作者｜赵健

近期，在AI领域爆火的Agent，似乎遇到了口碑两极分化的局面。

一方面，Agent仍然被看作是“大模型的下一场战事”，2024年也被看作是Agent爆发元年。

今年3月20日，红杉资本合伙人在AI Ascent主题活动的开幕致辞中对2024年的人工智能趋势做出了预测，第一条就是：Copilot将逐渐向Agent转变。

AI将从辅助人类的Copilot转变为真正能替代一些人类工作的Agent。AI更像一个同事，而不仅仅是一个工具。这一点已经在软件工程、客服等行业初步显现。

在同一场活动上，斯坦福大学客座教授吴恩达也发表了关于Agent的主题报告。他认为AI代理工作流程将在今年推动AI的巨大进步，甚至可能超过下一代基础模型，“这是一个重要的趋势，我呼吁所有从事人工智能工作的人都关注它。”

另一方面，与之形成鲜明对比的是，第一批做Agent的OpenAI，似乎遇到了出道即巅峰，随后一路下滑的状态。

去年11月，OpenAI在首届DevDay上发布了Agent开发框架Assistant API，并配套推出了GPT Store。GPT Store里的每一个GPTs，就是一个Agent。

但是，GPT Store的流量表现不佳。SametimeWeb数据显示，2月份GPTs仅占ChatGPT网站桌面访问量的1.5%。

据The Information报道，一位开发人员分析了3.6万多个GPTs，其中约有5%每天有150至500名活跃用户，但绝大多数每天只有1到2个用户。“感觉OpenAI已经放弃了GPT Store。”这位开发人员吐槽道。

近期，金沙江创投主管合伙人朱啸虎在一次采访中更是直接坦言，“个人助理”（可以看作Agent的一个类型）都是技术人员的想象，都是典型的伪需求。

究竟是GPT Store不行，还是Agent不行？在AI日新月异的发展节奏中，Agent要从玩具和“概念”真正变为生产力，究竟路在何方？

一个自AI热潮兴起以来一直备受挑战的事物或许能为Agent落地提供答案，那就是低代码。

1.技术与成本的双重挑战

今天，几乎所有的科技巨头与AI创业公司都在布局Agent。IDC调研表明，50%的企业已经在某项工作中进行了Agent的试点，另有34%的企业正在制定Agent的应用计划。

“华为天才少年”、Logenic AI联合创始人李博杰是Agent创业潮中的一员，他将这些类目繁多的Agent分成了两大类：一个是有趣的AI，也就是更像人的AI；另一个是更有用的AI，也就是更像工具的AI。

去年爆火的“斯坦福AI小镇”是第一个出圈的有趣的Agent系统，这是一个由25个Agent组成的虚拟世界，完完全全地模拟了真实的人类生活。

另一个“有趣的AI”是角色扮演类的Agent，这一赛道也诞生了数家AI独角兽公司，代表产品是Character.ai、Inflection的Pi、Minimax的Talkie等。

有趣的AI主要面向to C领域，而有用的AI主要面向to B领域，比如各种Copilot工具、面向个人或者企业的Agent。

如今，越来越多工具属性的Agent已经涌现。据云基础设施服务商E2B的不完全统计和分类，在编程、个人助手、生产力、HR、科学、商业智能、设计、市场营销、金融等多个细分场景都有大量的开源和闭源的Agent项目。

AI Agents全景图，图片来源：E2B

除了针对垂直业务场景打穿打透的Agent，还有企业从平台模式出发，打造包罗万象的智能体商店，比如OpenAI推出的GPT Store，国内企业如钉钉、智谱AI、昆仑万维也分别推出了各自的Agent平台。

长期来看，AI最大的价值在于生产力的提升，也就是AI工具的属性。但目前，受限Agent系统大脑——大模型本身的性能，Agent到底能否从有趣的“AI玩具”进一步升级为有用的“AI工具”，还存在一定的挑战。

以AutoGPT查天气为例，虽然它能够自主规划、决策与执行任务，但很多时候都以失败告终，因为很多天气App的API是付费的，AutoGPT无法获取；如果是从网页读取天气数据看到的是HTML代码，AutoGPT也看不懂；如果要把网页数据转换成看得懂的文本，又会丢掉太多的网页结构信息；如果是把渲染出来的网页截图放到多模态模型里去直接识别，需要GPT-4V这种级别的模型才会比较靠谱。

在严肃的企业任务场景中，对于数据、问答的准确性有比较高的要求，哪怕有1%的错误率也是不能忍受的，这种错误率很难商用。而大模型的幻觉问题目前难以避免，如何降低幻觉带来的错误率是一个挑战。

Logenic AI联合创始人李博杰认为，目前大模型的能力只是一个入门级的水平，还远远达不到专家级，现阶段的Agent系统更像是一个干活比较快但不太靠谱的员工。

他分享过在华为听到的一个说法：“如果你是领域专家，你会觉得大模型很笨；但是如果你是领域的小白，你就会发现大模型非常聪明。”

这些挑战的根源都归结于Agent系统的大脑——也就是底层大模型的基础能力，Agent系统针对复杂任务的规划和分解任务、遵循复杂指令、自主使用工具以及减少幻觉等等，还有很大的提升空间。

Agent面临的另一个挑战，在于成本。我们都知道训练大模型需要很高的算力成本，而运行一个Agent系统所消耗的推理成本同样不低。

李博杰分享了一组数据：如果基于GPT-4做一个游戏NPC，跟玩家不停地交互，成本高达每个玩家每小时26美元，没有哪一个游戏能烧这么多钱。

更实际的问题是，对于中国的广大企业而言，除了算力成本外，更值得关心的成本在于如何在AI的道路上走出“第一步”：搭建一个Agent，让它成为业务流和数据资产的入口，这需要招一个多贵的团队？

2023年，一个私有化大模型的的价格曾达到千万元级别。显然如此高昂的成本不可能在企业级场景大范围的落地。

总结来说，Agent能否变得有效、可靠与低成本，是目前遇到的核心挑战。

2.Agent低成本落地的突破口

谈到拉低成本和门槛，低代码可以说是一个被验证过的答案。靠低代码、用传统软件十分之一甚至五十分之一的成本实现数字化的故事，过去几年中并不鲜见。

那么，低代码能把AI Agent应用的成本打下来吗？

钉钉的低代码团队宜搭正在做出一些实践，并推出了“宜搭AI”——一个在低代码平台上构建AI助理的方式。

去年，在大模型与AIGC爆火之后，低代码行业“人人自危”。低代码原本是为了降低应用开发的门槛，而大模型直接连代码都可以生成，似乎有直接颠覆低代码赛道的趋势。

去年7月，钉钉还专门拉上了氚云等几家低代码厂商展开了一次讨论，专门讨论AI能否替代低代码。最后大家的一致结论是：不但不会替代，AI还给低代码插上了腾飞的翅膀。

钉钉给出的答案则是，低代码+AI，就是Agent落地的突破口。

低代码+AI构建Agent，能否真正成为企业业务有效的工具？目前，已经在一些企业和组织中落地了。

在营销领域，深圳航空营销委使用钉钉AI助理、钉钉宜搭互动卡片以及业务接口搭建了“深航AI销售帮手”，专门针对深航营销场景的痛点进行了定制化开发，解决了销售系统保障、信息触达、经营监控、销售预警、知识管理等难点。

此前，深圳航空的机票分销系统“深航销售平台”，在用户使用过程中虽然提供了培训以及使用了传统的手册和知识库，但是由于功能迭代频繁，营业部、坐席人员调整，每天仍须要通过大量人工问答获取信息，效率不高，沟通成本巨大。同时，一线销售人员需要查询订单票据信息时，需要通过登录深航销售平台系统中查询，信息同步不够及时便捷，系统中沉淀的大量数据没有最大程度地发挥价值。

而“深航销帮”（深航AI销售助理）集成宜搭搭建的销售管理系统“云销平台”，打通多个内部销售相关系统，为员工触达和使用这些数据提供了非常人性化的入口：用自然语言询问“系统最近的出票时间是什么？”“近12小时出票情况如何？”等问题，这个Agent就会调用接口，实时查询，并以图表形式显示相关数据，通过Agent对接知识库解答用户的常见问题。

这个Agent还能为非系统用户提供订单票据查询等服务。销售人员无需经过系统用户中转，就可直接向AI助理提问“XXX机票/订单的出票代理人是谁?具体信息如何?”，AI助理会直接查询B2B系统的出票数据，返回所需票据信息。

低代码系统基础上的AI助理已经具备数据分析能力和可视化输出能力，示意图来源：钉钉

另一个案例是在教育领域，浙江工商大学教务中心使用钉钉宜搭应用让全校的教务业务在线化，搭配上AI助理，教授、同学、行政老师都有了自己的专属AI秘书，以聊天的形式就能吩咐AI助理完成招生咨询、课程答疑、课程数据分析等大量工作。

例如该校推出的“智能招生AI助理”，就集成了包含学校的招生政策、专业设置、录取分数线等信息的招生知识库，学生和家长以自然语言向这个AI助理提问，如"我的分数能报考哪些专业？"助理便会结合知识库智能给出合理解答，并且能够7*24小时在线。

基于宜搭的低代码开发能力和AI识别技术，该校还开发了一个集通知发布、活动报名、反馈收集的“智能填报应用”。应用内置了AI识别能力，可以识别聊天的内容自动填充到表单。所有填报数据也会自动汇总，生成可视化报表，供辅导员和管理人员查阅。

在答疑的基础上，AI助理还能对应用内的各类数据进行智能分析。招生助理可以统计咨询问题的类型和数量等数据，智能填报应用可分析活动报名的人数和完成度等。所有数据都可以由AI自动生成报表，为管理人员的工作和决策提供直观的数据支撑。

这些都是很细微的业务场景，不但切实提升了业务效率，更重要的是盘活了企业最重要的资产，也就是数据。

更重要的是，用宜搭AI开发Agent的门槛并不高，成本也不贵。

业内确实有高成本进行Agent开发的案例。由于涉及到数据治理、训练私有化模型、交付实施等流程，成本并不低。

但如果企业已经在钉钉宜搭上开发过业务应用，其积累的业务数据已经是大模型所需的结构化数据，仅需要“一键开启”Agent能力。这个实施成本几乎可以忽略不计。

正如深圳航空营销委史炎平所言：“在AI助理搭建过程中，我们曾深入探讨并评估了多种技术手段，但是使用AI助理的一些高级功能需要一定的开发能力，这对于我们这样的非专业人员无疑构成了较高的门槛。而宜搭让我们可以通过低代码进行开发，使用AI助理的高级功能，更丰富，更智能地实现我们的业务需求。”

对于大企业的业务部门以及没有钱也没有产研人才的中小企业来说，这种“低代码+AI”一键开启Agent能力将会有很大的吸引力。

正因如此，今年1月，钉钉总裁叶军在钉钉7.5版本发布会上宣布钉钉的目标是成为低门槛、高频和开放的AI助理平台。与OpenAI推出的GPT Store类似，钉钉也宣布将在4月份推出自己的Agent Store————“钉钉AI助理市场”，并要在三年内创建1000万个AI助理。

3.打开Agent的想象空间

可能连钉钉自己都不会想到，3年前钉钉开启的低代码战略，会在AI时代迎来Agent的东风。

低代码在软件行业也曾备受争议，但经历了几年的低代码热潮之后，如今低代码本身已经有了广泛的基础，尤其是在中小企业里有非常高的普及度。

与OpenAI聚焦C端不同的是，钉钉核心定位在B端。钉钉首先是一个协同平台，Agent的突破首先在协同办公场景；其次是一个应用开平台，钉钉过去三年力推的低代码战略已经开发了1000万个业务应用，不仅能助力协同办公，还能深入到企业业务中去。

低代码的普及为AI Agent打下了良好的“系统”和“数据”基础设施。AI时代本质是在变革数据产生与数据消费的方式，Agent正在让这一切逐渐落地。

宜搭搭建的AI助理，除了具备大模型本身就有的常识理解、生成能力外，最重要的是能够默认打通企业的业务应用、业务数据和领域知识，让原有的传统应用一键享受AI助理的新入口形式和使用交互形式。

像钉钉这样在to B领域做商业智能类的Agent，毫无疑问会涉及更加复杂的数据、流程、行业Know-how，这是企业的护城河。

钉钉宜搭产品负责人邵磊告诉「甲子光年」：“企业最关心的不再是单纯的组织协同或业务协同，企业的业务数据和积累的行业知识才是他们真正的核心资产，这是完全不具备任何可替代性的。只有挖掘数据与行业知识的价值，企业才会真正发展。”

在企业服务这个to B的场景下做AI，绝大多数需求都是源自于客户本身。钉钉有着很浓厚的产品共创机制和文化。比如钉钉和一家生产制造企业共创过程中，其实是客户自身提出了围绕数据的输入和分析结合AI的众多想法。

钉钉过去三年已经基于低代码平台搭建了1000万个应用，积累了大量的结构化数据。在to B行业做AI需要高可信任性，而AI可信任性的前提就是数据的可靠性与结构化。

更进一步来看，低代码+AI推动了Agent的普及，这种人机交互式的软件开发方式有望推动软件架构的范式迁移。

比尔·盖茨就认为，Agent将彻底颠覆软件行业，将影响我们如何使用软件以及如何编写软件。

Agent范式将原本由人类主导的功能开发，逐渐迁移为以AI为主要驱动力。以大模型为技术基础设施，Agent为核心产品形态，把传统软件预定义的指令、逻辑、规则和启发式算法的任务层级演变成目标导向的智能体自主生成。这样一来，原本的架构只能解决有限范围的任务，未来的架构则可以解决无限域的任务。

未来的软件生态，不仅是最上层与所有人交互的媒介是Agent，整个产业的发展，无论是底层技术，商业模式，中间组件，甚至是人们的生活习惯和行为都会围绕Agent来改变，这就是Agent-Centric时代的开启。

低代码+AI，无疑正是推动软件平民化的一次重要尝试。

（封面图由AI生成）