自主智能体的“落地”之困：为何如此艰难？

Agent（智能体），这个词在2023年成为热门话题——你可能听说过AutoGPT、斯坦福小镇、BabyAGI以及无数其他“基于LLM的智能体”。这些不仅仅是概念；它们是能够感知环境、规划下一步并执行任务的真实智能体。

“这绝对是未来！”人们曾如此吶喊。Puppyone正是在这股浪潮中创立的。然而，当人们开始将这些智能体整合到他们的工作流程中时，他们立刻意识到这比预期的要困难得多。

简而言之：如今的智能体仍然没有我们想象中那么有用。

为何让自主智能体变得“有用”如此困难？

去年，我们向用户提供了智能体，并采访了我们周围的人。令人惊讶的是，即使是那些对智能体最热情的人也给出了一个一致的答案：他们并没有在实际协作中使用“完全自主的智能体”。

购买智能体能力的决策者面临一个持续的担忧：

如果智能体的错误导致了无法挽回的损失，谁来承担责任？

在企业环境中，人们普遍认为，要让智能体同时实现完全自主和完全稳定是极具挑战性的。在这两个特性之间进行权衡是每个企业用户都必须回答的关键问题。我们目前的实际案例表明，企业倾向于优先考虑稳定性而非自主性。

让我们设想一个假设场景：如果一个智能体每天能为员工节省10分钟，但有5%的风险会给公司造成500万美元的损失，你会购买它吗？

两个关键问题：

1. 在哪种情况下，智能体犯错的成本较低？

2. 在哪种情况下，验证智能体是否犯错的成本较低？

通过反复思考这两个问题，我们可以为智能体找到潜在的SaaS应用场景。RPA（机器人流程自动化）和Flow（工作流）产品天然适合实施，因为它们要么保证稳定性，要么通过严格的规则限制智能体的能力。这种方法最大限度地降低了智能体犯错的成本，并提高了流程的可解释性，使得问题可以追溯到流程中的具体步骤。

顺便说一句，这也解释了为什么超过50%的智能体应用场景集中在RAG（检索增强生成）问答和简单的CRUD（增删改查）任务上。这些场景回避了上述关键问题。

智能体的能力可以如何被利用？

只有通过解决上述两个关键问题，一个智能体产品才能真正找到其产品市场契合点（PMF）。让我们看两个例子：

Zapier (RPA产品)

Zapier是一个典型的RPA产品，目前正朝着智能体的方向转型。2023年4月，Zapier的智能体作为一款能从单句文本生成固定工作流（text-to-workflow）的工具，在OpenAI插件商店首次亮相。它还在2023年11月的OpenAI DevDay上进行了展示。

在Zapier中，大型语言模型（LLM）更多地是作为RPA工作流生成的副驾驶，而不是一个智能体。LLM的价值在于简化RPA工作流的创建过程，而不是在实时执行中做决策。大多数付费用户寻求的是RPA能解决的问题，这与Zapier最初的定位一致：“如何将信息从一个软件同步到另一个软件。”

市面上存在许多类似的产品，例如Make，它们本质上是将RPA扩展到了LLM时代。它们提供完全的稳定性和无错误操作，但缺乏自主性。

Retool Workflow (Flow产品)

Retool是一家成熟的SaaS公司，于2023年9月推出了其工作流产品。该产品提供了一个无代码编辑框架，专注于低代码工作流编辑，并为RAG进行了特定优化。

这个领域的类似产品还包括Dify、FastGPT、LangFlow和Flowise。这些工具通过界面可以快速简便地编辑智能体，与RPA对“智能体行为”的严格限制形成对比。虽然它们在某些阶段整合了LLM，但大多数逻辑决策由硬编码逻辑处理，最大限度地减少了工具使用的角色。这种方法通过框架确保了智能体输出的稳定性。

Flow类型的产品特别适合处理企业内部的边缘案例，并能与内部流程无缝对接。目前，企业环境中应用最广泛的智能体产品就属于这一类型。

什么是Puppyone？

Puppyone是一家成立于2023年的初创公司。

我们目前为企业提供RAG服务，包括RAG系统的构建、部署和维护。

Puppyone的最终目标是构建一个以智能体为中心、与人类协作的工作区。