这些模式根据 AI 在任务中的不同参与程度和角色进行区分，从而实现更加高效的合作方式。
下面把上述模式代入到 ToB 产品的设计中，这里拿之前老王实现的公众号「AI 客服」需求举例。2. 客服人员根据经验或者查询相关手册，获取答案；
3. 结合相关礼貌用语，和用户沟通并解答。
通过将 AI 工具嵌入到现有软件界面中，客服人员就可以在日常流程中调用这些 AI 功能，无需额外学习新的工具，轻松获得支持。
这种内嵌策略应该是让 AI 最快落地应用的方式之一，比如钉钉对接了通义千问。
但 Embedding 模式的局限性也是显而易见的，受限于工具现有架构，强大的 AI 功能多为散点式存在，无法形成协同效应。
这意味着人仍然处于绝对主导的位置，只能在特定任务或局部利用AI进行增强和提效，无法享受全面的智能化服务。
因此，Embedding模式更像是现阶段应对生成式AI大潮的过渡方案。
与上一模式不同，Copilot 模式下的 AI 不再局限于单个问题的解答，借助多方面实力，延伸至客户整个服务周期，综合各个阶段情况提供辅助支持。
也就是说，当接收到客户信息那一刻起，Copilot 便能够基于强大的知识库和用户数据，对历史数据进行分析，并给出具体的沟通建议，还可以生成参考回答方案。
形态上可以参考目前较火的 Kimi 插件，Copilot 可能会以边栏或者悬浮窗口的方式存在。
Copilot 模式对于协同关系最大的改变是——AI 不再只是智能化增强的信息处理工具，而是助力全流程的提质提效。
2024年3月26日，吴恩达教授发表了一次主题为《Agentic Reasoning》的演讲。在这场时长仅有13分钟的演讲中，吴恩达教授分享了当下 AI Agent 主流的 4 种设计模式，包括分别是反馈（Reflection）、工具调用（Tool Use）、规划（Planning）和多智能体协作（Multi-agent Collaboration）。
这些模式在实战中非常实用。在客服领域，Agent 可以被培养为一个个擅长不同业务问题和拥有不同经验知识的解决问题高手，可以自由选择、组合或去除各种技能，这就是多智能体协作。
根据所需能力，可以为 Agent 配备联网工具，此即工具调用。并将业务知识和其他相关技能上传供其学习，并且一次学习可以多次使用，边际成本非常低。你能想象一个精通业务知识，还懂心理学的高质量客服吗？
客服的角色因此被彻底改变，更多时候只需要站在 Leader 的视角等待 AI 进行任务拆解和分配、信息收集、方案生成和检查均由 Agent 全权代理并自动完成，AI 成为真正意义上的解决问题的主体。这里就用到了反馈和规划。
对客服从业者而言，最重要的不再是背诵话术之类低门槛的技能，而是针对各自业务的场景，积累总结服务方法论，最终泛化为 AI Agents 的能力。
AI Agent 产品的应用场景
E2B出品的这份AI Agent行业全景图，所涉及的项目不算是最全的，却是比较完整的，目前所涉及的行业及领域都有相应的代表性产品。
从中可以看出，垂直领域类的 Agent 目前数量很少，也就意味着比较广阔的市场，非常值得大家去探索。
风险投资机构 Madrona 在 23 年 6 月份发布的一篇关于AI Agents 的博文中有下图?。
图中罗列了当时比较具有代表性的生成式 AI 应用，可以看到很多老熟人，比如 runway、Midjourney 等等。其实结合本文内容来看，其实这些应用当时就在走向 Agent 模式。
增强板块（ENHANCED）列举了当时非常接近于 Agent 的应用，原生板块（NATIVE）分为内容创作和个人智能体&聊天助手两部分。
内容创作部分分为视频/图片、市场营销图片、写作、幻灯片、额外内容创建及3D游戏开发几个子版块；个人智能体&聊天助手部分是按照行业应用划分的，分为购物、外卖/即时订餐、家居、房地产、餐厅订位、横向聊天助手、个人生产力、旅行、人工智能朋友/伙伴、健康和教练及教育等行业。
之前就分享过一篇 Coze 获奖作品的介绍，里面就涉及到了很多跟上面提到分类相关的产品。
本人自己也研究了很多比如一键文章仿写、信息搜集小助手等智能体，感兴趣的可以留言，关注较多的后续会逐一分享。
总结
Grand view research 的统计数据显示，2022 年全球自主人工智能和自主智能体市场规模为 39.3 亿美元，预计从 2023 年到 2030 年将以 42.8% 的复合年增长率增长，其中亚太地区的复合年增长率将高达 46.2% ！
所以未来 AI 智能体的表单必然会越来越长，而在此过程中，也一定有新的机会和机遇在等着有准备的大家！
共勉。
粤ICP备14082021号
免费POC，
零成本试错
