AI Agent目前的局限以及商业方向

[humyna]

其实验性强于实用性，大部分问题并不能真的解决

• 效果不稳定，多步推理能力不够

大部分产品 demo 看上去效果惊艳，但是对于抽象复杂的问题，能有效解决的比例不到 10%（让AI自我规划容易产生死循环，或者会出现一步走错，步步走错的问题），只适合解决一些中等难度的问题。这需要等 LLM 的下一次技术突破，尤其是其复杂推理能力的提升。

• 外部生态融合度不高

第三方 api 支持的数量和生态不多（基本以搜索和文件读取功能为主），很难做到比较完整的跨应用生态。

以上的这两个缺陷正是 existing company 的优势，

第一点是 OpenAI/Anthropic 这类 LLM 公司的目标
第二点是 Apple/Google/Microsoft 这类有自己软硬件生态、操作系统公司最适合做的

Agent Framework和Vertical Agent是AI Agent商业上最可行的两个方向

当下 AI Agent 领域中 startup 涌现的方向有二

• 一类是中间层，提供设计 Agent 的 infra 工具，由用户介入为 Agent 提供规划思路；
• 一类深入细分垂类，运用 Agent 思路设计 Copilot 产品，由产品设计者介入是 Agent 思路更为可控。

1）中间层 Infra 关注的是提供实用可复用的 Agent framework，降低开发 Agent 的复杂度，并为 Agent 的合作提供机制设计。对于这样的中间层基础设施类工具，可以考虑从模块化、适配性、协作等方面进行创新：
a. 模块化设计：这是降低复杂性的关键。
b. APIs 和 SDKs：设计通用的接口与协议，让不同的Agent可以兼容配合。
c. 合作机制设计

2）Vertical Agent 则是深入某个垂直领域，理解该领域专家的工作流，快速形成 PMF 开始累积用户数据。未来的 Copilot 类产品一定是多个 Agent 在这一领域上的合作所实现的，也可能诞生更新的产品形态。这一领域的核心竞争力是领域知识针对性和交互反馈:
a. 领域知识
b. 工作流理解
c. 数据反馈
d. 多 Agent 协作

https://m.huxiu.com/article/2169231.html