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

黃佳在新加坡科技研究局（Agency for Science, Technology and Reseach，下稱(chēng)“新加坡科研局”）擔任主任科研工程師，這是新加坡最大的科研機構。黃佳的主攻方向為自然語(yǔ)言處理（NLP）預訓練大模型應用、機器持續學(xué)習技術(shù)等。

在《動(dòng)手做AI Agent》之前，黃佳已經(jīng)寫(xiě)過(guò)多本技術(shù)圖書(shū)，其中，《零基礎學(xué)機器學(xué)習》《GPT圖解 大模型是怎樣構建的》兩本AI領(lǐng)域的書(shū)籍發(fā)行量都超過(guò)13000冊。

黃佳這一次選擇AI Agent（人工智能智能體，下稱(chēng)“Agent”）作為寫(xiě)書(shū)題材。目前，Agent被視為大模型應用落地的重要途徑，OpenAI（美國人工智能研究公司）、微軟、字節跳動(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)工具和函數接口擁有執行能力。未來(lái)隨著(zhù)大語(yǔ)言模型、多模態(tài)學(xué)習等AI技術(shù)的進(jìn)一步突破，Agent的能力將大幅躍升。它有望勝任更加復雜的認知和交互任務(wù)，為用戶(hù)提供更加智能、個(gè)性化、沉浸式的服務(wù)。

但Agent的應用還處于起步階段，在通用性、準確性、交互體驗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(xiě)書(shū)也是學(xué)習

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(xún)公司埃森哲從事SAP（企業(yè)管理系列軟件）系統的設計、二次開(kāi)發(fā)和實(shí)施。

后來(lái)黃佳發(fā)現，很多企業(yè)客戶(hù)慢慢地不滿(mǎn)足于傳統的供銷(xiāo)存、財務(wù)、人力資源管理系統，而是希望在他們的系統中加入一些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向AI領(lǐng)域。

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

黃佳崇尚費曼學(xué)習法，在學(xué)習過(guò)程中，不僅想著(zhù)自己學(xué)，還想著(zhù)如何輸出，這對內化知識非常有好處。

黃佳會(huì )詳細記錄下學(xué)習過(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(xiě)作積累了素材。

除此之外，有讀者告訴黃佳，從他的書(shū)里學(xué)習到了更系統性的知識，可以說(shuō)是“既見(jiàn)樹(shù)木，也見(jiàn)森林”，這些反饋都給了黃佳寫(xiě)書(shū)的動(dòng)力。

從事SAP領(lǐng)域時(shí)，黃佳就有寫(xiě)書(shū)的愛(ài)好。投身AI行業(yè)后，這一堅持仍未改變。他的效率也不慢，雖然只在工作之余寫(xiě)作，但通常一本新書(shū)半年到一年就能夠寫(xiě)完。大模型時(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(shū)中表現優(yōu)秀，目前市面上還沒(méi)有同類(lèi)型書(shū)籍。負責出版這本書(shū)的人民郵電出版社編輯秦健說(shuō)，從實(shí)際銷(xiāo)量、技術(shù)的先進(jìn)性、渠道流量和作者知名度等多個(gè)方面評判，這本書(shū)已經(jīng)達到暢銷(xiāo)書(shū)標準。

從結構看，《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設計的框架、功能和方法；第二是通過(guò)自動(dòng)化辦公的實(shí)現、推理與行動(dòng)的協(xié)同、知識的提取與整合等7個(gè)實(shí)操項目，帶領(lǐng)讀者學(xué)習前沿的Agent實(shí)現技術(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(xún)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的抽屜等不同區域，許多企業(yè)都需要文件檢索系統。對此，黃佳在《動(dòng)手做AI Agent》中加入了使用Llama Index數據框架，實(shí)現檢索增強生成Agent的實(shí)操案例。

過(guò)去，黃佳寫(xiě)的一系列SAP技術(shù)著(zhù)作只是講解技術(shù)，顯得很干癟。2020年，在寫(xiě)《零基礎學(xué)機器學(xué)習》時(shí)，黃佳受到了一本以漫畫(huà)風(fēng)形式呈現的技術(shù)圖書(shū)的啟發(fā)，開(kāi)始在創(chuàng )作中引入采用圖畫(huà)和對話(huà)等形式，以求兼顧技術(shù)性和可讀性。

具體而言，黃佳在書(shū)里會(huì )添加一位老師咖哥和兩位學(xué)生小冰、小雪。通過(guò)對話(huà)和答疑解惑的方式，咖哥會(huì )講解機器學(xué)習、GPT（生成式預訓練模型）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(shū)中的知識。

本碩畢業(yè)于北京大學(xué)的汪楊，正在籌備設立一家智能體產(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(jué)得這本書(shū)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(shū)。不過(guò)，由于篇幅所限，有的地方還不夠豐富，例如書(shū)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(kāi)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，調用OpenAI的API（應用程序編程接口）有難度，《動(dòng)手做AI Agent》作為面向國內的書(shū)籍，應該以國內大模型來(lái)完善一些示例。黃佳說(shuō)，這是很好的建議，目前國內大模型行業(yè)風(fēng)起云涌，廠(chǎng)商的大模型能力也越來(lái)越強，未來(lái)會(huì )補充加入這部分內容。

Agent還在起步階段

新加坡科研局一直倡導在純科研項目的同時(shí)，加強與企業(yè)的合作項目。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應用落地項目比重增加了不少。

在受邀回中國參加一些論壇和會(huì )議的過(guò)程中，黃佳也觀(guān)察到，因為有足夠的人才、市場(chǎng)和體量去進(jìn)行各種探索，國內AI應用落地的進(jìn)展較快。

Agent被中金研究認為是連接大模型和現實(shí)世界的“最后一公里”。根據黃佳講解的Agent構建流程，開(kāi)發(fā)者需要先為Agent設計提示詞，使Agent能夠擁有這樣一種“思維方式”：在執行任務(wù)時(shí)，先分成幾個(gè)子任務(wù)，然后按部就班地執行每個(gè)子任務(wù)。這種系統化的提示詞配置，使得用戶(hù)可以通過(guò)Agent更清晰明確地調用大模型能力。接著(zhù)開(kāi)發(fā)者需要為Agent配備一系列的工具和函數，這將使Agent不僅能說(shuō)話(huà)、輸出文字，也能幫助用戶(hù)執行具體操作。

目前，Agent已經(jīng)開(kāi)始在客服、助手、問(wèn)答、任務(wù)引導等領(lǐng)域得到應用，例如OpenAI的Assistants（助手）、微軟的AI助手MicroSoft Copliot和字節的Coze助手等。一些企業(yè)也開(kāi)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)，基于強大的基礎模型，智能體可以批量生成，應用在各種各樣的場(chǎng)景。文心智能體平臺已有超16萬(wàn)名開(kāi)發(fā)者和超5萬(wàn)家企業(yè)入駐，上面既有文案專(zhuān)家、讀書(shū)專(zhuān)家、企業(yè)培訓執行專(zhuān)員這樣由個(gè)人開(kāi)發(fā)的小而美的智能體，也有OPPO公司、新加坡旅游局這類(lèi)企業(yè)、機構開(kāi)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(chēng)，Agent開(kāi)發(fā)目前還沒(méi)有統一的規范和開(kāi)發(fā)生態(tài)，不像開(kāi)發(fā)APP（應用程序）那樣簡(jiǎn)單，APP開(kāi)發(fā)有統一的平臺，比如蘋(píng)果操作系統iOS和安卓操作系統Android，開(kāi)發(fā)者可以在這些平臺上構建和發(fā)布應用。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)題通常具有獨特的上下文和需求。不同的應用場(chǎng)景下，用戶(hù)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)公認已經(jīng)落地的、顛覆性的商業(yè)應用模式。國家也還需要發(fā)布一系列規范，不能讓Agent可以隨便做任何事。這種結構性的變化會(huì )更進(jìn)一步方便我們的生活，但需要漫長(cháng)的過(guò)程。

在技術(shù)上，大模型仍存在準確性的問(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算。因此，我們只能參考它返回的結果，而不能將其作為最終決策的依據。他舉例，銀行、醫療等領(lǐng)域都需要零出錯，即使準確率高達99.9%也不行，這是目前大模型落地應用的一個(gè)致命問(wèn)題。