嘿，大家好！這里是一個專注于前沿AI和智能體的頻道~

今天給家人們分享一下，2025 AI Agents的六大趨勢、Multi-Agents的協(xié)作架構(gòu)、Agent的自主L1 ~ L5等級 ~

趨勢一：DeepResearch Agent —— 任務(wù)從執(zhí)行到拆解與監(jiān)督

我們最熟悉的Agent模式是接收一個任務(wù)，然后自己從頭干到尾。

DeepResearch的玩法變了，它引入了一個Manager的角色。

Manager 不親自干活，核心任務(wù)是兩件事：

• 拆解任務(wù)： 把一個復(fù)雜問題（比如“分析Q3季度AI Agent行業(yè)報告”）拆解成一堆更小的、可以獨(dú)立執(zhí)行的子任務(wù)（文獻(xiàn)檢索、數(shù)據(jù)驗(yàn)證、圖表生成、摘要撰寫等）。

• 監(jiān)督與整合： 把這些子任務(wù)派發(fā)給不同的“專家Agent”，然后監(jiān)督它們的工作，最后將結(jié)果整合成一份完整的報告。

Anthropic 的 Deep Research，就是用的這種 Orchestrator-Workers 模式。

主Agent（Opus 4）負(fù)責(zé)策略制定和任務(wù)分配，子Agent（Sonnet 4）負(fù)責(zé)并行執(zhí)行，性能直接提升了90%以上。

趨勢二：Coding Agents —— 從單人開發(fā)到AI軟件團(tuán)隊(duì)

編程可能是Agent最快落地的領(lǐng)域。單個Coding Agent也許能寫一個函數(shù)或修復(fù)一個bug，但面對整個軟件生命周期（需求、設(shè)計(jì)、編碼、測試、部署）就有一點(diǎn)扛不住了。

所以大家都在說，未來的AI編程，會是一個AI Team：

• 產(chǎn)品經(jīng)理Agent: 負(fù)責(zé)理解需求，編寫PRD。

• 架構(gòu)師Agent: 設(shè)計(jì)系統(tǒng)架構(gòu)和技術(shù)選型。

• 程序員Agent: 編寫具體的代碼。

• 測試工程師Agent: 編寫單元測試和集成測試。

• 運(yùn)維工程師Agent: 負(fù)責(zé)部署和監(jiān)控。

這種協(xié)同工作的模式，讓AI真正有能力端到端地交付一個完整的軟件項(xiàng)目，而不再只是個高級的代碼補(bǔ)全工具。

趨勢三：CUA (Computer Using Agents) —— 桌面不再是界面，而是可編程環(huán)境

讓Agent操作我們的電腦，一直是行業(yè)的終極目標(biāo)之一。但單一Agent學(xué)習(xí)操作無數(shù)軟件的成本極高，而且非常脆弱。

一個新思路是：為不同的任務(wù)和軟件訓(xùn)練專門的Agent。

• 一個 Excel Agent ，精通所有表格操作和數(shù)據(jù)透視。

• 一個 Photoshop Agent ，擅長圖像處理和設(shè)計(jì)。

• 一個 瀏覽器Agent ，負(fù)責(zé)信息檢索和在線操作。

當(dāng)一個復(fù)雜任務(wù)（比如“從網(wǎng)頁下載數(shù)據(jù)，整理到Excel，然后做成PPT”）下達(dá)時，一個“總管Agent”會依次調(diào)用這些“專家Agent”來接力完成。

趨勢四：Agentic RAG —— RAG已死，可反思、可規(guī)劃的檢索當(dāng)立

傳統(tǒng)的RAG就是個“問-查-答”的單向過程，AI無法判斷檢索到的內(nèi)容是否準(zhǔn)確或充分。

Agentic RAG則是一個動態(tài)的、可反思的多Agent流程：

1. 查詢Agent: 負(fù)責(zé)理解用戶問題，并將其轉(zhuǎn)化為多個檢索查詢。

2. 檢索Agent: 并行執(zhí)行查詢，從多個數(shù)據(jù)源獲取信息。

3. 評估Agent: 評估檢索結(jié)果的質(zhì)量和相關(guān)性，如果信息不足，會要求“查詢Agent”重新生成查詢。

4. 總結(jié)Agent: 基于篩選后的高質(zhì)量信息，生成最終答案。

這個過程引入了規(guī)劃、執(zhí)行、反思的閉環(huán)，讓信息檢索的可靠性發(fā)生了質(zhì)的飛躍。

趨勢五：Agent Protocols —— 讓AI們說同一種語言

當(dāng)成千上萬的Agent需要協(xié)作時，必須有一套統(tǒng)一的“溝通協(xié)議”，就像互聯(lián)網(wǎng)的TCP/IP一樣。這就是Agent Protocols要解決的問題。

無論是OpenAI的MCP，還是Google的A2A，它們都在嘗試定義一套標(biāo)準(zhǔn)，讓不同的Agent能夠：

• 互相發(fā)現(xiàn) (Discovery): 知道彼此的存在和能力。

• 任務(wù)分配 (Task Assignment): 清晰地傳遞任務(wù)和上下文。

• 數(shù)據(jù)交換 (Data Exchange): 安全、高效地共享信息和狀態(tài)。

未來的語音交互，不會是一個孤立的AI在回答你。當(dāng)你開車時，一個多Agent語音系統(tǒng)可能正在協(xié)作：

• 
  

  感知Agent: 負(fù)責(zé)將你的語音轉(zhuǎn)化為文本，并理解意圖。

• 導(dǎo)航Agent: 實(shí)時規(guī)劃路線。

• 通訊Agent: 幫你撥打電話或回復(fù)消息。

• 娛樂Agent: 控制音樂播放。

它們在一個共享的上下文中無縫協(xié)作，提供的是一種情景感知、主動服務(wù)的環(huán)境智能，這與Siri、小愛同學(xué)這類被動響應(yīng)的“語音助手”有本質(zhì)區(qū)別。

Multi-Agent的協(xié)作架構(gòu)

那么，這些Agent們到底是如何協(xié)同工作的呢？微軟Azure和Anthropic給出了幾乎一致的答案，我們可以將其歸納為五種核心編排模式。

1. Sequential Orchestration: 像工廠流水線，每個Agent處理上一個Agent的輸出。適用于“起草-審查-潤色”這類線性工作流。

2. Concurrent Orchestration: 多個Agent同時處理同一個任務(wù)，從不同角度提供見解（比如技術(shù)、商業(yè)、創(chuàng)意），然后匯總。

3.Group Chat Orchestration: 所有Agent在一個共享的對話中協(xié)作，由一個“聊天管理器”協(xié)調(diào)流程，適合頭腦風(fēng)暴或復(fù)雜問題決策。

4. Handoff Orchestration: 任務(wù)在一個Agent網(wǎng)絡(luò)中動態(tài)傳遞，每個Agent評估任務(wù)后，決定是自己處理還是移交給更合適的Agent，非常適合復(fù)雜的客戶服務(wù)場景。

5. Magentic Orchestration: 專為開放式、無預(yù)定解決方案的復(fù)雜問題設(shè)計(jì)。一個“經(jīng)理Agent”會動態(tài)構(gòu)建和完善任務(wù)列表，并與“專家Agent”協(xié)作來制定和執(zhí)行計(jì)劃。

Agent的治理與風(fēng)險

當(dāng)Agent可以自主行動時，一個終極問題浮出水面：我們?nèi)绾慰刂扑鼈儯?/p>

華盛頓大學(xué)在2025年的一篇論文中，提出了一個“AI自治五級”框架，它不關(guān)注Agent的能力，只關(guān)注用戶在交互中的角色。

Levels of Autonomy

• 
  

  L1 操作員 (Operator): 人類完全控制，AI僅提供建議或執(zhí)行單步操作。

• L2 協(xié)作者 (Collaborator): 人機(jī)協(xié)同，多輪溝通，動態(tài)分配任務(wù)。

• L3 顧問 (Consultant): AI主動規(guī)劃和執(zhí)行，人類提供反饋和方向。

• L4 審批者 (Approver): AI幾乎完全獨(dú)立，僅在關(guān)鍵節(jié)點(diǎn)尋求人類批準(zhǔn)。

• L5 觀察者 (Observer): AI完全自主，人類僅監(jiān)督和擁有“緊急停止按鈕”。

2025年，AI Agent領(lǐng)域最激動人心的故事，不再是關(guān)于某個模型跑分又提升了多少，而是關(guān)于智能體之間如何形成高效、可靠的協(xié)作。

從DeepResearch的任務(wù)拆解，到Coding Agent的軟件團(tuán)隊(duì)...

我們正在見證智能體時代的到來。

好了，這就是我今天想分享的內(nèi)容。如果你對構(gòu)建AI智能體感興趣，別忘了點(diǎn)贊、關(guān)注噢~