智能管家“贾维斯”走进现实？AI Agent或成2023科技领域新风向标

漫威粉们想必都知道《钢铁侠》系列电影中，有一个不可或缺的角色——贾维斯。但就算是没有看过任何一部大电影的路人，只要通过一个词就可以了解“贾维斯”是一个什么样的角色——智能管家。

作为托尼·斯塔克的助手，贾维斯的存在让主人的生活更加便捷。在日常生活中，贾维斯负责帮助斯塔克管理日常事务，理解并执行斯塔克的语音指令，充当着斯塔克与其他人沟通的桥梁，让斯塔克有更多的时间去专注于他的工作。而在战场上，贾维斯可以连接到任意计算机终端，在几秒钟内处理大量信息并在关键时刻提供正确的解决方案，甚至可以在危急时刻控制钢铁侠战服，协助战斗。

“这样的智能管家哪里找？”“这只能存在于科幻片里面吧？”的确，比起一台机器，贾维斯更像一个拥有独立思考能力和判断力的“人”。而想把冰冷的机械变成智慧的生物，光喊魔法咒语“巴啦啦能量”可没什么用，还得找人工智能领域的新晋顶流——AI Agent。

这是什么？如果问比尔盖茨，他表示：“这是一件大事。Agent会了解你所有的信息，也会知道更多你不知道的信息，这意味着，用户永远不会再访问搜索网站，也不必使用生产力工作，一切都将通过Agent来完成……”如果问百度，它给出的官方定义是“AI Agent（AI智能体）是一种能够感知环境、进行决策和执行动作的智能实体，拥有自主性和自适应性，可以依靠AI赋予的能力完成特定任务，并在此过程中不断对自我进行完善和改进”，如果问我，那就通俗点理解，AI Agent差不多是智能人工助理，能理解人的意思并且自主完成人类的指令。

想知道AI Agent是如何快速出现的，那就不得不提到大模型的蓬勃发展。虽然苹果手机里的Siri也能和我们对话，但贾维斯不仅能陪聊，还是一个会进步会学习的人工智能程序。这是因为大模型庞大的训练数据集中包含了大量人类行为数据，为模拟类人的交互打下了坚实基础；而且随着模型规模不断增大，大模型涌现出了上下文学习能力、推理能力、思维链等类似人类思考方式的多种能力。

由此可见，大语言模型相当于大脑，让Agent在接收到目标之后，可以自主进行逻辑推理和自我提示，不断寻找达成目标的最好方式，通过和其他软硬件相连，Agent可以熟练地使用计算机、浏览网页、读写文件、用信用卡付款。人唯一需要做的就是提供一个目标。而AI Agent充分结合大模型“脑”与数字员工“手”二者的优势，一方面破除了大模型“有脑无手”的困局，另一方面赋予数字员工多重能力，带来更高级的自动化解决方案。

到了现在，随着国内百模大战接近尾声，企业们生产大模型的步伐有所放缓，都逐渐开始将目光聚焦到大模型应用层，致力于让加了大型语言模型能力的Agent直接去解决某具体场景中的各种问题。以一家科技公司为例，AI行业准独角兽实在智能为了推进大模型在真实商业场景中快速、有效落地，在发布了自研TARS垂直大模型后，重磅推出了行业首个基于大模型的TARS-RPA-Agent产品，将数字员工应用门槛进一步大幅降低，实现“所说即所得，你说，PC做！”

TARS-RPA-Agent不仅全能覆盖发邮件、请假等各种办公场景，而且还有着优秀的泛化能力。比如你问TARS-RPA-Agent“我要买一台笔记本电脑，帮我推荐下”，它就会基于计算机视觉大模型的“智能屏幕语义理解”技术“秒懂”屏幕画面，完成自动解析并将其拆解成“登录购物网站，查询笔记本电脑品牌、配置、价格等信息，完成产品推荐”等多个可自动实现步骤。值得一提的是，TARS-RPA-Agent在任务过程中可允许人工修改、调优，如果我们中途有了新的计划，也可以直接用嘴告诉它。

AI Agent的出现，代表了科技的进步，也顺应着需求的激增；它让人们对于科幻作品中能力超凡的AI助手的想象变成现实，给人与机器的关系构建出全新的软件可能。畅想未来，你也配备了一个大模型Agent，这位智能管家能帮你处理大量信息甚至做出推理，我们的生活将发生什么样的变化呢？