裝得過于死板，導(dǎo)致定制化變得極其困難。

我們開發(fā) MetaAI 框架的初衷是希望通過 Agent 創(chuàng)造 Agent，利用它生成無限多的 Agent 來適應(yīng)不同的場景，從本質(zhì)上解決泛化能力與精確性的平衡問題。

MetaAI 可以根據(jù)用戶場景和環(huán)境的變化動態(tài)調(diào)整 Agent 的生成，使 Agent 能夠快速適應(yīng)新場景。當(dāng)然，一些細(xì)節(jié)的微調(diào)，如提示詞和工具的調(diào)整，仍然需要人工參與，我們稱之為 Cooragent，即人與 Agent 之間的協(xié)作以及 Agent 與 Agent 之間的協(xié)作，這種協(xié)作理念極大地提升了生產(chǎn)效率和環(huán)境適應(yīng)能力。

InfoQ：像 Cooragent 等，最開始如何了解更具體的業(yè)務(wù)?
王政：工具的使用能力是 Agent 的第二大要素，我們提供了一些通用工具，如瀏覽器工具、編程工具和報(bào)告工具，方便開發(fā)者使用。這些工具的選擇和配置機(jī)制，使得 Agent 能夠更好地適應(yīng)不同場景的需求。我們還設(shè)計(jì)了一種通用機(jī)制，讓 Agent 能夠分析用戶的指令和生產(chǎn)需求，同時(shí)能夠從工具池中挑選合適的工具進(jìn)行配置。

InfoQ：“消除 Prompt” 是不是一個(gè)大方向?
王政： 我們正在探索“Prompt free”的概念，旨在減少用戶，尤其是 C 端用戶，在提示詞方面的負(fù)擔(dān)。對于大多數(shù)人來說，處理大量的提示詞非常令人頭疼，幾乎沒人愿意花費(fèi)大量的時(shí)間去精心設(shè)計(jì)這些詞。用戶更傾向于用一句話、一個(gè)簡單指令，來表達(dá)需求。

我們做的事情就是基于用戶的上下文來補(bǔ)充信息。這里的上下文與大模型的上下文維度有所不同。大模型的上下文通常是基于單次輸入的上下文，而我們所指的上下文則是用戶的全部歷史數(shù)據(jù)，甚至可能追溯到用戶最初使用平臺時(shí)的數(shù)據(jù)。這就好比數(shù)據(jù)飛輪，用戶使用得越多，系統(tǒng)就越能符合他的使用習(xí)慣。

在上下文的處理上，大家通常采用的方式大體相似，包括檢索召回、知識庫、向量庫、知識圖譜等，但關(guān)鍵問題在于如何高效地利用和整合這些數(shù)據(jù)。問題可能不是數(shù)據(jù)不夠，而是沒有高效利用數(shù)據(jù)。

目前，大家都在數(shù)據(jù)產(chǎn)生上探索。合成數(shù)據(jù)是一種新方式，但它的問題在于泛化性、多樣性和其中的偏差，另一種方式是建立關(guān)于物理世界的一些模型。但對我們來說，目前最重要的是提高數(shù)據(jù)的利用率。

數(shù)據(jù)并不是越多就越有效，我們需要對數(shù)據(jù)進(jìn)行有規(guī)則的篩選和保留，以保證數(shù)據(jù)的正交性。高效利用數(shù)據(jù)是一個(gè)巨大的挑戰(zhàn)，大量的工程工作實(shí)際上都是圍繞數(shù)據(jù)展開的。如何精細(xì)化使用數(shù)據(jù)，依賴于數(shù)據(jù)工程能力和對數(shù)據(jù)的深刻理解。我們在這方面做了一些嘗試，包括基于強(qiáng)化學(xué)習(xí)的方法。

InfoQ：數(shù)據(jù)是否越積累越多，會增加算力需求壓力?
王政： 在算力方面，不同階段有不同的優(yōu)化要求。實(shí)際上，算力優(yōu)化的上限是很高的。我們曾經(jīng)將一臺機(jī)器的利用率從 30% 提高到 80%-90%，整個(gè)鏈路的使用效率提升了兩到三倍。從成本角度來看，僅這一項(xiàng)就能節(jié)省三分之二的成本，甚至更多。如果再加上對算法的定制優(yōu)化，成本可以降低到原來的十分之一。但這個(gè)前提是規(guī)模要足夠大，因?yàn)樗懔?yōu)化工程也需要耗費(fèi)大量的人力和時(shí)間，而且業(yè)務(wù)流程需要確定并達(dá)到一定的量才能使這種優(yōu)化變得劃算。

當(dāng)然，OpenAI、DeepSeek 等公司的工程化團(tuán)隊(duì)會持續(xù)研究這些問題。對我們來說，在不同階段采用合適的工作策略非常重要，但這需要很多專業(yè)人才。

我們的工程人員會從設(shè)計(jì)角度規(guī)避大部分可以解決的問題。比如，Agent 實(shí)際上是基于大模型體系生長起來的，也會存在一些問題，像是 Agent 多步驟完成工作的過程中，大量的上下文和推理過程會導(dǎo)致信息爆炸，治理這一問題非常重要。我們會采用工程化的常規(guī)手段，比如一些驗(yàn)證過程來判斷某些推理是否合理，對指令進(jìn)行精簡，并對上下文進(jìn)行優(yōu)化。、

多智能體有什么要求?
InfoQ：多智能體協(xié)作在系統(tǒng)中的實(shí)現(xiàn)難點(diǎn)是什么?
王政： 結(jié)合我們的開發(fā)經(jīng)驗(yàn)，難點(diǎn)主要集中在底層，比如接口設(shè)計(jì)、架構(gòu)設(shè)計(jì)以及數(shù)據(jù)流設(shè)計(jì)等。多智能體系統(tǒng)也存在一些問題，比如需要考慮是固定多個(gè)智能體，還是可以無限擴(kuò)展智能體的數(shù)量。這兩種方式在復(fù)雜性管理上存在顯著差異。

InfoQ：如何控制 Agent 分工?
王政：Agent 的控制和分工問題，也是我們一直在思考的。我們之所以要對 Agent 進(jìn)行分工，其實(shí)與人因工程學(xué)有關(guān)。當(dāng)任務(wù)量增多時(shí)，如果讓一個(gè) Agent 完成所有任務(wù)，它很容易在適應(yīng)通用性的同時(shí)犧牲掉自己的專業(yè)性，但我們其實(shí)希望 Agent 能夠?qū)Ｗ⒂谀骋惶囟I(lǐng)域。根據(jù)經(jīng)驗(yàn)，一個(gè) Agent 能夠熟練運(yùn)用一到兩個(gè)工具，最多不超過三個(gè)工具來完成其工作，是比較現(xiàn)實(shí)且易于打磨的。

這背后涉及到了責(zé)任劃分和協(xié)作機(jī)制的設(shè)計(jì)。責(zé)任劃分本身是一個(gè)復(fù)雜的過程，我們希望通過自動化流程來實(shí)現(xiàn)這一點(diǎn)，并實(shí)現(xiàn) Agent 間的協(xié)作。我們設(shè)計(jì)了一些溝通機(jī)制來促進(jìn) Agent 之間的協(xié)作，可能“領(lǐng)導(dǎo)”會給出一個(gè)大致方向，但具體的執(zhí)行細(xì)節(jié) Agent 可以根據(jù)實(shí)際情況進(jìn)行調(diào)整。

InfoQ：從單 Agent 到多 Agent，對框架的要求有發(fā)生什么變化?
王政： 從單 Agent 到多 Agent，設(shè)計(jì)理念必然有所不同，多 Agent 系統(tǒng)的設(shè)計(jì)理念更為原生。但其實(shí)，我認(rèn)為對 Agent 進(jìn)行這種分類的意義或許并不大，最關(guān)鍵的問題還是在于 Agent 能否適配特定場景，以及框架是否足夠易用。

此外，框架的適應(yīng)性與擴(kuò)展能力至關(guān)重要。 由于模型本身和 MCP 工具生態(tài)都在快速發(fā)展，框架必須能夠快速集成新工具并顯著降低用戶的開發(fā)成本。畢竟，要求開發(fā)者持續(xù)追蹤所有新技術(shù)進(jìn)展是不現(xiàn)實(shí)的，因此，一個(gè)優(yōu)秀的框架應(yīng)快速迭代和演進(jìn)，以應(yīng)對技術(shù)生態(tài)的持續(xù)變化。

InfoQ：前段時(shí)間的 minion-agent 框架可以無縫支持多個(gè)框架，框架大融合會不會是趨勢?
王政： 融合不同的框架也是一種方法，但是否是最優(yōu)解則值得商榷。融合框架還與融合模型不同，融合模型對外呈現(xiàn)為單一模型，其內(nèi)部融合了多種網(wǎng)絡(luò)結(jié)構(gòu)。而融合不同框架顯著增加了系統(tǒng)的復(fù)雜性，因?yàn)樯婕暗焦こ虒用娴娜诤?，系統(tǒng)的復(fù)雜度會上升，通信也會變得冗余。

對于用戶而言，只要框架好用、擴(kuò)展性強(qiáng)且易于維護(hù)，無論底層是融合了多個(gè)框架還是單一框架，都是好的選擇。然而，在大多數(shù)情況下，融合框架或架構(gòu)的維護(hù)性相對較差。維護(hù)一個(gè)框架已經(jīng)需要大量人力，如果融合多個(gè)框架，可能還需要額外聘請工程師來維護(hù)。而且，這種架構(gòu)中往往存在大量重復(fù)的特性，拉高了維護(hù)成本。

開源與商業(yè)版的區(qū)別
InfoQ：你們在 C 端和 B 端都如何進(jìn)行的探索?
王政： 在 C 端，我們已經(jīng)開源了一部分項(xiàng)目，大家的熱情非常高?；诖?，我們計(jì)劃近期上線一個(gè) SaaS 平臺。這個(gè)平臺不是傳統(tǒng)意義上的企業(yè)版，而是一個(gè)觸手可及的平臺，一個(gè)人就可以使用，它將以社區(qū)的形式呈現(xiàn)。

由于我們的項(xiàng)目源于在落地過程中遇到的一些問題，B 端自然是我們的一個(gè)天然場景。最近，我們也在和一些大型客戶討論戰(zhàn)略合作。B 端對我們來說無疑是一個(gè)很好的場景。未來，我認(rèn)為 B 端和 C 端都需要并行發(fā)展。一個(gè)有意思的現(xiàn)象是 B 端客戶的需求會向 C 端借鑒。這背后的原因可能是關(guān)注 C 端的活躍用戶會引起一些產(chǎn)品思路上的變革，而這種變革是具備通用屬性的。例如我們最近和最高法大數(shù)據(jù)平臺的合作就是一個(gè)這樣的典型案例。

InfoQ：具體的開源計(jì)劃是什么?
王政： 我們會先將項(xiàng)目打磨好后再開源。我們希望開源的是一個(gè)相對成熟的產(chǎn)品，而不是半成品。目前，我們開源的部分是我們已經(jīng)使用過且效果不錯(cuò)的一部分。未來，我們還會進(jìn)一步開源，包括一些更完善的工具和可視化功能。

InfoQ：開源版本和商業(yè)化版本的區(qū)別在哪里?
王政：B 端商業(yè)化產(chǎn)品將基于我們的框架開發(fā)，其核心在于與 B 端客戶的數(shù)據(jù)共享和工作流打磨，更偏向于定制化場景。雖然工具本身可能會開源，但還是會遇到一些私有數(shù)據(jù)、定制數(shù)據(jù)和工作流方面的挑戰(zhàn)，我們會幫助定制開發(fā)一些東西。

我們更希望與頭部 B 端客戶合作，共同成長。Agent 還處于早期階段，我們也不敢確定它未來會發(fā)生怎樣的變化，所以希望與我們共同成長的合作伙伴能夠多投入一些精力，不僅僅是我們在努力，而是大家愿意長期投入。

InfoQ：做開源框架需要注意哪些方面?
王政： 開源初衷各有不同，這個(gè)問題不好一概而論。拿我們目前的開源框架來說，它屬于清華大學(xué)，記錄在清華大學(xué)的開源項(xiàng)目之中。高校做開源往往更注重長期價(jià)值，這與商業(yè)邏輯有所不同。高校開源更多是出于一種責(zé)任感，一種分享知識、推動技術(shù)發(fā)展的義務(wù)。像清華大學(xué)、廈門大學(xué)、中國人民大學(xué)、上海交通大學(xué)等高校，在開源方面都做了不少工作，取得了不錯(cuò)的成果。高校作為學(xué)術(shù)研究的高地，有責(zé)任也有義務(wù)去推動開源文化的發(fā)展。企業(yè)開源的目的則不同，企業(yè)開源主要是為了提升品牌影響力，或者作為一種獲客渠道。

開源項(xiàng)目還有一個(gè)關(guān)鍵問題，就是更新頻率。有些項(xiàng)目可能會在一段時(shí)間內(nèi)集中更新，然后慢下來，甚至?xí)和Ｒ欢螘r(shí)間。這種情況在國外也較為常見。這其實(shí)也很正常，畢竟開源在某種程度上類似于做公益，當(dāng)精力有限或者有其他優(yōu)先更高的事情時(shí)，適當(dāng)放緩更新速度是可以理解的。只要后續(xù)能夠重新加速，繼續(xù)推動項(xiàng)目發(fā)展，就依然值得肯定。

“越來越多開發(fā)者使用國內(nèi)的框架”
InfoQ：您有沒有推薦的框架?
王政： 我接觸到的很多用戶喜歡使用 ADK，它更偏向于開發(fā)者。但目前市面上的框架確實(shí)繁多，很難給出一個(gè)絕對的建議。但在選擇框架時(shí)，我們需要從多個(gè)角度綜合考慮。

首先，要明確這款框架的特點(diǎn)是什么、面向何種場景設(shè)計(jì)的、是否與項(xiàng)目場景相匹配。其次，需要考慮團(tuán)隊(duì)的使用習(xí)慣，有些團(tuán)隊(duì)可能更熟悉傳統(tǒng)的 SDK 開發(fā)方式，而有些團(tuán)隊(duì)可能更傾向于低代碼或者拖拽式的開發(fā)方式，那么選擇適合自己團(tuán)隊(duì)風(fēng)格的框架會更合適。再者，需要考慮后期的擴(kuò)展性問題，因?yàn)殡S著用戶需求的變化，應(yīng)用場景也會隨之改變。設(shè)計(jì)從來都不是一蹴而就的，需要經(jīng)驗(yàn)的積累、長期的學(xué)習(xí)，甚至還需要一些直覺。

InfoQ：有開發(fā)人員認(rèn)為，AI Agent 框架是最糟糕的抽象形式之一——它們通常會使事情變得比直接使用官方的 SDK 更加復(fù)雜，如 LangGraph。您如何看待這個(gè)說法？你們怎么斟酌抽象程度?
王政: 每個(gè)人對于開發(fā)工具的理解和偏好各有不同。有些人習(xí)慣使用 SDK 這種開發(fā)方式，這無可厚非。其實(shí)，每一種開發(fā)方式都有其獨(dú)特的優(yōu)勢與局限性。

以 SDK 為例，它的優(yōu)勢在于定義清晰，接口規(guī)范明確，這對于那些長期從事傳統(tǒng)軟件開發(fā)、熟悉互聯(lián)網(wǎng)開發(fā)流程的開發(fā)者來說，無疑是非常便捷的。然而，一些新手開發(fā)者可能從未接觸過傳統(tǒng)開發(fā)模式，甚至對 SDK 的概念都較為陌生，那通過我們的開發(fā)方式或其他方式也能順利開發(fā)。

對于我們來說，在面對不同用戶群體時(shí)需要做出的取舍。但無論采用哪種方式，我們的目標(biāo)始終是服務(wù)用戶，讓用戶能夠高效開發(fā)。如今，市場上的產(chǎn)品服務(wù)很多，都定義好了各自特定的用戶群體。很難說這些產(chǎn)品之間的差距有多大，但可以肯定的是，不可能用一款軟件滿足所有人的需求，這在當(dāng)下是不現(xiàn)實(shí)的。

InfoQ：國內(nèi)開發(fā)者在使用國外的框架時(shí)會遇到什么問題嗎?
王政： 從國際視角來看，目前國外的框架主要以模型為界限，大多圍繞 OpenAI 的技術(shù)構(gòu)建。國內(nèi)則有所不同，我們主要圍繞自己的模型構(gòu)建體系，雖然在理論上我們也能支持 Anthropic 或 OpenAI 的工具，反之亦然，但目前雙方的結(jié)構(gòu)體系確實(shí)存在差異。盡管國外的框架曾被廣泛使用，但越來越多的用戶開始傾向于使用國內(nèi)的框架。

Agent 對你有用嗎?
InfoQ：Agent 現(xiàn)在有沒有炒作得過熱了?
王政： 我認(rèn)為這取決于它最終的發(fā)展情況。如果 Agent 代表了一種真實(shí)的需求和潮流，那么大家廣泛討論它是合理的，也能證明它確實(shí)是一個(gè)趨勢。但如果這種潮流僅僅是人為創(chuàng)造的熱詞，或者只是聽起來高大上而缺乏實(shí)際價(jià)值，那么情況就不同了。

不過，我覺得現(xiàn)在糾結(jié)于 Agent 是否過熱其實(shí)沒有必要，關(guān)鍵在于它是否對你有用。人們對新事物的理解和接受往往存在一個(gè)問題，即短期內(nèi)高估其價(jià)值，而長期內(nèi)又低估其潛力。我認(rèn)為，現(xiàn)在大家對于一款產(chǎn)品或技術(shù)的持續(xù)思考非常重要。有些問題只有經(jīng)過長期思考才能想明白，有些交互方式需要嘗試。

還有就是用戶心智問題，現(xiàn)在大家比以往更愿意嘗試新東西，包括傳統(tǒng)行業(yè)和那些之前對 AI 不太了解的人。大家的熱情在提高，這其實(shí)是一個(gè)非常重要的轉(zhuǎn)變。用戶量足夠大才能真正推動事情持續(xù)向前發(fā)展。

InfoQ：Agent 在整個(gè)生態(tài)面上有什么需要彌補(bǔ)的嗎?
王政： 我們構(gòu)建 Agent 框架的過程中，我并不認(rèn)為是在彌補(bǔ)生態(tài)的不足。我們面臨的核心問題是，在產(chǎn)業(yè)化落地的過程中，隨著潮流逐漸向?qū)嶓w經(jīng)濟(jì)或更廣泛的經(jīng)濟(jì)體邁進(jìn)，我們需要有足夠的洞見去觀察到新的需求，并基于這些新需求構(gòu)建新的 Infra，不斷推動其演進(jìn)。至于是在原有基礎(chǔ)上進(jìn)行演進(jìn)，還是重新構(gòu)建一個(gè)全新的系統(tǒng)，我認(rèn)為這兩種方式都可以。

嘿，伙伴們，今天我們的AI探索之旅已經(jīng)圓滿結(jié)束。關(guān)于“清華系A(chǔ)gent框架爆火！1.9k星叫板’消滅Prompt”的內(nèi)容已經(jīng)分享給大家了。感謝你們的陪伴，希望這次旅程讓你對AI能夠更了解、更喜歡。謹(jǐn)記，精準(zhǔn)提問是解鎖AI潛能的鑰匙哦！如果有小伙伴想要了解學(xué)習(xí)更多的AI知識，請關(guān)注我們的官網(wǎng)“AI智研社”，保證讓你收獲滿滿呦！