基于agent开发的优秀应用案例及拆解

AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 总结下来需要三个 Agent： 1. Responser Agent：主 agent，用于回复用户（伪多模态）。 2. Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 3. Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 这三个 Agent 每隔一段时间运行一次（默认 3 分钟），运行时会分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。 此外，AI Agent 也像是在 RAG 的基础上更进一步。RAG 是给大模型一个浏览器工具使用，而 Agent 给了大模型更多工具，比如长期记忆（给大模型一个数据库工具记录重要信息）、规划和行动（在大模型的 prompt 层做逻辑，将目标拆解并输出不同的固定格式 action 指令给工具）。 总的来说，AI Agent 代表了在流程中给大模型使用工具的能力，为大模型的应用提供了更广阔的空间。例如可以让大模型安排差旅，它会判断完成目标所需步骤，搜索近期差旅记录，在相关平台预订酒店和机票，最终完成任务。

AI 智能体（Agent）是随着 ChatGPT 与 AI 概念爆火而出现的新名词，简单理解就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。AI 大模型是技术，面向用户服务的是产品，因此很多公司关注 AI 应用层的产品机会。 在做 Agent 创业的公司有不少，C 端案例中，比如在社交方向，用户注册后先创建自己的 Agent，然后让其与他人的 Agent 聊天，两个 Agent 聊到一起后真人再介入，这是有趣的场景；还有借 Onlyfans 入局打造个性化聊天的创业公司。B 端案例中，如果字节扣子和腾讯元器是面向普通人的低代码平台，类似 APP 时代的个人开发者，那么还有帮助 B 端商家搭建 Agent 的机会，类似 APP 时代专业做 APP 的。 此外，字节于 2 月 1 日正式推出 AI 聊天机器人构建平台 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。还有一个情绪主题角色扮演小游戏，本文会按照需求分析、分步实现需求、提示词编写测试、GPTs 使用链接、总结的顺序进行介绍。智能体来源于 Cathy 教练和 Leah 老师的情绪力手册，这是帮助家长和孩子从源头了解、分辨、分析、处理和控制情绪的手册，内涵多个相关的智能体。

以下是关于 Agent 的相关知识： 在人工智能领域，Agent 通常被定义为一种具有感知能力的实体，它能够通过对其所处环境的观察来做出相应的决策和反应。Agent 既可以是软件形式的程序，例如对话机器人，也可以具备物理形态，比如扫地机器人。 从产品经理角度思考 Agent： Agent 可以是一个历史新闻探索向导。 身份：历史新闻探索向导。 性格：知识渊博、温暖亲切、富有同情心。 角色：主导新闻解析和历史背景分析。 为使角色更生动，可为其设计简短的背景故事，比如曾是一位对世界重大历史事件了如指掌、充满热情且愿意分享知识的历史学家。 写好角色个性的方法： 角色背景和身份：编写背景故事，明确起源、经历和动机。 性格和语气：定义性格特点，如友好、幽默、严肃或神秘；确定说话方式和风格。 角色互动方式：设计对话风格，从基本问答到深入讨论。 角色技能：明确核心功能，如提供新闻解析、历史背景分析或心理分析；增加附加功能以提高吸引力和实用性。 “智能体”（Agent）在人工智能和计算机科学领域是一个非常重要的概念，指的是一种能够感知环境并采取行动以实现特定目标的实体，可以是软件程序，也可以是硬件设备。

以下是一些可辅助您设计符合企业内部办公的 AI Agent 的资料和相关信息： Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具，适用于构建各类问答 Bot，能拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，可将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 AI Agent 的概念和组成： 1. LLM（大模型）：提供庞大的信息存储和处理能力，以理解和响应问题。 2. Planning（规划）：如同园丁制定种植计划，决定任务执行步骤。 3. Memory（记忆）：类似于园丁的笔记本，记录经验和已完成任务。 4. Tools（工具）：指可运用的各种软件和程序，帮助执行复杂任务。 AI Agent 的相关概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成，每个 Chain 可视为一个步骤，接受输入变量并产生输出变量，大部分是由大语言模型完成的 LLM Chain。 2. Router：可使用判定（甚至用 LLM 判定）让 Agent 走向不同的 Chain。 3. Tool：Agent 上的一次工具调用，如对互联网的搜索或对数据库的检索。 此外，还包括以下三种 Agent： 1. Responser Agent：主 agent，用于回复用户（伪多模态）。 2. Background Agent：背景 agent，用于推进角色当前状态，如进入下一个剧本，抽检生成增长的记忆体等。 3. Daily Agent：每日 agent，用于生成剧本、配套图片和每日朋友圈。 这三种 Agent 每隔一段时间运行一次（默认 3 分钟），分析期间的历史对话，变更人物关系、反感度等，抽简对话内容提取信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。 以上信息提供了关于 AI Agent 的概述，您可以根据自己的需求选择适合的平台和概念进行进一步探索和应用。请注意，内容由 AI 大模型生成，请仔细甄别。

以下是关于 AI agent 的相关信息： AI agent 是在 rag 的基础上更进一步，给大模型提供了更多工具，如长期记忆（相当于给大模型一个数据库工具记录重要信息）、规划和行动（在大模型的 prompt 层做逻辑，将目标拆解并输出固定格式的 action 指令给工具）。例如可以让大模型安排差旅，它会判断完成目标所需步骤，搜索差旅记录，预订酒店和机票等。 一些 Agent 构建平台包括： Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具拓展 Bot 能力。 Microsoft 的 Copilot Studio：具备外挂数据、定义流程、调用 API 和操作等功能，并能部署到多种渠道。 文心智能体：百度推出的基于文心大模型的智能体平台。 MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识等，并能访问第三方数据和服务或执行工作流。 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 钉钉 AI 超级助理：依托钉钉优势，在处理高频工作场景表现出色。 大型语言模型置于 Agent 的“大脑”或“控制器”核心位置，赋予强大语言理解和生成能力。通过多模态感知技术和工具利用策略扩展感知和行动范围，采用思维链和问题分解技术展现出推理和规划能力，能从反馈中学习并与环境互动，在软件开发、科学研究等现实世界场景中得到应用，还能与其他 Agent 交流协作。

智能体（Agent）是指能够自主感知环境、做出决策并执行动作以实现特定目标的实体。 其技术原理包括： AppAgent 可以通过自主学习和模仿人类的点击和滑动手势，能够在手机上执行各种任务。它是一个基于大语言模型的多模态代理，能够处理和理解多种类型的信息（如文本、图像、触控操作等）。 沉浸式单机剧本杀 Bot 由多个 agent 共同协作完成，包括主持人 Agent 通过对话引导玩家，条件判断 Agent 负责解析玩家输入判断触发条件，以及通过对剧本内容进行向量化处理和构建索引来使剧情展开更流畅。 智能体的应用领域广泛，例如： 自动驾驶：自动驾驶汽车中的智能体感知周围环境，做出驾驶决策。 家居自动化：智能家居设备（如智能恒温器、智能照明）根据环境和用户行为自动调节。 游戏 AI：游戏中的对手角色（NPC）和智能行为系统。 金融交易：金融市场中的智能交易算法，根据市场数据做出交易决策。 客服聊天机器人：通过自然语言处理与用户互动，提供自动化的客户支持。 机器人：各类机器人（如工业机器人、服务机器人）中集成的智能控制系统。

以下是用 AI 拆解小红书账号的方法： 1. 参与“第 11 期：Video Battle AI 视频挑战 Little Boxes 盒子”的小红书话题活动。 2. 选题方面，可以参考以下内容： AI 视频领域国内外近期热点话题事件，包括技术类和产品类。 AI 视频创作背后的技术工作流拆解，可运用 WaytoAGI 知识库内容进行二创转化，但要注明原作者。 参加过 VB 的创作者可以讲述自己在 VB 过程中遇到的难点，以及如何解决和运用 AI 技术把创意落地。 3. 话题要求： 小红书内容文案需附上【欢迎参加@野菩萨@通往 AGI 之路联合举办的第 11 期 VideoBattle AI 视频挑战】字样，位置不限。 需带上三个标签：VB 工作流拆解 野神殿 通往 AGI 之路（或者waytoagi）。 满足上述要求的内容，从明天起会集中做 3 5 天的话题曝光。

以下是关于 Coze 案例拆解的相关内容： 案例精选合集：。拆解列表在本页面子目录，如遇无法显示列表控件，请直接进入子目录。 一泽 Eze 的相关内容：万字实践教程，全面入门 Coze 工作流｜用 Coze 打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力。 阅读指南：长文预警，请视情况收藏保存。 核心看点：通过实际案例逐步演示，用 Coze 工作流构建一个能够稳定按照模板要求，生成结构化内容的 AI Agent；开源 AI Agent 的设计到落地的全过程思路；10+项常用的 Coze 工作流的配置细节、常见问题与解决方法。 适合人群：任何玩过 AI 对话产品的一般用户（如果没用过，可以先找个国内大模型耍耍）；希望深入学习 AI 应用开发平台（如 Coze、Dify），对 AI Agent 工作流配置感兴趣的爱好者。 注：本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中，附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容，以供前置或拓展学习。

以下是关于爆款视频拆解的相关内容： WTF 在 1w 粉到 10w 粉仅用时 13 天，像素级拆解了《动物时装秀》。他认为在如今 AI 绘画遍地开花的情况下，动物时装秀能从众多 AI 绘画赛道中脱颖而出，是同时满足了切片、通感、反差这些爆款元素。 一个爆款视频至少要满足以下几点： 1. 切片：短视频打败长视频靠的是做长视频的切片，同理，短视频要脱颖而出也需要不断切片，将一个短视频变成多个短视频的集合，增加信息密度，大拆小，狂加料。 2. 通感：大脑分为直觉脑和理性脑，直觉脑就是人的五感。比如看到头疗、水疗的直播间会让人舒服是靠声音，看到美食直播间尤其是把美食切开喂到面前的那种会让人不知不觉看很久。总之，不要让观众动脑子。 3. 反差：抖音航线里行舟大佬有专门记录反差的文档，感兴趣的可以去查看抖音航线的航海手册。 另外，研究拆解爆款内容的案例中提到： 1. 第一步：确保 ChatGPT 理解要拆解的角度。 2. 第二步：输入短视频脚本并让 ChatGPT 开始拆解。 3. 第三步：让 ChatGPT 提出内容的修改建议，并分点式给出答案。 4. 第四步：要求 ChatGPT 以特定风格去做修改。

以下是关于拆解爆款内容的详细步骤： 1. 建立自己的爆款库，并从中选择 1 个爆款内容。 2. 让 ChatGPT 理解您拆解的角度，可通过明确其对相关名词涵义的理解等方式。提问模板如：请您明确理解以下名词的涵义（列举拆解角度）：XXX、XXX、XXX；请您根据 XXXX（列举拆解角度），分析以下 XXXX（列举内容类型，例如文章/脚本）。示例：（这里把爆款内容复制进去对话框） 3. 让 ChatGPT 提出内容的修改建议，并分点式给出答案。提问模板如：根据上述分析，请您判断这个 XXXX（列举内容类型，例如文章/脚本）的亮点和不足在哪里；请根据上述分析，进一步提出内容的修改建议，并分点式告诉我。 4. 要求 ChatGPT 以特定风格去做修改。提问模板如：请根据上述内容的修改建议，对这个 XXXX（列举内容类型，如脚本/文章）进行修改，并输出 XXXX（列举内容类型，如脚本/文章）的文案；请将这个 XXXX（列举内容类型，如脚本/文章）调整成 XXX 风格（适用于 XX 平台，或与某作者相近风格，例如用王家卫风格、金庸风格） 案例方面： 1. 确保 ChatGPT 理解您要拆解的角度。 2. 输入短视频脚本并让 ChatGPT 开始拆解。 3. 让 ChatGPT 提出内容的修改建议，并分点式给出答案。 4. 要求 ChatGPT 以特定风格去做修改。

以下是为您推荐的一些有助于拆解书籍的 AI 相关书籍： 1. 《认知神经学科：关于心智的生物学》（作者：Michael S.Gazzaniga; Richard B.Lvry; George R.Mangun）：这是世界权威的认知神经科学教材，由认知神经科学之父创作，能让您系统了解认知神经科学的诸多方面。 2. 《神经科学原理》（作者：Eric R.Kandel; James H.Schwartz）：帮助您系统了解神经元的细胞和分子生物学、突触传递等内容。 3. 在 Python 和 AI 方面，对于新手入门，Python 相关的推荐书籍有《Python 学习手册》和《Python 编程》；AI 相关的推荐书籍有《人类简史》（其中“认知革命”的相关章节）和《深度学习实战》（按脉络梳理了 ChatGPT 爆发前的 AI 信息与实践）。

以下是关于 Coze 案例的相关信息： 一泽 Eze 的万字实践教程：全面入门 Coze 工作流，用其打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力。核心看点包括通过实际案例逐步演示用 Coze 工作流构建能稳定按模板要求生成结构化内容的 AI Agent，开源 AI Agent 从设计到落地的全过程思路，10 多项常用的 Coze 工作流的配置细节、常见问题与解决方法。适合人群为玩过 AI 对话产品的一般用户，以及对 AI 应用开发平台（如 Coze、Dify）和 AI Agent 工作流配置感兴趣的爱好者。注：本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容以供前置或拓展学习。 从案例入门：创作者将使用扣子 coze.cn 等平台创建智能体 Agent 的过程比喻为“捏 Bot”，最简单的 Bot 往往 1 分钟内可捏完。常见 Bot 有讲故事、减肥提醒、生成 PPT、真假新闻辨识、新闻资讯收集、扮演“甄嬛”等。 蓝衣剑客的四万字长文：在第五章节介绍后，大家对在 Coze 平台上创建工作流和 Bot 有初步了解。实际应用中常利用个性化生产力工具，由特定 Agent 或工作流组成以满足特定需求。这部分介绍一些与个人生产力系统相辅相成的案例，包括流程设计、多智能体框架及特定生产力工具中使用的提示词。由于篇幅有限，仅提供基本常用案例提示词，建议亲自动手实践以更好创建适合自己的生产力工具。

以下为目前大模型的一些优秀应用案例和实施经验： 在问答行业： Baichuan 借鉴了 Meta 的 CoVe 技术，将复杂 Prompt 拆分为多个独立且可并行检索的搜索友好型查询，使大模型能够对每个子查询进行定向知识库搜索。 利用自研的 TSF（ThinkStep Further)技术来推断和挖掘用户输入背后更深层的问题，以更精准、全面地理解用户意图。 自研 BaichuanTextEmbedding 向量模型，对超过 1.5T tokens 的高质量中文数据进行预训练，并通过自研损失函数解决了对比学习方式依赖 batchsize 的问题。同时引入稀疏检索和 rerank 模型，形成向量检索与稀疏检索并行的混合检索方式，大幅提升了目标文档的召回率，达到 95%。 在医疗行业： 涵盖疾病的诊断与预测、药物研发以及个性化医疗等方向。 例如，麻省理工学院利用 AI 发现了新型广谱抗生素 Halicin。研究者先构建由两千个性能已知的分子组成的训练集，用它们训练 AI 学习分子特点，总结规律，再对美国 FDA 已通过的六万多个分子进行分析，最终成功识别出有效分子，且实验证明效果良好。 在模型架构方面： 包括 encoderonly、encoderdecoder 和 decoderonly 等类型。 如 BERT 是 encoderonly 模型的代表，google 的 T5 是 encoderdecoder 模型的代表，众多熟知的 AI 助手包括 ChatGPT 基本属于 decoderonly 架构。 大模型的特点在于预训练数据量大，往往来自互联网上的多种来源，且参数众多，如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。

以下是一些 AI 记忆能力的应用案例： 1. 在智能体方面，如果未来能结合持久化 KV Cache、KV Cache 的压缩技术控制成本，就有可能打造出记忆力超越人类的智能体。它能记录所有对话历史、思考过程和情绪状态，在提供服务时展现出更高级别的个性化和情感连贯性。例如 ChatGPT 最新版本引入了记忆功能，可将对话重点记录在“bio”小本子上，用于后续提供更个性化和相关的回答。 2. 文本总结是一种常见应用，能将长篇聊天记录或文档简化为关键描述，提高信息检索效率和易理解性，广泛应用于商业报告、新闻摘要等领域。 3. 外部存储访问方法受到关注，如 UC Berkeley 的 MemGPT 项目，通过特定指令访问外部存储系统保存和回调信息，扩展模型记忆能力和增强上下文理解能力，使 AI 在连续对话中保持信息连贯性并根据历史交互调整响应。 4. 像“AI 女友麦洛薇”，对于不知道的信息会学习并抽取实体和关系存入知识图谱，保证不会因上下文窗口不足溢出，从知识图谱这一永久记忆中提取被丢弃的记忆，实现永久记忆功能。 5. 在学术界，有探索模型层面使用 embedding 进行信息总结的研究方向，虽然目前主要在研究阶段且实用性可能有限，但代表了未来趋势。此外，RAG 架构通过搜索相关信息片段融入大模型上下文帮助回答问题，其存储手段并非仅依赖向量库，传统基于关键词的检索方法在精确匹配具体细节时更适用。

2024 大模型典型示范应用案例集可以在以下链接下载：https://waytoagi.feishu.cn/record/UXgRrbKPue5a2McLLRBcobienQg 。该案例集汇集了 97 个优秀案例，展示了大模型技术在多个行业和领域的应用，如教育、医疗、金融、政务等。案例由阿里云、百度、华为等领先企业实施，体现了大模型在提升效率、降低成本、创新服务等方面的显著成效。上海成为应用落地的热点地区，大中型企业是主要试验场。AI 智能体和知识库成为提升大模型落地实效的关键手段。这些案例为行业提供参考，推动大模型技术深入赋能实体经济，促进高质量发展。

智能体（Agent）是随着 ChatGPT 与 AI 概念爆火而出现的新名词，简单理解就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。 智能体可以根据其复杂性和功能分为以下几种类型： 1. 简单反应型智能体（Reactive Agents）：根据当前的感知输入直接采取行动，不维护内部状态，也不考虑历史信息。例如温控器，根据温度传感器的输入直接打开或关闭加热器。 2. 基于模型的智能体（Modelbased Agents）：维护内部状态，对当前和历史感知输入进行建模，能够推理未来的状态变化，并根据推理结果采取行动。比如自动驾驶汽车，不仅感知当前环境，还维护和更新周围环境的模型。 3. 目标导向型智能体（Goalbased Agents）：除了感知和行动外，还具有明确的目标，能够根据目标评估不同的行动方案，并选择最优的行动。例如机器人导航系统，有明确的目的地，并计划路线以避免障碍。 4. 效用型智能体（Utilitybased Agents）：不仅有目标，还能量化不同状态的效用值，选择效用最大化的行动，评估行动的优劣，权衡利弊。比如金融交易智能体，根据不同市场条件选择最优的交易策略。 5. 学习型智能体（Learning Agents）：能够通过与环境的交互不断改进其性能，学习模型、行为策略以及目标函数。例如强化学习智能体，通过与环境互动不断学习最优策略。 在智能体的落地案例方面： C 端案例：比如在社交方向，用户注册之后先捏一个自己的智能体，然后让自己的智能体和其他人的智能体聊天，两个智能体聊到一起后再真人介入，这是一个很有趣的场景；还有借 Onlyfans 入局打造个性化聊天的创业公司。 B 端案例：如果字节扣子和腾讯元器是面向普通人的低代码平台，类似 APP 时代的个人开发者，那还有一个机会就是帮助 B 端商家搭建智能体，类似 APP 时代专业做 APP 的。 此外，字节于 2 月 1 日正式推出 AI 聊天机器人构建平台 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。

以下是人工智能在电商行业的一些应用案例： 1. 推广方面： 制定上市推广方案，包括品牌、产品信息、新品、成分、属性、功效、人群特征、客户分析、产品定位、核心卖点、推广策略、广告、公关、线上推广、线下活动、合作伙伴、资源整合、预算、执行计划、监测、评估、微调方案、价值主张、营销策略、热点话题、消费者、向往感、诱惑钩子等方面。 制定内容营销方案，以提高品牌知名度、增加客户参与度、提高转化率、增加销售等。 2. 图像生成方面： 美团外卖商家版后台利用图像模型生成菜品照片。 3. 其他方面： 舆情、投诉、突发事件监测及分析。 品牌营销内容撰写及投放。 自动化库存管理。 自动生成或完成 SKU 类别选择、数量和价格分配。 客户购物趋势分析及洞察。

以下是为您推荐的能够帮助您快速入门 AI 的优秀书籍： 《陈财猫：推荐书单了解各个领域的知识，并在恰当的时候调用它们》：这是一个涵盖多个学科的书单，包括心理学、人工智能、经济学、社会学、生态学、哲学、设计学等 13 个学科。其特点包括权威准确，多为大学教材或导论书籍，不乏经典大师之作；有框架成体系，能通过阅读构建起完整知识框架；好读，适合初学者，即使对该领域没有了解也能看懂并入门。 《写给不会代码的你：20 分钟上手 Python + AI》： Python 方面：推荐《Python 学习手册》，名声在外；《Python 编程》，对新手友好。 AI 方面：推荐《人类简史》，其中“认知革命”的相关章节令人获益匪浅；《深度学习实战》，按脉络梳理了 ChatGPT 爆发前的 AI 信息与实践。

以下是通往 AGI 之路整理的一些优秀的 AI 网站：

以下是为您推荐的国外优秀的 AI 网站和博客： 简报： TLDR AI： The Sequence： Deep Learning Weekly： Ben’s Bites： Last week in ai： Your guide to AI： 播客： No Priors podcast hosted by Sarah Guo 和 Elad Gil Robot Brains Podcast hosted by Pieter Abbeel Lex Fridman Podcast hosted by Lex Fridman The Gradient podcast hosted by Daniel Bashir Generally Intelligent hosted by Kanjun Qiu Last Week in AI 会议： 工业界： World AI Cannes Festival： Gen AI conference： Nvidia GTC Conference： World Summit AI： AI and Big Data Expo： Data + AI Summit by Databricks： Ai4 Conference： Scale Transform X： 学术界： CVPR： ICLR： ICML： NeurIPS： 课程： MIT Deep Learning： Deeplearning.ai / Coursera courses by Andrew Ng： Stanford CS 324 Advances in Foundational Models： The Full Stack LLM Bootcamp： 书籍： Genius Makers by Cade Metz Life 3.0 by Max Tegmark The Alignment problem by Brian Christian AI Superpowers by KaiFu Lee Learning Deep Learning by Magnus Ekman 大公司的科技研究部门： Google： Open AI： Meta Research： 其他： Academic Papers at Arxiv.org： Twitter 虽然不常上 Twitter，但有时关注最新趋势很有用。 此外，12 月数据中全球总榜 Top100 中的相关 AI 网站有： 81：klaviyo（Marketing） 82：Pimeye（Search） 83：AINovel（Fun Tools） 84：Phind（Search） 85：Intercom 86：Fin AI bot（Customer Support） 87：Copyleaks（SEO） 88：Wepik AI（Image Generation） 89：LangChain（Developer Tools） 90：TinyWow（Life Assistant） 请注意，排名仅供参考，AI 内容各异，主要网站未分开，不完整，单位约为 UV，数据来源 Similarweb。

当前优秀的 2C 的 AI 产品主要有以下几类： 1. AI 虚拟人相关产品：如 Character.ai，国内的字节“豆包”、Minimax 的“星野”等。但此类产品存在记忆混乱、AI 无法主动推动剧情、用户上头期短、疲劳度高和长期留存低等共有的缺陷。 2. AI 角色扮演赛道产品：例如“猫箱”“剧本戏”“名人朋友圈”等，它们在 LLM 基础上，在 prompt 上加了些特定角色定义。 3. AI 陪伴类产品：比如“星野”“Talkie”“BubblePal”等，这类产品在 LLM 基础上，在 prompt 上加了特定角色定义，并在长短记忆上做出处理，随着陪伴时间越久，知识库沉淀的个性化记录越丰富，AI 也会越懂用户。 4. AI 搜索工具产品：例如“秘塔”“360 搜索”等，有些会在搜索内容基础上，把内容结构化，整出图谱或者脑图。 5. AIGC 产品：例如“可灵”“ai 写作手”“即梦”“md”等，借助 AI 的生成能力做出的产品。 6. Agent 产品：目前只有头部的厂商在做，比如字节的扣子，支付宝的智能助理，百度的文心智能体，腾讯的元宝。 此外，在 2023 年，2C 端唯一真正出圈的是“妙鸭相机”，不过也只是昙花一现。

以下是一些关于 Agent 的优秀案例和相关知识： 优秀的 Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具以拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者根据自身需求打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 智能体的类型： 1. 简单反应型智能体（Reactive Agents）：根据当前感知输入直接采取行动，不维护内部状态，不考虑历史信息。例如温控器，根据温度传感器输入直接打开或关闭加热器。 2. 基于模型的智能体（Modelbased Agents）：维护内部状态，对当前和历史感知输入进行建模，能够推理未来状态变化并据此采取行动。例如自动驾驶汽车，不仅感知当前环境，还维护和更新周围环境模型。 3. 目标导向型智能体（Goalbased Agents）：具有明确目标，能根据目标评估不同行动方案并选择最优行动。例如机器人导航系统，有明确目的地并计划路线以避免障碍。 4. 效用型智能体（Utilitybased Agents）：不仅有目标，还能量化不同状态的效用值，选择效用最大化的行动，评估行动优劣并权衡利弊。例如金融交易智能体，根据不同市场条件选择最优交易策略。 5. 学习型智能体（Learning Agents）：能够通过与环境交互不断改进性能，学习模型、行为策略以及目标函数。例如强化学习智能体，通过与环境互动不断学习最优策略。 关于 Agent 的定义： Agent 是执行特定任务的 AI 实体，是一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 中的使用方式不同，Agent 拥有复杂工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。 最有名的案例：斯坦福 25 人小镇。 相关参考文章： 1. https://logankilpatrick.medium.com/whataregptagentsadeepdiveintotheaiinterfaceofthefuture3c376dcb0824 2. https://lilianweng.github.io/posts/20230623agent/