月圆人团圆，佳节正当时 2025年9月27日 北京南安企业商会2025年“月圆聚乡情 颂才子创辉”中秋博饼晚宴在北京西南华邑酒店盛大举办

麦肯锡调研发现，成功部署AI智能体需遵循六大经验：1. 关注整体流程而非智能体本身。2. 智能体并非万能，需选择适合的任务。3. 像培养员工一样对待智能体，注重评估和用户信任，避免“AI垃圾”。4. 监控和评估智能体工作流程的每个环节。5. 重复构建智能体功能，实现模块化复用。6. 明确人类与智能体的协作角色，而非对立。遵循这些原则能避免项目失败，并最大化AI智能体价值。

LLM的输入语言（如自然语言、代码）与工具的API规范协同工作，通过自然语言描述工具功能和参数，使LLM能关联目标与工具。智能体负责收集工具所需参数，并可将非结构化数据转化为结构化格式。关键在于提示工程、选择合适的编程语言实现引擎，以及确保智能体及其调用（LLM、工具）的持久性（durability），以应对潜在故障。

AI编程助手正从“拨号上网”般缓慢、不稳定的体验，向更快的速度发展。尽管目前模型输出速度（每秒30-60 token）仍显不足，常需反复重试，但新的模型（如Cerebras Code）已展现出20-50倍的速度提升，预示着未来可能达到每秒2000 token。这种速度的提升将根本性地改变软件开发工作流程，从监督式命令行智能体转向更自动化的模式。然而，AI工具的快速迭代和需求的爆炸式增长给基础设施带来巨大压力，可能导致定价模式调整，例如出现“错峰”优惠。保持好奇心并紧跟技术进展对于适应这一巨变至关重要，尤其对有经验但可能对新技术持保守态度的开发者而言。

Simon Willison认为，AI“智能体”（Agent）现在终于有了普遍接受的定义：一个为实现目标而循环调用工具的大语言模型（LLM）。他曾因定义模糊而抗拒使用此词。新的定义强调“工具循环”和“特定目标”，与Anthropic公司的理念一致，并已集成到LLM API中。Simon Willison指出，与非技术人员或企业高管谈论“Agent”时需谨慎，因其理解可能不同，且AI智能体缺乏人类的责任承担能力和自主能动性。他认为OpenAI对“Agent”的定义尤为混乱，并决定坚持使用“工具循环”的定义。