搜索
近期，在 LangChain 举办的智能体大会 Interrupt 上，吴恩达与 LangChain 创始人 Harrison Chase 进行了一场关于 AI Agent 的对谈。整场交流的核心并不是简单讨论 Agent 有多强，而是围绕一个更现实的问题展开：当 AI Agent 让软件开发变快之后，真正的瓶颈会转移到哪里？
我们相信，常驻型 (always-on) AI 助理的下一次飞跃，不在于把某一个模型单点调得更聪明，而在于扩展智能体的上下文 (Scaling Agent Context)—— 不断拓宽助理能够持续 "感知 — 推理 — 执行" 的范围，作为生活连接器连接用户的信息孤岛，直到它能接管用户的整个数字世界。
多智能体系统正在从学界走向业界。 在 Coding、Research 等真实场景里，越来越多系统不再只依赖单个 agent，而是由多个 Agent 分工协作：有人负责规划，有人负责检索，有人调用工具，
比预想的还要快！Cloudflare联创Matthew Prince甩出一张截图，宣告了互联网史上第一个真正拐点—— AI Agent的上网流量，第一次超过了人类。
新加坡AI Agent 峰会台上四个人，焦虑方向正好相反。
在做 Agent Memory 工程化探索的这几个月里，我经常有种被概念淹没的窒息。图结构记忆、AutoMemory、做梦机制、各种层出不穷的 Memory 框架……整个技术社区似乎陷入了一种每遇到一个新场景就要发明一套新词汇的群体焦虑中。
未来设计的交付物，可能就是产品原型本身。
Salesforce 公司已同意以约 36 亿美元收购 Fin——一家开发人工智能驱动型顾客服务代理的公司，这家软件企业正致力于为企业级 AI 赢得新业务。Fin 的旗舰产品 AI Agent 可通过聊天、电子邮件、WhatsApp、短信、短信、电话和 Slack 处理顾客查询。
随着大语言模型逐步从「单轮问答」走向「真实环境中的持续交互」，LLM agents 正在被用于越来越复杂的 agentic applications：deep research、coding、computer use、customer service、medical inquiry、troubleshooting 等等。
广东公务员将迎来AI同事。