目前最好的AI Agent是哪一款

顺着推理引擎的思路，我们可以让LLM自己做自动化的多步骤推理，其间能自己使用搜索引擎，调用工具以及与其它LLM协作，Andrej的LLM OS中就包含了这些模块。最早实现这个想法原型的是AutoGPT还有BabyAGI两个开源的智能代理（AI Agent），就在去年GPT-4刚发布的时候，一时风靡全球科技圈，虽然产品非常原型和早期，但是它们给出了很好的解题思路。人类给出目标，LLM自己分解子目标，就像编程函数的递归调用那样，调用外部工具，自我评估任务是否完成，一步步实现整体目标。现在，随着LLM的推理能力和速度的提高，Agent的思路已经被很多创业公司还有科技巨头用到了自己的产品之中。例如，前段时间最受关注并且饱受非议的Devin，来自纽约的华人创业团队Cognition AI，可以像人类程序员一样自动写代码的Agent，你只需要告诉它你的需求就行，由于演示视频过于科幻，导致被人揭露造假。。行业的另一端，Google在今年的Next与I/O大会上，连续地发布了自己的Agent战略，并且把这个概念放在公司的AI Stack之上，Agent就是接下来Google App的衍生。配图2.05：Google Gemini Agent战略从客服Agent到员工Agent再到代码Agent，以及最新的Google Plan Search，可以自动化多步骤执行搜索任务的Agent。例如，你要找一下附近有折扣的理发店并帮你完成预约，那么新的Plan Search能理解你的需求，自动分解任务，然后调用Google Map还有其它工具，自动的完成你的请求。当然Google现在有底气这样做，还得仰仗Gemini 1.5 Pro的推理能力已经达到GPT-4的水平了。

Agentic Workflows是强大的工具，能够帮助自动化完成需要决策和推理的复杂任务。在本文中，我们回顾了AI Agents的核心组成部分，包括记忆、工具和推理能力，以及它们如何为Agentic Workflows做出贡献。我们还讨论了常见的工作流模式，如规划、工具使用和反思，这些模式可以单独或组合使用，以创建动态的工作流。此外，我们概述了两个特别有效的用例，Agentic RAG和Agentic Research Agents，并描述了市场上已有的两个AI Agents——Clay的Claygent和ServiceNow的AI Agents的工作流。最后，我们探讨了Agentic Workflows的优势，以及它们的局限性和挑战。AI Agents背后的技术以及我们对它们的理解都在不断发展。

虽然现在已经有全系大模型之力了，但免费版的Cursor只有chat功能，相当于你在侧边栏加了个大模型对话界面，生成出来的代码还要自己复制黏贴，相当不智能。要说Cursor有啥核心功能，我相信Yolo模式、Agent、Tab代码自动补全绝对能排上号。Agent和提示词的差别在于你只要给Agent一个模糊的指令，不需要把上下文交代清楚，它会自动帮你去规划、去解决问题。再聊聊Yolo模式和Agent，它们的共同点是允许用户通过自动化的方式一次性完成一系列操作，而它们之间核心区别是Agent的执行过程中需要用户确认，Yolo是一路绿灯，直接告诉你执行结果。上一步安装的cline可不只是为了给openrouter腾位置，Cline的定位是一个AI助手，而且Cline的能力是有保障的。从它长期霸榜OpenRouter token消耗榜就能看出大家对它的喜爱了。新版本的Cline还推出了检查点功能，将Agent执行前后的状态保存起来。也就是说你还可以收获一个平替的Yolo模式，让模型大胆去做，我随时可以恢复上一步。从官方教程上看，它的效果一定程度依赖于Claude Sonnet 3.5的能力。但实际体验下来DeepSeek-V3和Gemini 2.0 Flash Thinking能够作为相当不错的候选。这时候支持全系模型的优点也来了，根本不愁缺模型用。