Hi，大家好，我叫秋水，專注商用 AI Agent（智能體），幫企業(yè)用AI自動化業(yè)務(wù)，提升效率。

在剛剛結(jié)束的一場AI技術(shù)峰會上，深度學(xué)習(xí)領(lǐng)域的傳奇人物吳恩達(dá)與LangChain創(chuàng)始人Harrison進(jìn)行了一場精彩的談話。

這場對話不僅揭示了AI智能體技術(shù)的最新趨勢，更為普通人和企業(yè)指明了在AI時代如何抓住機(jī)遇的實(shí)用路徑。

內(nèi)容包含：Agentic概念、當(dāng)前應(yīng)用現(xiàn)狀、三大核心能力（快速評估、語音技術(shù)、工具組合）、MCP協(xié)議、編程重要性、創(chuàng)業(yè)經(jīng)驗(yàn)、未來機(jī)會點(diǎn)及常見誤區(qū)。

關(guān)注我，及時收到后續(xù)內(nèi)容。

給普通人和企業(yè)的實(shí)用建議

對個人：

1. 學(xué)習(xí)基礎(chǔ)編程：不需要成為專家，但要理解計(jì)算機(jī)思維
2. 關(guān)注語音技術(shù)：這可能是下一個重要機(jī)會窗口
3. 培養(yǎng)快速迭代能力：完美是優(yōu)秀的敵人
4. 建立工具箱思維：掌握多種AI工具的組合使用

對企業(yè)：

1. 從簡單開始：找到重復(fù)性高的線性工作流程
2. 允許AI輔助編程：不要因?yàn)榘踩檻]錯失生產(chǎn)力提升
3. 建立評估體系：哪怕很粗糙，也比沒有強(qiáng)
4. 關(guān)注MCP等標(biāo)準(zhǔn)：早期參與標(biāo)準(zhǔn)制定能獲得先發(fā)優(yōu)勢

對創(chuàng)業(yè)者：

1. 速度第一：快速驗(yàn)證想法，快速迭代產(chǎn)品
2. 深耕技術(shù)：在某個垂直領(lǐng)域建立技術(shù)優(yōu)勢
3. 務(wù)實(shí)選擇：不要被概念迷惑，專注解決實(shí)際問題

什么是"智能體"？這個概念很重要嗎？

傳統(tǒng)思維的局限

過去，人們總是糾結(jié)于一個問題：這個AI系統(tǒng)到底是不是"智能體"？

就像問一個人是不是"聰明人"——這種非黑即白的判斷往往讓我們陷入無意義的爭論。

有的人問我做過哪些智能體，我都會解釋大部分是AI工作流，是的，AI工作流就是AI智能體的一部分，目前階段來看大部分的可以商用的智能體都是AI工作流。

這跟電影《唐伯虎點(diǎn)秋香》里秋香這個大美女一樣，所謂的美女要有比較，現(xiàn)實(shí)中，每個人都是帥哥，每個人都是美女。

回到業(yè)務(wù)上一樣，你還在手工記賬，那么軟件就是智能體，你用軟件重復(fù)操作同樣的動作，那么RPA就是智能體，你在電腦上重復(fù)操作的一些懂，AI工作流就是智能體。

不要糾結(jié)技術(shù)上的智能體，而重點(diǎn)在于利用技術(shù)手段，單位時間內(nèi)讓你的生產(chǎn)力提升了多少。

吳恩達(dá)提出了一個更有建設(shè)性的概念——"Agentic-智能體的自主性程度"。他認(rèn)為，與其爭論某個AI系統(tǒng)是否為"真正的智能體"，不如關(guān)注它具有多大程度的自主性。

為什么這很重要？

這種思維轉(zhuǎn)變的價值在于：

• 減少無謂爭論：不再浪費(fèi)時間糾結(jié)定義，專注于實(shí)際應(yīng)用
• 降低門檻：企業(yè)可以從簡單的自動化開始，逐步增加智能化程度
• 務(wù)實(shí)導(dǎo)向：關(guān)注解決實(shí)際問題，而非追求技術(shù)完美

這就像從"這個人是不是專家"轉(zhuǎn)向"這個人在某個領(lǐng)域有多專業(yè)"——后者顯然更有實(shí)用價值。

當(dāng)前AI智能體在解決什么問題？

許多人以為AI智能體都是科幻電影里的超級AI，他觀察到，目前最有商業(yè)價值的應(yīng)用其實(shí)相當(dāng)"簡單"：

• 表單處理自動化：員工查看網(wǎng)站表單→搜索相關(guān)信息→檢查數(shù)據(jù)庫→填寫另一個表單
• 合規(guī)檢查流程：核實(shí)客戶信息→查詢黑名單→決定是否提供服務(wù)
• 文檔處理工作：復(fù)制粘貼信息→格式轉(zhuǎn)換→多系統(tǒng)錄入

這些看起來平凡的工作流程，實(shí)際上蘊(yùn)含著巨大的自動化潛力。

為什么簡單的更有價值？

1. 立竿見影：實(shí)施周期短，效果明顯
2. 風(fēng)險可控：出錯成本低，容易修正
3. 規(guī)模巨大：幾乎每個企業(yè)都有這類重復(fù)性工作

構(gòu)建AI智能體需要掌握哪些關(guān)鍵技能？

1. 快速評估能力——20分鐘法則

現(xiàn)狀問題：很多團(tuán)隊(duì)談?wù)撛u估的重要性，但實(shí)際上很少去做，因?yàn)樗麄儼言u估想象成一個巨大的工程項(xiàng)目。

他建議：

• 花20分鐘建立一個"很爛但有用"的評估系統(tǒng)
• 不要追求完美，先解決最痛的那一個問題
• 逐步迭代改進(jìn)，就像寫文章一樣先有初稿再修改

2. 語音技術(shù)——被低估的金礦

為什么語音比文字更好？

Andrew指出了一個有趣現(xiàn)象：面對空白的文本輸入框，很多用戶會感到緊張，因?yàn)椋?/span>

• 可以用退格鍵，所以傾向于追求完美
• 需要組織語言，心理負(fù)擔(dān)重
• 響應(yīng)速度慢

而語音交互則不同：

• 時間向前流動，不能"撤銷"，所以更自然
• 可以邊說邊改，"哦不對，我改主意了..."
• 心理壓力小，更容易表達(dá)真實(shí)想法

技術(shù)挑戰(zhàn)：延遲是關(guān)鍵

• 理想響應(yīng)時間：少于1秒
• 解決方案：使用"預(yù)回應(yīng)"（"嗯，這很有趣""讓我想想"）來掩蓋處理時間
• 背景音效：在客服場景中播放呼叫中心背景音，用戶更能接受等待

3. 工具組合能力——AI時代的"樂高思維"

他用樂高積木做比喻：

• 單一工具：只有紫色積木，能搭建的東西有限
• 多樣工具：紅色、黑色、黃色、綠色積木，可以快速組裝復(fù)雜結(jié)構(gòu)

實(shí)際應(yīng)用：

• RAG（檢索增強(qiáng)生成）
• 評估系統(tǒng)
• 記憶管理
• 護(hù)欄機(jī)制
• 各種API集成

隨著AI模型上下文長度增加，許多傳統(tǒng)方法的重要性在下降。

比如復(fù)雜的RAG技術(shù)變得不那么必要，因?yàn)楝F(xiàn)在可以直接把更多信息塞進(jìn)上下文。

MCP協(xié)議：連接一切的標(biāo)準(zhǔn)化接口

什么是MCP？

MCP（Model Context Protocol）是一個讓AI系統(tǒng)更容易接入各種數(shù)據(jù)源和工具的標(biāo)準(zhǔn)協(xié)議。

形象比喻：就像USB接口統(tǒng)一了電腦外設(shè)連接一樣，MCP試圖統(tǒng)一AI系統(tǒng)與各種工具、數(shù)據(jù)源的連接方式。

核心價值：

• 之前：n個AI系統(tǒng)×m個數(shù)據(jù)源 = n×m種集成工作
• 現(xiàn)在：n個AI系統(tǒng) + m個數(shù)據(jù)源 = n+m種標(biāo)準(zhǔn)化接口

當(dāng)前挑戰(zhàn)

Andrew坦言MCP仍處于早期階段：

• 很多MCP服務(wù)器不穩(wěn)定
• 身份驗(yàn)證系統(tǒng)不夠成熟
• 缺乏層次化的發(fā)現(xiàn)機(jī)制

但這正是機(jī)遇所在——早期采用者往往能獲得先發(fā)優(yōu)勢。

關(guān)于編程：每個人都應(yīng)該學(xué)會的技能

為什么每個人都應(yīng)該學(xué)編程？

每當(dāng)編程變得更容易，學(xué)編程的人就會增加，而不是減少。

• 從打孔卡到鍵盤：更多人學(xué)會編程
• 從匯編到高級語言：更多人學(xué)會編程
• AI輔助編程時代：應(yīng)該有更多人學(xué)編程

他的公司在做的實(shí)驗(yàn)：

• 前臺接待員會編程
• CFO會編程
• 法務(wù)顧問會編程

核心價值：不是讓他們成為程序員，而是讓他們能更精確地告訴計(jì)算機(jī)要做什么。

創(chuàng)業(yè)成功的兩大預(yù)測因子

他總結(jié)出創(chuàng)業(yè)成功的關(guān)鍵要素：

1. 速度是第一生產(chǎn)力

為什么速度這么重要？

• AI技術(shù)發(fā)展太快，窗口期稍縱即逝
• 快速試錯能降低風(fēng)險
• 市場反饋越早越有價值

實(shí)際觀察：很多人從未見過真正高效團(tuán)隊(duì)的執(zhí)行速度，一旦見識過就會被震撼。

2. 技術(shù)知識是最稀缺資源

為什么技術(shù)知識更重要？

• 營銷、銷售、定價等商業(yè)知識相對更容易獲得
• 技術(shù)發(fā)展太快，深度技術(shù)理解成為稀缺資源
• 技術(shù)直覺能讓團(tuán)隊(duì)避開無數(shù)坑，速度翻倍

語音技術(shù)：下一個爆發(fā)點(diǎn)

企業(yè)已經(jīng)在行動

他透露，他看到很多大企業(yè)對語音應(yīng)用非常興奮，已有大量項(xiàng)目在推進(jìn)中。

但開發(fā)者社區(qū)的關(guān)注度相對不足，這形成了一個明顯的供需缺口。

技術(shù)路徑選擇

不推薦：端到端的語音模型（難以控制）

推薦：智能體式語音工作流程（更可控）

端到端模型：就像一個"魔法盒子"

• 你對著盒子說話，它直接用語音回答你
• 但你不知道盒子里發(fā)生了什么
• 如果回答錯了，你也不知道哪里出了問題

智能體工作流程：就像一個"透明的助手"

• 先把你的話寫下來（語音轉(zhuǎn)文字）
• 然后思考你的意思（理解分析）
• 接著查找或生成答案（處理）
• 最后讀給你聽（文字轉(zhuǎn)語音）

這個建議的背后邏輯是：控制性往往比先進(jìn)性更重要，特別是在商業(yè)應(yīng)用中。

多智能體系統(tǒng)：還為時過早

Andrew坦誠地表示，雖然多智能體系統(tǒng)聽起來很酷，但現(xiàn)實(shí)是：

• 單個智能體都很難做好
• 讓不同團(tuán)隊(duì)的智能體協(xié)作需要"兩個奇跡"
• 目前成功案例主要來自單一團(tuán)隊(duì)內(nèi)部的多智能體協(xié)作

結(jié)語：擁抱AI智能體時代

這場對話最大的價值在于，它讓我們看到AI智能體技術(shù)的真實(shí)面貌：不是科幻電影里的超級AI，而是能解決實(shí)際問題的實(shí)用工具。

當(dāng)前我們正處在一個關(guān)鍵時刻：

技術(shù)足夠成熟，可以解決真實(shí)問題；

但還不夠普及，仍有大量機(jī)會等待挖掘。

無論你是技術(shù)小白還是企業(yè)決策者，現(xiàn)在都是了解和參與AI智能體革命的最佳時機(jī)。

記住Andrew的核心觀點(diǎn)：

不要糾結(jié)于概念的完美，專注于解決實(shí)際問題。

在AI智能體的世界里，實(shí)用性永遠(yuǎn)比完美性更重要。