今年 3 月份，我们还在以为 ai agent 的新纪元需要等到“泛 agi”，依靠大模型自身的能力和与之相辅相成的一系列技术的发展，诸如 rag、调用链等，去将大模型的能力更深入地“外置”给 agent 单元体。
然而到了下半年，随着大模型自身推理能力的爆发，以及生态中 MCP、ACP、A2A、上下文工程等技术基础设施的演进，“推理 Agent 元年”已然到来，Agentic AI 这种模式也已经能够较为通畅地应用到了各种各样的行业、产品、任务中，比如大家最熟悉的 AI Coding 工程化。
正是在这样快速演进的时代，Agent 正成为下一轮智能革命的关键力量。它不仅能理解人类意图，更能自主规划任务、调用工具、执行复杂目标。这一跃迁，正在重塑生产力体系、企业组织形态以及软件开发的底层范式。
重读 3 月份的这篇文章，多少还是有点意思，也不算过时，毕竟观点似乎还是赌对了。只是没有料想到 AI 生态的发展，过于快速了。
再把这篇文章的话题拿出来聊聊吧，也为 全球开源技术峰会 GOTC 2025 作一下预热宣传。刚好李开复会在活动主论坛上发表关于“从 ChatBot 到 Agent 的跃进与机会”的主题演讲，并发布他们零一万物的新 Agent 平台。
李开复大家应该都知道，零一万物 CEO、创新工场董事长，作为人工智能技术演进与产业化的重要推动者，李开复长期致力于推动 AI 从单纯的能力积累向实际价值创造转型。他在多个场合指出，随着推理模型的发展，生成式 AI 正逐步迈入具备自主规划与执行能力的 Agent 智能体时代。
李开复将 2025 年称为“推理 Agent 元年”，他认为，推理 AI Agent 浪潮为中国企业的数智化转型与组织升级提供了重要机遇，它不仅能够重塑生产方式和业务流程，也可能成为推动下一轮商业智能变革的核心引擎。在他看来，企业应将战略设计与 AI 部署紧密结合，通过智能体实现以结果为导向的高效运营，让 AI 的应用价值从单纯降本拓展为全面增效，从而真正释放生成式 AI 与 Agent 技术带来的潜力。
他这次要分享的主题，其实主要也是深度解析生成式 AI 如何从“被动应答”的 ChatBot 时代，跨越到“主动协作、具备目标与执行能力”的 Agent 时代，并分享这一跃进为产业、企业与开发者带来的真实机会与挑战。
观点侧重点在于产业化、时代机遇方面。而我 3 月份这一篇主要侧重在聊产品化相关的方面，结合着参考，到时候去听听李开复怎么说，也看看大家有什么样的机会切入市场，赚到自己的那桶金吧。
不过说实在的，个人还是最关注这次 GOTC 的 AI Coding 论坛，他们把阿里 Qoder、百度 Comate、腾讯 CodeBuddy 这几家都拉来了，而且还有我最关注的“AI Coding 工程化”的圆桌讨论，很难相信这个论坛内容质量会差。（也是给他们打这广告的原因）
以下为原来那篇文章：《大模型产品就这两根道，IM 化（Chat）+管家化（Agent）》
当前大模型产品演进方向无非两个大头：一个是 AI Chat 方向，一个是 AI Agent 方向。
前者主打对话“获取信息”，后者主打“解决问题”。
Chat 方向，要往“IM 化”极致交互体验去做。
Agent 方向，要让 AI 变成你的“管家”，你交待他事情，他负责统筹去搞定之后给你结果。
这是两条完全不同的道路。
当然 Chat 作为 Agent 的一个前端方式，两者自然也是可以协同起来的。
Agent 这个方向主要是技术层面当前还需要不断演进，但这是一个比较长远的路，或许是所谓的 AGI 要达成的。
AI 只是个 Agent，一个代理，一个特工，帮你搞定不同的事情，所谓丰富多样的“Multi Agents”，而上层对到用户只需要一个“总管”、“管家”来统筹之。
其中各种 Agent 具体能力的实现，当然又包含了软件层面和硬件层面，软件层面诸如“Agent 帮我直接完成了一篇图文并茂的论文”，硬件层面主要是“传统硬件驱动”，比如调度显示器、鼠标啥的，与更大头的具身智能方向。具身智能已经自成体系了，具体情况专业人士再去探讨吧，按下不表。
此处点一下“MCP”这个协议，它恰好是实现涉及软、硬件能力 AI Agent 的桥梁，驱动软的又可以驱动硬的，而驱动硬件部分才是我觉得它最牛逼的地方，任督二脉打通之。
Agent 方向实际情况来看，当下我们能做的只是去不断补足基础设施的生态，以及能力，比如前边说到的 MCP 这种基础设施，简单讲的话，你看，我为什么说它驱动硬件部分才是最牛逼的地方，就因为它直接体系化地为 Agent 方向引入了调度硬件的能力，开阔了一片天。
至于大模型能力本身，那是另一个大话题，对数据的转化、扩散、对数据的训练、权重、微调、性能调优、GPU 加速、上下文窗口、大模型、小模型、模型“热进化”等等，自不必提，大模型技术专家去探索之。
Type Studio
一个视频编辑器，提供自动转录、自动生成字幕、视频翻译等功能
61 查看详情
而大模型这么一个“封闭的黑盒”，我们在演进 Agent 方向，需要找到一个怎样的核心思路呢？
我的抽象提炼是：我们要让人类能更好地参与到大模型封闭黑盒中，也就是输入。
包括在基础设施生态层面、在具体技术能力层面、在工程化层面、在流程化层面、在上层产品操作等等层面去输入给大模型。
那么，诸如下边随便列举这些点（当然还有更多，以及后边还会新突破的更多点），本质上都是在往这个方向上叠 buff：Prompt 工程本身、自动化 Prompt 调优、RAG、调用链、rules、function calling / tools、记忆层、MCP、A2A、结构化 JSON 返回、自动化 builder、效果即时预览、可视化编排、多模型调度、任务管理……
再来看看 Chat 方向。这个方向需要往“IM 化”极致交互体验去做。
底层核心理念是这样的：跟 AI Chat 助手对话就和我跟别人进行 IM 聊天是一样的，只不过对面是一个 AI，仅此而已。
这个月 7 号我还在跟人聊到 IM 化的话题，16 号腾讯就上线了可以把元宝添加成微信好友的功能，腾讯产品经理还是有点东西的。
从用户角度来看，将 AI 聊天助手当作人类，深度融入 IM 平台能够带来“便利性”与“熟悉感”的双重红利。
首先，用户无需下载额外应用或跳转界面，就能在日常使用最频繁的聊天工具中直接调用 AI 服务，大大提升了接入效率。
其次，AI 助手以“联系人”形式出现在熟悉的聊天列表中，降低了学习成本，让人仿佛在与朋友对话般自然流畅。
同时，通过持续学习用户的对话习惯与偏好，助手还能提供高度个性化的建议与提醒，并且全天候在线，随时响应用户的需求。
从行业视角来看，IM 平台嵌入 AI 聊天助手不仅是提升竞争力的关键举措，也能开辟全新的生态与商业空间。
一方面，通过丰富平台功能与智能化服务，能够显著提升用户停留时长和活跃度，进而增强用户黏性。
另一方面，AI 与用户的互动数据为产品优化和新业务开发提供了宝贵洞察。
此外，借助 AI 助手拓展文档处理、内容创作、电商推荐等多场景应用，IM 平台可从单一通讯工具升级为综合性数字生活入口，进一步实现高级功能订阅、企业解决方案等商业化变现。
还有一个很重要的是：在当前 AI Chat 产品能力普遍不咋滴的情况下，直接有效复用 IM 那个成熟领域。
对于腾讯来说，首先自然是充分利用了微信超过十三亿日活用户的规模，而背后其实是“在全球范围内，IM 平台用户规模已接近 52 亿”。
元宝 AI 还可以直接整合微信生态资源，比如公众号文章、视频号内容等，进一步双向把微信这个流量入口，这个生态扣得更紧。
这里也再下一个自然而然的预测：企业微信后边会是元宝发力赚钱的大头。
但说实在的，目前腾讯这东西离“极致用户体验的 IM 化 AI Chat”还远得很。别的不说，先按微信目前的功能补上来，让元宝真的就像背后是“女装加强版 QQ 马化腾”以假乱真，然后再谈 AI 向的极致用户体验（比如前边扯到的模块化引用之类的东西）。
也必须得说一下，AI Chat IM 化不 IM 化，这个有点见仁见智了，我也说不出个必然要这样的逻辑，只是目前行业 Chat 的产品能力来看，如果像我表达的“像与人类对话一样，自然需要引用功能”，那么 AI Chat 产品形态往 IM 化去做，确实就是存在既有经验的，而且是大量与深入研究过的：照着做 IM 的产品思考，直接把行业关于 IM 产品的思考与能力搞上去再说，多么多快好准。
以上就是突然就“推理 Agent 元年”了，再聊 AI Chat 与 AI Agent的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1172249.html
微信扫一扫 
支付宝扫一扫 
