很多人都在思考，LLM-based时代的应用应该怎么去开发。然而，时代的惯性会束缚我们的思维，就像iphone颠覆式出现一样，在它成为市场主流之前，我们根本想不出在手机屏幕上的软件会如此不同。这让我想到那句著名的论断，汽车出现之前，人们对交通工具的究极想象都是围绕马展开，给马带上昂贵的装备，给马车装上牛逼的助推器，而当汽车出现时，人们才恍然大悟，原来交通工具可以不需要马。AI时代的到来，新的iphone时刻，是否会改变人们使用信息技术的方式？人机的交互方式，还会永远和当下一样吗？计算机上的各种功能，将会以怎样的方式在我们的工作和生活中提供能力？本文将详细聊一聊这个话题。

LLM是基础设施

前段时间，英伟达发布了自己的本地大模型服务，购买它的显卡，可以直接在硬件上运行一个LLM。马斯克开源了迄今为止开源界参数最大的Grok，有人将它的源代码整理成一个可视化的3D模型，用以演示Grok的神经网络，人们发现Grok的架构如此复杂，层数如此之多，以完全超出现代工程的人力承受范围。大语言模型已经成为一种价格昂贵但唾手可得的基础设施。

去年大家都在讨论LLM的能力涌现，例如推理能力，当然，也无法避开它的幻觉。然而，今年，世界似乎已经发生了翻天覆地的变化。市场上的大模型应用越来越多，但目前来看，很多都是类Chat类应用，要说出现井喷式爆发，还为时尚早。

当然，现在仍然有非常多的人对LLM的理解还停留在ChatGPT的形式上，他们把大模型等同于和ChatGPT形式一模一样的聊天机器人。只有较少的人会把LLM理解为更底层的工具，它用以支撑和驱动新能力的开发，这类工具我们常常称为框架。简单讲，框架就是一系列工具的集合，以提升开发效率，让开发形成一种范式。而在AI领域做应用开发，在LLM之前有各种模式，现在LLM已经一统江湖，任何的AI应用，都可以用LLM来开发，这让我们的智能化应用（或者说需要智能化的功能）开发变得极为简单了。

举个例子，前几天，我在公众号 wwwtangshuangnet 中讲了自己利用AI来设计自己的DSL，里面除了借助chat来获得灵感外，另一个重要的点，就是直接利用LLM将自然语言生成DSL。

这在以前几乎是不可能的，也就意味着如果用户没有掌握平台定制的DSL，就无法使用某些功能，而在LLM成为基础设施之后，我们的开发更加贴近用户，更容易把用户的想法放到产品中去执行。而在这个过程中，我们甚至可以减少编程中间过程，因为现在很多大模型都有了直接执行代码的能力（functional calling）。这也代表着，必须一个字一个字准确编程的时代过去了，新的基于LLM的编程，可以在模糊的表达下完成编程过程，因此，也有人说，“面向对象”将会消失，“面向目标”将会爆发，以描述目标（而非机器执行）为编程内容的范式会逐渐兴起，这和SQL的设计极为相似，恰巧的是，有一个叫Chat2DB的项目，可以实现智能的数据查询和报表能力，直接用自然语言替代了SQL。

此外，LLM自身的封装性良好，这也就意味着，我们切换底层框架的灵活性大大提升。当我们发现更好更智能的LLM的时候，我们可以用非常小的代价切换底层设施到新的依赖上，这也使得我们的架构设计更加灵活，安全性更强，可持续迭代的能力更可靠。

Agent是AI时代的主角

之前的文章中，我有讲过，Agent作为AI时代功能搭建的基本单位，会出现真正的百花齐放。在移动互联网时代，APP是我们享受信息网络的入口，而到了AI时代，Agent就会替代APP，成为新时代的信息网络入口。

AI时代的核心使命，是极速的提升人们获取信息的效率和质量。人类获取信息的模式经历了很多次变革，从口口相传到结绳记事，从档案文书到信息管理，今天，我们将面临着走向知识管理的终极——智慧发掘。LLM-based AI把这种信息获取的难度拉的极低，以前我们要了解一个知识，需要从一部百科全书图书中去查找，效率和质量都很低，而在LLM的加持下，我们可能只需要10秒钟就可以获得高质量的知识内容。接下来的时代，我们需要把这一智能利用往前推一部，让人类突破信息传递的次元壁，能够让人类借助AI的力量，在有限的人类脑力前提下，获得最大程度的智力加持。

过去，我们有一个说法，手机是人类身体长出来的第三器官。因为人类已经无法离开手机了，所以它就像器官一样被我们需要和使用。而我相信，AI会成为人类的第二大脑，同时，人类还会长出第四器官。作为第三器官，手机智能在虚拟层面帮助人们解决一些效率问题，作为第四器官，Agent将会借助各种硬件，直接在现实中增强人类的生理极限。过去，让人长出第三只手，或者让人长出一对翅膀，人类的大脑是无法承受的，过去通过脑电波的形式来实现人体外肢的实践，即使再过几十年也不会有大的进展。而在大模型加持下，自适应的外肢并不需要大脑的直接控制，而是可以由大模型为大脑的AI系统控制，与人体的其他系统协调工作，就像人的淋巴系统、内分泌系统一样，与大脑协调工作。

AI系统是由Agent作为最小单元分工协作构成的，我们需要井喷式的Agents来为我们的创意提供原材料，就像开放世界游戏一样，只有当能满足我们创意的原材料都具备的时候，我们才能快速实现它，而当下，Agent还是太匮乏。

我认为很多人把Agent的设计看的太过复杂，我认为Agent就是非常简单的输入输出模式，对于我们现有的很多功能，都是可以重新设计为Agent的，甚至有时候不一定需要LLM，只要它能按照某种Agent协议，实现输入输出接口，就可以被用到AI系统中，作为组成宏大目标的一部分。

这个图是我提出来的一种设计模式，感知Agent和行动Agent本身通过事件协议与中枢部分沟通，通过端口与外界的硬件、软件联系。一旦这种通用的协议形成共识，我们的Agent市场将会很快丰富起来。有了足够多的Agent，我们接下来要办的事，就是让这些Agent能够协同工作。

Agent Workflow会是终极吗？

工作流是串联一系列单元，使它们能够按照开发者目标完成动作的有效方式。这些工作单元，如果独立去看，可能与我们最终的目标相去甚远，但是我们通过工作流，把这些看上去相去甚远的单元组织在一起，有效的分配任务，就可以实现我们自己的目标。世界上很多事情都是这样，看上去相去甚远的部件，可能在系统中起着关键作用，就像制作钓鱼竿的碳纤维材料成为我国航天公关中的关键突破，就像我们平时写的代码分看来每个语法都平平无奇，组合在一起却功能强大。

对应到我们的编程中，Workflow就是架构，即用以实现我具体目标的整体AI工作系统，与构成该系统的Agent工作单元之间的交互、联系、调度等等。

前几天，我看到一则消息，国外某实验室正在尝试让AI训练AI。当我们允许AI在解决我们提出的具体需求时，且它自己认为自己无法满足该需求的情况，可以通过训练一个具有针对性的AI来解决该问题时，AI就实现了自举。当这一现象产生时，意味着真正的AGI时刻到来了。那么这里有个问题，AI训练AI是我们的设定，还是AI自己的决策呢？如果在我们的设计中，没有这种设计，AI是否有能力自己想到要去训练一个AI来解决具体问题？

所以，当我们去设计Agent工作流时，我们应该换一个角度，即每一个Agent都是一个举足轻重的角色，就像工作中的同事，如果屏蔽了具体形象，只要它能完成工作流中的环节任务，那么无论他有没有实体生命，都需要在工作中被平等看待。

上图是一种拟人化的Agent工作流设计，这种设计把Agent作为工作环节上的角色，完成特定工作内容。虽然这些角色可以由人来代替，但是我们现在是在讨论AI系统，我们作为用户，期望得到的是结果。

从上面的设计来看，AI系统本身并不具备自举的潜力，因为我们往往只会根据当下的业务需要来设计工作流。即使我们在工作流环节中，允许AI进行AI训练，也会是把AI训练交给具体的Agent来完成，而Agent本身并不是主动决策自己要进行AI训练，它更多的是承担“人力”而非“人才”的角色。至于整套系统来说，就更不存在自己训练AI的说法。（当然，我们并不排除有人就是要设计一个可以训练AI的AI系统，而且据我所知，现在头部的大厂们，确实就是在用AI来训练大模型。）

结语

本文从思考AI时代的人机交互形式出发，提出了AI时代的Agent等效于移动互联网时代的APP的观点。手机上的APP是软件，而Agent则不局限于软件，还可以是硬件等。过去我们比较关注代码实现，“面向对象”是最流行的编程范式。但在以LLM为基础设施的时代，我们可以大幅减少对代码实现的依赖，比如一些算法、提取、转化、分析等，一起我们可能需要写大段代码，甚至搭建一套系统来实现，而现在，基于LLM的能力，可以直接获得结果。目前来说，其实我们的LLM基础设施已经很强了，比较欠缺的是Agent，现在的Agent实在是太少了，想要构建AI系统，任何功能（Agent）都需要自己从0去造。当然，或许这也是机会。

2024-04-01 550