-- 奶奶,我告诉您什么是"大模型代理"吧!
从小翠到小超——AI的成长故事
奶奶:"听说现在有个叫'Agent'的东西很火,是不是又是年轻人玩的啥新花样?"
小雅:"奶奶,您知道吗?这个'Agent'其实就像是一个会上网、会用电脑、还能帮您干活的电脑孙子!"
奶奶:"电脑孙子?那我这都几个真孙子了,还要电脑孙子干啥?"
小雅:"哈哈,比方说原先的Siri就像是您家的小保姆小翠。您说'小翠,明天天气怎么样?',她就回您'明天晴天,最高温度25度'。您问啥她答啥,就这么简单。"
奶奶:"这不挺好的吗?知冷知热的。"
小雅:"是挺好,但您想想,如果您说'小翠啊,帮我买张去北京看我闺女的火车票',小翠就只会说'好的,我马上帮您查询',然后呢?然后什么都没有!她不会真去买票。"
奶奶:"那可不中!"
小雅:"对啊!但现在的'Agent',就像是升级版的小超,您说'小超,帮我买张后天去北京的火车票',小超不但会回您'好的奶奶',它还会真的去:
-
- 打开12306网站
- 输入您的身份证号码(它记得)
- 查最合适的车次(它知道您膝盖不好,会选有卧铺的)
- 自动付款(它记得您的支付密码)
- 然后把车票信息发到您手机上
就跟一个懂您、能干活儿、还不要工资的孙子似的!"
奶奶:"哎呦喂!这小超比我孙女还懂我!"
小超是怎么练成的?
奶奶:"那这小超咋就这么能干呢?"
小雅:"奶奶,您记得咱家那个老缝纫机吗?踩着脚踏板才能动那个?"
奶奶:"当然记得,我用它给你伯父做过衣服呢!"
小雅:"后来不是换电动的了吗?再后来不是又买了那种全自动的,您只要放布进去,它就能自己缝好?AI就是这么升级的!
第一代就像老缝纫机,你踩一下它走一步; 第二代就像电动的,省力了,但还得您一直握着; 现在这'Agent',就像全自动的,您只要说个大概,它自己就把活儿干完了!"
奶奶:"那它得多聪明啊!"
小雅:"它有三大法宝:
第一,超级记性 - 比老庙里的账房先生还能记,不光记得住咱家的事儿,还记得网上千万本书的内容;
第二,能写代码 - 这个您就理解成它能给自己编'操作手册',教自己怎么干活;
第三,会用工具 - 它不光会说,还会'动手',能操作电脑、手机,像真人一样!"
数字孙子们打起来了?
奶奶:"这小超是谁家的?"
小雅:"现在好多公司都在养这种'数字孙子'。有的像全能型的,啥都会一点;有的像专家型的,就专门懂一行。就像现实里有的孙子是全科医生,有的是专门治牙的牙医。"
奶奶:"那哪种好使啊?"
小雅:"奶奶,您想想,如果您牙疼,是找全科大夫好,还是找专门的牙医好?"
奶奶:"那肯定牙医更在行啊!"
小雅:"对啦!所以现在正打得火热呢!有Manus这样的全能型,啥都会一点;也有专门帮律师写合同的,专门帮医生看片子的,各有各的本事。"
电脑孙子会不会太皮?
奶奶:"这电脑孙子靠谱吗?会不会像我那个小孙子一样,老给我捣乱?"
小雅:"哈哈哈,奶奶担心得有道理,这还真是个问题。这电脑孙子是很能干,但有时候也会犯糊涂:
比如您说'帮我定个好吃的餐厅',它可能订了一个超贵的,把您养老钱都花了;
或者您说'帮我查查最近的药店',它给您找了个假药店。
所以现在这些公司还在训它们呢,就像您当年教育孙子一样,得慢慢来。"
奶奶:"那得好好驯它!"
奶奶的电脑孙子啥时能到岗?
小雅:"奶奶,您猜这种能干活的电脑孙子啥时候能真正进咱家门?"
奶奶:"得等几年吧?"
小雅:"您还真说对了!今年这些电脑孙子还在'幼儿园'阶段,刚学会走路没多久。到2025年,它们可能就上'中学'了,能帮您干些简单活儿;再过几年,等它们上了'大学',那就厉害了,说不定能帮您:
-
- 自动监控您的血压血糖,提醒您吃药
- 管理您的医保卡,自动报销医药费
- 帮您和远在外地的儿女视频聊天,翻译您听不懂的方言
- 提前一周就提醒您老姐妹的生日,还帮您挑好礼物"
奶奶:"这不比我孙女还贴心嘛!什么时候能给我整一个?"
小雅:"奶奶别急,好东西都在路上呢!肖弘这样的年轻人正在加班加点给您'调教'数字孙子呢!"
奶奶:"那个'小红'是谁啊?"
小雅:"不是'小红',是'肖弘',是个90后小伙子,对电脑孙子特别有想法。他说过,做这种孙子,得'用最疯狂的想象',不能小看它的本事。他跟他的团队正在打造这种电脑助手,说不定以后真能成您的贴心小棉袄呢!"
奶奶:"90后?那不比我孙子大不了几岁?现在的年轻人真是了不得!下次他要来我们这儿,让他来家里吃顿饭,我亲自下厨!"
小雅:"奶奶,您呀,还是关心实际的!不过说真的,这些电脑孙子真正普及可能就在几年内。到时候,可能我们都不用教您怎么用手机了,您只要对着手机说话,电脑孙子就把一切都安排好啦!"
奶奶:"那敢情好啊!我就等着那一天了!"
【相关】
- Xiao Hong Red:肖弘其人
- 万字长文解析 LLM-native Agent 及其混合计算方式
- o3 deep research: LLM 驱动的 Agent 综述
- Agent:数字代理的崛起与未来
- Agent元年:从聊天机器人到数字员工的当代进化史
- 生成式AI学习中容易混淆的几个术语
- 思维链是大模型的符号神助攻
- 再谈自然模态数据是高维空间的低维流形
- 深度学习的局限性研究综述
- o3 deep research: 深度学习局限性研究报告
- 深度学习的基石:多层感知机
- o3 Deep Research: DeepSeek R1 多阶段训练流程问答解析
- RPA 赛道与大模型Copilots早期创业者的困局
- Transformer 和注意力机制简介
- 立委科普:如何理解自注意力机制中的QKV分工?
- DeepSeek 笔记:推理新范式 query+cot+answer 支持新的 scaling law 吗?
- DeepSeek 笔记:R1 部署阶段的推理机制
- 从R1幻觉谈起,大模型幻觉是缺陷还是创意火花?
- 推理强化学习是端到端的监督,推理过程的非监督
- DeepSeek 风暴下看看它的论文
- 大模型风云诡谲的下半场:scaling 失效?