經(jīng)濟(jì)觀察網(wǎng) 記者 陳奇杰 截至2024年6月7日，黃佳寫的新書《大模型應(yīng)用開發(fā) 動(dòng)手做AI Agent》（下稱《動(dòng)手做AI Agent》）已經(jīng)連續(xù)18天位列京東人工智能圖書榜第一名，在發(fā)行不到三周的時(shí)間里印刷了三次，累計(jì)發(fā)行超過(guò)8000冊(cè)。

黃佳在新加坡科技研究局（Agency for Science, Technology and Reseach，下稱“新加坡科研局”）擔(dān)任主任科研工程師，這是新加坡最大的科研機(jī)構(gòu)。黃佳的主攻方向?yàn)樽匀徽Z(yǔ)言處理（NLP）預(yù)訓(xùn)練大模型應(yīng)用、機(jī)器持續(xù)學(xué)習(xí)技術(shù)等。

在《動(dòng)手做AI Agent》之前，黃佳已經(jīng)寫過(guò)多本技術(shù)圖書，其中，《零基礎(chǔ)學(xué)機(jī)器學(xué)習(xí)》《GPT圖解 大模型是怎樣構(gòu)建的》兩本AI領(lǐng)域的書籍發(fā)行量都超過(guò)13000冊(cè)。

黃佳這一次選擇AI Agent（人工智能智能體，下稱“Agent”）作為寫書題材。目前，Agent被視為大模型應(yīng)用落地的重要途徑，OpenAI（美國(guó)人工智能研究公司）、微軟、字節(jié)跳動(dòng)和百度等眾多公司都在這方面做了布局和探索。

在黃佳看來(lái)，Agent以大模型為大腦，擁有思維能力，且通過(guò)工具和函數(shù)接口擁有執(zhí)行能力。未來(lái)隨著大語(yǔ)言模型、多模態(tài)學(xué)習(xí)等AI技術(shù)的進(jìn)一步突破，Agent的能力將大幅躍升。它有望勝任更加復(fù)雜的認(rèn)知和交互任務(wù)，為用戶提供更加智能、個(gè)性化、沉浸式的服務(wù)。

但Agent的應(yīng)用還處于起步階段，在通用性、準(zhǔn)確性、交互體驗(yàn)等方面還有很大提升空間。黃佳希望，《動(dòng)手做AI Agent》能成為讀者了解和探討Agent技術(shù)的起點(diǎn)。

寫書也是學(xué)習(xí)

2001年，黃佳從北京師范大學(xué)本科畢業(yè)，隨后赴新加坡南洋理工大學(xué)就讀碩士，從此在新加坡定居。碩士畢業(yè)后，黃佳有十幾年的時(shí)間都在知名咨詢公司埃森哲從事SAP（企業(yè)管理系列軟件）系統(tǒng)的設(shè)計(jì)、二次開發(fā)和實(shí)施。

后來(lái)黃佳發(fā)現(xiàn)，很多企業(yè)客戶慢慢地不滿足于傳統(tǒng)的供銷存、財(cái)務(wù)、人力資源管理系統(tǒng)，而是希望在他們的系統(tǒng)中加入一些AI相關(guān)技術(shù)，以增加附加價(jià)值。這使得他的目光逐漸轉(zhuǎn)向AI領(lǐng)域。

大約六年前，黃佳開始進(jìn)入機(jī)器學(xué)習(xí)和AI領(lǐng)域，通過(guò)自學(xué)和參加課程積累到足夠知識(shí)后，他離開埃森哲，加入了新加坡科研局，致力于研究如何將AI科技應(yīng)用于企業(yè)和日常生活。

黃佳崇尚費(fèi)曼學(xué)習(xí)法，在學(xué)習(xí)過(guò)程中，不僅想著自己學(xué)，還想著如何輸出，這對(duì)內(nèi)化知識(shí)非常有好處。

黃佳會(huì)詳細(xì)記錄下學(xué)習(xí)過(guò)程和遇到的難點(diǎn)、坑點(diǎn)，以及問(wèn)題的解決方式。這為他的寫作積累了素材。

除此之外，有讀者告訴黃佳，從他的書里學(xué)習(xí)到了更系統(tǒng)性的知識(shí)，可以說(shuō)是“既見樹木，也見森林”，這些反饋都給了黃佳寫書的動(dòng)力。

從事SAP領(lǐng)域時(shí)，黃佳就有寫書的愛好。投身AI行業(yè)后，這一堅(jiān)持仍未改變。他的效率也不慢，雖然只在工作之余寫作，但通常一本新書半年到一年就能夠?qū)懲辍４竽Ｐ蜁r(shí)代，黃佳也會(huì)使用AI協(xié)助處理文字工作，這提高了他的效率。

創(chuàng)作思路

《動(dòng)手做AI Agent》在眾多技術(shù)圖書中表現(xiàn)優(yōu)秀，目前市面上還沒(méi)有同類型書籍。負(fù)責(zé)出版這本書的人民郵電出版社編輯秦健說(shuō)，從實(shí)際銷量、技術(shù)的先進(jìn)性、渠道流量和作者知名度等多個(gè)方面評(píng)判，這本書已經(jīng)達(dá)到暢銷書標(biāo)準(zhǔn)。

從結(jié)構(gòu)看，《動(dòng)手做AI Agent》主要包含三部分：第一是從技術(shù)和工具層面闡釋Agent設(shè)計(jì)的框架、功能和方法；第二是通過(guò)自動(dòng)化辦公的實(shí)現(xiàn)、推理與行動(dòng)的協(xié)同、知識(shí)的提取與整合等7個(gè)實(shí)操項(xiàng)目，帶領(lǐng)讀者學(xué)習(xí)前沿的Agent實(shí)現(xiàn)技術(shù)；第三是介紹科研論文中Agent技術(shù)的進(jìn)展，提供技術(shù)發(fā)展的全面視角。

在埃森哲做咨詢服務(wù)和在新加坡科研局工作期間，黃佳接觸了能源、物流、金融等各行業(yè)的公司，也了解許多企業(yè)的共性需求，這讓他能選取更通用的實(shí)操項(xiàng)目。

例如，由于有大量文檔和資料分布在各個(gè)網(wǎng)站、HR的抽屜等不同區(qū)域，許多企業(yè)都需要文件檢索系統(tǒng)。對(duì)此，黃佳在《動(dòng)手做AI Agent》中加入了使用Llama Index數(shù)據(jù)框架，實(shí)現(xiàn)檢索增強(qiáng)生成Agent的實(shí)操案例。

過(guò)去，黃佳寫的一系列SAP技術(shù)著作只是講解技術(shù)，顯得很干癟。2020年，在寫《零基礎(chǔ)學(xué)機(jī)器學(xué)習(xí)》時(shí)，黃佳受到了一本以漫畫風(fēng)形式呈現(xiàn)的技術(shù)圖書的啟發(fā)，開始在創(chuàng)作中引入采用圖畫和對(duì)話等形式，以求兼顧技術(shù)性和可讀性。

具體而言，黃佳在書里會(huì)添加一位老師咖哥和兩位學(xué)生小冰、小雪。通過(guò)對(duì)話和答疑解惑的方式，咖哥會(huì)講解機(jī)器學(xué)習(xí)、GPT（生成式預(yù)訓(xùn)練模型）和Agent等概念。在黃佳看來(lái)，這種形式能讓讀者更輕松地了解書中的知識(shí)。

本碩畢業(yè)于北京大學(xué)的汪楊，正在籌備設(shè)立一家智能體產(chǎn)品公司腦仁智能，是Agent領(lǐng)域的創(chuàng)業(yè)者。在看完《動(dòng)手做AI Agent》后，他覺得這本書深入淺出地講解了Agent技術(shù)，可以算是目前市面上把相關(guān)技術(shù)理論和框架講得最清楚的書。不過(guò)，由于篇幅所限，有的地方還不夠豐富，例如書中提到的幾個(gè)工具都只是講了一些框架和案例，讀者真正要自行開發(fā)的時(shí)候，還需要閱讀一些文檔和參考資料才可以。

還稍顯不足的是，有讀者指出，調(diào)用OpenAI的API（應(yīng)用程序編程接口）有難度，《動(dòng)手做AI Agent》作為面向國(guó)內(nèi)的書籍，應(yīng)該以國(guó)內(nèi)大模型來(lái)完善一些示例。黃佳說(shuō)，這是很好的建議，目前國(guó)內(nèi)大模型行業(yè)風(fēng)起云涌，廠商的大模型能力也越來(lái)越強(qiáng)，未來(lái)會(huì)補(bǔ)充加入這部分內(nèi)容。

Agent還在起步階段

新加坡科研局一直倡導(dǎo)在純科研項(xiàng)目的同時(shí)，加強(qiáng)與企業(yè)的合作項(xiàng)目。近兩年，由于大模型的爆火，越來(lái)越多的企業(yè)與新加坡科研局溝通，希望能將大模型能力嵌入到企業(yè)工作和產(chǎn)品的各方面。由此，新加坡科研局和企業(yè)合作的AI應(yīng)用落地項(xiàng)目比重增加了不少。

在受邀回中國(guó)參加一些論壇和會(huì)議的過(guò)程中，黃佳也觀察到，因?yàn)橛凶銐虻娜瞬?、市?chǎng)和體量去進(jìn)行各種探索，國(guó)內(nèi)AI應(yīng)用落地的進(jìn)展較快。

Agent被中金研究認(rèn)為是連接大模型和現(xiàn)實(shí)世界的“最后一公里”。根據(jù)黃佳講解的Agent構(gòu)建流程，開發(fā)者需要先為Agent設(shè)計(jì)提示詞，使Agent能夠擁有這樣一種“思維方式”：在執(zhí)行任務(wù)時(shí)，先分成幾個(gè)子任務(wù)，然后按部就班地執(zhí)行每個(gè)子任務(wù)。這種系統(tǒng)化的提示詞配置，使得用戶可以通過(guò)Agent更清晰明確地調(diào)用大模型能力。接著開發(fā)者需要為Agent配備一系列的工具和函數(shù)，這將使Agent不僅能說(shuō)話、輸出文字，也能幫助用戶執(zhí)行具體操作。

目前，Agent已經(jīng)開始在客服、助手、問(wèn)答、任務(wù)引導(dǎo)等領(lǐng)域得到應(yīng)用，例如OpenAI的Assistants（助手）、微軟的AI助手MicroSoft Copliot和字節(jié)的Coze助手等。一些企業(yè)也開發(fā)了行業(yè)定制的Agent，服務(wù)于特定場(chǎng)景。

5月30日，在2024百度移動(dòng)生態(tài)萬(wàn)象大會(huì)上，百度集團(tuán)資深副總裁、百度移動(dòng)生態(tài)事業(yè)群組總經(jīng)理何俊杰曾說(shuō)，基于強(qiáng)大的基礎(chǔ)模型，智能體可以批量生成，應(yīng)用在各種各樣的場(chǎng)景。文心智能體平臺(tái)已有超16萬(wàn)名開發(fā)者和超5萬(wàn)家企業(yè)入駐，上面既有文案專家、讀書專家、企業(yè)培訓(xùn)執(zhí)行專員這樣由個(gè)人開發(fā)的小而美的智能體，也有OPPO公司、新加坡旅游局這類企業(yè)、機(jī)構(gòu)開發(fā)的智能體。

不過(guò)，總體而言，Agent技術(shù)還處于起步階段。

黃佳稱，Agent開發(fā)目前還沒(méi)有統(tǒng)一的規(guī)范和開發(fā)生態(tài)，不像開發(fā)APP（應(yīng)用程序）那樣簡(jiǎn)單，APP開發(fā)有統(tǒng)一的平臺(tái)，比如蘋果操作系統(tǒng)iOS和安卓操作系統(tǒng)Android，開發(fā)者可以在這些平臺(tái)上構(gòu)建和發(fā)布應(yīng)用。另外，Agent需要嵌入到每一個(gè)具體的場(chǎng)景中解決實(shí)際問(wèn)題，這些問(wèn)題通常具有獨(dú)特的上下文和需求。不同的應(yīng)用場(chǎng)景下，用戶的需求和期望是不同的。

商業(yè)模式方面，黃佳說(shuō)，Agent技術(shù)尚未帶來(lái)公認(rèn)已經(jīng)落地的、顛覆性的商業(yè)應(yīng)用模式。國(guó)家也還需要發(fā)布一系列規(guī)范，不能讓Agent可以隨便做任何事。這種結(jié)構(gòu)性的變化會(huì)更進(jìn)一步方便我們的生活，但需要漫長(zhǎng)的過(guò)程。

在技術(shù)上，大模型仍存在準(zhǔn)確性的問(wèn)題。黃佳說(shuō)，大模型本質(zhì)上是一個(gè)智能體，而不是我們熟知的邏輯計(jì)算。因此，我們只能參考它返回的結(jié)果，而不能將其作為最終決策的依據(jù)。他舉例，銀行、醫(yī)療等領(lǐng)域都需要零出錯(cuò)，即使準(zhǔn)確率高達(dá)99.9%也不行，這是目前大模型落地應(yīng)用的一個(gè)致命問(wèn)題。