能不能把价值传递到更多的场景，中心就看AI Agent，所以咱们说AI Agent是大模型与场景间价值传递的桥梁

在开源大模型LLaMA 2会扮演类似Android的角色么？一文中从前提到：大模型落地的方法是体系型超级使用。但体系型超级使用有点像被臆造出来的一个词，所以这次从AI Agent的视点来更加详细的描绘下它。

AI Agent十分要害，没有它咱们就无法扩展大模型的使用鸿沟，无法扩展鸿沟咱们就无法完结大模型的成功商业化，无法成功商业化AI可能就会再亏本十年。人工智能假如仅止于现在看到的内容生成等几项使用，就仍是单薄的。

能不能把价值传递到更多的场景，中心就看AI Agent，所以咱们说AI Agent是大模型与场景间价值传递的桥梁。

一、大模型是瓮中之脑

假如把人的脑子放到一个充溢营养液的罐子里，让它活下来，那这时候它能够有一个超级真实的虚幻国际，但却不再能干与实际。这是《黑客帝国》，《源代码》这类电影很要害的一个预设。

现在的大模型就有点这意思。

它有必定智力并且具有很多知识，但除了内容生成这类通用能力，在别的范畴还不清楚它到底能干什么？经济体系的首要部分是需要干与实际的，所以大模型的这种智力优势就需要一个管道，让它流动出去和各个范畴相结合，然后才才能真实创造更大的经济价值。

而真要和某个详细范畴结合，孤立的大模型是不够的，它既不知道这范畴曩昔发生了什么，也不知道正在发生什么，乃至不知道自己要服务的对象是谁…

大模型内置的几个常用的功用，相当于把范畴相关的部分放到了模型的内部，比如内容生成，编写代码等。问题是实际国际的首要范畴并不是这种孤立场景，而是和实际要进行实时结合，所以根本放不到大模型里边去。

咱们能够把日常要处理的场景做个分类：

一类是孤立的，断续的场景。不论什么时候只要给个要求，它就给你一个特定输出，和时空内其它要素依赖不大，乃至地球毁不消灭都和这个任务完结没啥关系，比如：编程、下围棋、内容生成等。这部分其实很合适大模型内置。有点像井打完了，什么时候用水，打一桶就得了。

一类则是接连的，和周围环境的变化镶嵌在一起的的场景。这时候你假如不知道环境、历史累积和前置条件，不论你智商怎么样，你啥都干不了。就比如工厂流水线在生产，忽然扔一个博士曩昔，其实啥用也不顶。这有点像用水渠给水田灌水，水源通路都得整好，终究才有水。这部分无法扩大模型内部。

咱们绝大多数场景，都是后一个，不论是外卖、打车、企业经营等，所以才有个说法叫国际万事万物是普遍相关的。这也是曩昔的所谓专家体系，用用就挂了的中心原因。

瓮中之脑处理前一个场景下的问题相对容易，最傻的方法便是定期晋级一下，但独自的瓮中之脑处理不了后一个场景里的问题。实际里边，处理不了后一个问题就处理不了中心场景，处理不了中心场景就很可能再亏10年。

后一种场景的处理与否的要害在于AI Agent，所以咱们说AI Agent是大模型与场景间价值传递的桥梁。

二、AI Agent即体系型超级使用

AI Agent概念太新，资料太少，下面这张图是OpenAI Lilian Wen个人博客上发的一张图，被四处粘贴。