Agent你好，我是你的follower

Agent产品案例拆解

以用户为中心做Agent产品

可以粗略用一个(四象限图)¹来拆解 ,其实还涵盖不全尤其是比较垂类的

产品生命周期实践

Agent产品其实主要经历的流程就是：

如何洞察呢？

拆解案例：

可以粗略用一个(四象限图)²

Agent洞察和趋势³

1. 大模型超强的能力，多强呢？（3点）

• ①世界知识，虽然不精，但是他面儿广，各行各业（横向）
• ②交互用的是语言，同时各国语言都会（纵向）
• ③多模态，语言不好描述的，多模态形式图表视频

但是大模型和人比有局限，他是给输入给输出，人是会学习、反思、记忆、用工具、协作。 因此，Agent像人，就要多上面这些东西，就能落地产生价值。

2. agent和人比的优劣？

• 劣：①人脑神奇，训推一体。agent还是一种计算。②人创新
• 优：①机器，不知疲倦。②可复制，批量优秀agent。

3. Agent的趋势（理想化，我要当一个Agent宝👼🏻）

• ① RL模型知识能力
• ② 使用工具的能力、工具本身
• ③ 单到多，协作模式
• ④ 泛化到各行业、个人使用，开发门槛降低
• ⑤ （算力算法数据）

⁴

Agent的编排框架

• 自主规划Agent
• 工作流Agent
  • 企业级，更稳定
• 多智能体
  • 子agent：
  • A2A协议

模型 工具调用 规划思考：query的思维链长短，性能成本 工具：

• 百度系列搜素、网盘、地图、能力mcp、第三方实用工具

百度AI搜素（人用 vs AI用） 内容优化

rag

开发的“坑”🕳与“解”🪢

选题 –> 选型 –>参考

选题🔙

贪、大，MVA 选题的时候需要确认以下方面是不是都ok：

选型&方法论🔙

可拓展性，以后迭代

开发中：选模型🔙

MCP开发

锦恢 需要做独立的环境用uv，代码写多行注释，因为大模型看得到 MCP开发——fastmcp MCP服务器调试——openMCP

jinja封装prompt，别人也知道你agent的能力边界 开发简单，但是验证比较难，不好落地 Claude收集的MCP

托管部署

• 国内：魔搭社区
• 国外：Smithery

大模型到Agent 2015-2021年 百度、微软、谷歌 积累

• NVIDIA CUDA生态 & NVLink技术（英伟达的护城河） – 硬件算力、（训练大模型要多张卡，link就是连接卡直接的
• Transformer架构演进 – 算法、（RNN是串行，层数和时间，变成并行
• DeepSpeed训练框架 – infra、（怎么切每张卡放多少，可以无限scale
• 大模型语料积累 – 数据

2020-2023年 大模型验证

• GPT-3：补全句子模型，参数规模和智能提升（BERT是完型填空
• InstructGPT：RLHF训练范式
• ChatGPT爆火
• 百模大战：2025年可以结束了，垂类开始多了

2024年-至今 迈向Agent 从文本回答-到-执行任务

内外循环 内prompt 外用户的

还有什么能做的？ 如何验证你agent真的有用？好用：真实业务场景下的结果，代码好说可跑、ugc不好 如何验证的反馈去迭代系统？回流系统和自我迭代机制 agent生命周期，系统化、科学化的验证，五个轮子马车。验证checklist，用llm打分 mcp zero

参考

返回目录