大模型之后，AI 开始“自己动手”了

采访 | 唐小引

整理 | 张红月

出品丨AI 科技大本营（ID：rgznai100）

从生成式 AI 到 Agentic AI，互联网正在从“信息获取”转向“任务完成”。

强化学习带来的整个推理范式使得智能体的规划能力大大提升，让大模型具备了更强的自主规划与工具调用能力，尤其是在推理链构建、任务分解、多 Agent 协作等方面，能力提升显著。

这一趋势正在引发全球范围的智能体竞赛。

全球科技巨头抢滩智能体

放眼全球，科技巨头纷纷加速 AI Agent 布局：

• 在其 Build 2025 大会上明确提出“AI Agent 将重塑未来的工作方式”，推出了包含预构建智能体与模块化自定义开发的 Copilot Studio 解决方案；
  

• 则在 I/O 大会上宣布将在 Chrome 浏览器、搜索以及 Gemini 应用中推出智能体模式，AI 智能体可以直接与浏览器和其他软件交互，执行诸如查找信息、预订服务等任务；

• OpenAI 不仅发布了能自动执行复杂操作的 AI Agent “Operator”，更推出了面向深度研究的智能体功能；

• Anthropic 则发布了 Agent 最佳实践指南，涵盖任务设计、角色设定、安全边界等关键环节，进一步推动 Agent 工程从概念验证走向工程落地。

国内市场同样热潮涌动，比如在 2025 腾讯云 AI 产业应用峰会上，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生宣布腾讯各项业务全面拥抱 AI，以大模型、智能体、知识库和基础设施“四个加速”助力 AI 打造普惠生产力。其中，在智能体方面，腾讯云全新升级了智能体开发平台（TCADP），旨在融合自身在知识管理、工作流编排以及 AI 能力上的优势，助力企业构建更高效、更智能的 Agent 应用，而大家所熟知的腾讯多项 C 端与 B 端应用，如 QQ 浏览器、腾讯健康、腾讯云代码助手 CodeBuddy、腾讯企点营销云等都加入了智能体的能力。

吴运声，腾讯云副总裁、腾讯云智能负责人、腾讯优图实验室负责人

对于今年众多厂商在智能体领域加大投入的现象，腾讯云副总裁、腾讯云智能负责人、腾讯优图实验室负责人吴运声在接受 CSDN 等采访时表示：这背后反映了技术演进与业务需求的双轮驱动。

他表示大家都看到了两方面：

• 一是智能体技术快速发展，尤其是其具备自我规划和调用工具完成复杂任务的能力在不断增强；

• 二是应用业务的发展需求随着技术提升也在增长，智能体能够更好地满足客户复杂多样的场景需求。这两方面共同推动了智能体的快速发展。

为什么今年我们共同迎来了 Agent 的大爆发？吴运声分析道：AI 的发展是一个多维度、全方位的过程，不能将前景聚焦在某一单一形态上。除了智能体，大语言模型、多模态模型、语音模型、视觉模型等也都在快速演进，各有其独特的应用价值和技术挑战。随着近几年来 AI 能力不断成熟，技术和用户需求的匹配度逐渐加深，AI 会在越来越多的场景中体现出实际价值。

智能体爆火的背后

客户需求驱动的 AI 应用范式变革

随着 AI 智能体从概念走向实际应用，特别是在软件工程领域引发的范式变革，其取代程序员的讨论也甚嚣尘上，对此，作为资深程序员，吴运声向 CSDN 特别表示：

AI 卷不走程序员，Agent 的发展将重塑软件工程的工作方式，程序员将从执行者转变为更具创造性的问题构建者。

吴运声进一步分享道，智能体在 ToB 场景下是一种全新的应用形态。它与传统软件的最大区别在于，具备了自主规划能力，能够根据用户自然语言指令，自主调用工具，甚至多个 Agent 协同完成复杂任务。这种范式转变，正是源于客户对个性化、智能化解决方案日益增长的需求。

为进一步提升智能体的实用性和可扩展性，腾讯也在围绕智能体核心能力进行深入研究，具体包括：

• 如何实现更精准的自主规划与执行

• 如何实现多 Agent 协同的复杂任务处理

• 如何构建更高效的工具调用机制

比如在工具调用方面，技术演进非常迅猛，经历了几个阶段：

• Function Calling：模型理解用户需求后，直接选择并调用一个工具处理请求。

• ReAct 模式：要求模型在调用工具前，必须进行一步明确的思考，说明要解决什么问题，为什么调用这个工具。这一步提升了调用的合理性。

• Code Agent（CodeArts）：不再是一条一条地调用，而是通过生成完整代码，比如循环结构，来批量调用多个接口并计算结果，执行效率更高。

举个例子：如果要比对中国、日本、新加坡、德国的 iPhone 15 价格，Function Calling 就是一条条查；ReAct 会在每一步加上“我现在要查价格，我现在要调用汇率”；而 Code Agent 会直接生成一段程序，循环遍历各国数据、调用接口、换算汇率、返回结果——高效得多。

视觉、多模态、文本以及智能体技术并非孤立演进，而是彼此协同，共同支撑企业AI应用的落地。近期，腾讯在视觉模型和多模态模型方面的发布节奏明显加快，这同样是出于客户需求驱动的战略考量。

但与此同时，企业在推动智能体落地过程中，也会遇到一些挑战，比如会存在企业内部文档质量参差不齐，导致 RAG 效果不佳，该如何优化等问题，吴运声坦言，这是在实际落地场景中非常常见的难题。为了解决这个问题，腾讯云从多个维度入手：

• 一是提升数据质量：文档转问答对，直接从文档中自动生成高质量的问答对；

• 二是提升 RAG 的精准度：文档版本比对，提供工具展示版本差异，确保知识库的实时性和准确性；

• 三是建立运营机制： 通过运营系统支持，根据用户反馈动态优化知识库，形成持续改进的闭环。

“客户的需求，始终是我们技术迭代的源动力。”吴运声强调。

目前，腾讯云与各行业的客户展开了广泛合作，智能体应用已在汽车、金融、文旅、消费电子、医药连锁、零售等行业落地。这些应用不再是概念验证，而是在生产环境中真实运行的场景。例如：

• 汽车行业： 售后知识支持、故障自诊断

• 金融行业： 智能客服、知识库问答

• 文旅行业： 行程规划、票务问询

• 消费电子、家电行业： 产品推荐、使用指南

• 医药连锁、零售行业： 商品问答、门店引导
  

这些都已经不是概念验证，而是在生产环境中真实落地的场景。

从全球趋势到本地实践，从底层模型到平台系统，Agent 的进化路径清晰而迅猛。

腾讯云智能体开发平台的推出，不只是发布一款新工具，更是在构建一个企业可控、可用、可落地的智能应用系统。这不仅是一种平台能力的释放，也是在为“AI 重塑产业”的未来搭建“新基建”。

智能体不是一时风口，而是大模型落地过程中最具系统性、可扩展性与变革性的路径之一。