Coze背后的人，你什么时候顿悟的Agent？

# Coze背后的产品团队，你什么时候顿悟的Agent？ 从ChatGPT引领大模型AI时代的那一天起，编程这件事就在不断被碘伏。最早震惊所有人的是AutoGPT，它可以根据自然语言自动编写出符合条件的软件代码。随后，越来越多的AI程序员涌现——全球第一个AI程序员Devin上了热搜，入职阿里的AI程序员工号AI001也引发热议。还有OpenUI项目，只要你描述需求，它就能生成对应的网页，可以说，前端工程师的饭碗已经被端走了大半。 那么问题来了：作为一个想要开发网页的人，我们该怎么构建自己的AI编程助手？ ## 从开发网站的Agent说起 如果你已经有了一些Agent基础，完全可以基于LangChain来搭建一个。但这里有个关键点——在加载各种编程工具后，你必须对Agent做相当复杂的设定，让它理解你创造它的意图，并按你的指令调度工具。当然，这一切底层依赖LLM来完成理解。 在Coze平台上，这个过程对应的是单Agent模式开发Bot。你需要对Agent层面做设定，同时载入各种工具。但说实话，这个Character设定对人和AI来说都是不小的考验。单Agent模式下，你得写大量文案，而人类的语言表达很难被LLM完全准确地理解——稍微改动一点，可能就会带来巨大变化。 于是，多Agent模式应运而生。在这种模式下，我们把长长的设定拆分开来——相当于把一个多面手解雇，让一批单面手上岗，这倒颇有现代企业管理的风格。每个Agent的设定范围变小了，语言描述就能更精准，工作过程也更符合预期。同时，我们可以把关联性强的技能分配到一个“办公室”里。 对应到Coze平台，当以多Agent模式开发Bot时，需要添加多个Agent节点，每个节点都有自己的工具（插件、工作流、知识库等）。从效果上看，这些节点Agent和单Agent Bot中的Agent本质相同，只是任务更聚焦、注意力更集中。再由一个起始Agent分配初始任务，这样多Agent Bot就能更准确、更高效地完成目标。有了这种模式，开发出类似Devin那样庞大复杂的AI程序员，也就不是天方夜谭了。 ## 那些容易踩的坑 必须再三追问自己：真的理解什么是Agent吗？ 过去对Agent的理解，现在回头看，确实有细节上的偏差。之前在文章里说过“Agent即应用”，这个说法需要重新斟酌。在Coze中，Agent是经骨，应用（Bot）才是肉身。对终端用户来说，他们使用的是应用（包括API），而不是直接操作Agent。应用的形态可以变化，但不同形态的背后，可能是同一个Agent。 从技术角度来说，Agent = LLM + Tools。这里的“+”可以是LangChain，也可以是AutoGen这样的框架。但本质在于：让LLM理解文本语言的设定（自己要干什么）、上文输入（什么时候干）、下文输出（接下来找谁干）、调用什么工具（怎么干）。Agent运行时，不需要人工干预，甚至不需要关心它运行得对不对——自主决策，才是Agent作为AI能力的本色。 在Coze上，一个Agent设定主要包含三个部分：适用场景、Agent提示词、技能。适用场景让上一个节点知道什么时候调用自己；Agent提示词让内部LLM理解应该在什么情况下调用什么工具；技能则是加载的工具所决定的最终能力。当然，作为Agent大脑的LLM也可以切换和调整参数。最近Coze疯狂接入大模型，已经加入了千问、MiniMax、Moonshot（Kimi）这三个第三方大模型，海外版则在GPT-3.5、GPT-4基础上增加了GPT-4o。 说到这里，或许你已经感受到了——构建一个Agent的核心，不是怎么运行LLM，也不是怎么开发一个Tool，而是如何利用LLM调度Tools。抛开LLM和Tools（两者都可以用第三方），Agent本质上就是一个调度工具。只不过和传统调度工具不同，Agent不基于固定配置和代码实现，而是基于某种特定组织方式，比如LangChain、AutoGen。这种调度在Coze平台背后被“藏”了起来，也正是它和其他Agent平台最大的区别，决定了Coze产品中那些配置、引用、编排的设计逻辑。 用过类似Dify这样的优秀平台，但仍然觉得Coze是目前最能揭示Agent应用真相的平台。很多模仿Coze的平台，开发团队可能根本没搞明白底层概念逻辑，所以做出来的东西只能抄到表面，总觉得差了点意思。 当然，作为一款平台产品，Coze有些超前。调度被隐藏在后台之后，开发者确实会困惑：Bot到底是怎么工作的？它为什么调用某个工作流？以及怎么调优自己的配置？ ## 要不要开发自己的独立Agent？ 当Coze这样的平台已经做得非常超前，还有必要自己做Agent吗？答案是肯定的。 首先，Coze无法满足所有需求和审美。虽然平台上积累了不少插件，但质量参差不齐，Bot商店里很多都是标题党，根本完不成真正想要的目标。像声音克隆加文生图实现口播效果这类能力，根本做不出来。Coze的生态还比较薄弱——和GPTs类似，看着数量多，但大多是能力平平、没什么惊艳之处的作品。另外，Coze的操作界面在审美上也不尽如人意，当然这一点见仁见智。 其次，利用Agent开发框架，基于代码实现，可以让自己的Agent具备更强大的能力。Devin当初之所以惊艳全场，正是因为它的开发团队在LLM和代码层面做到了极致优化。如果只是照搬框架，不可能达到那样的效果。 再者，独立Agent可以作为服务，为B端或C端提供API或应用，实现盈利。可以根据自己的情况，挑选价格合适的LLM，开发自己的闭源工具，提升竞争力。在应用表现层面，可以实现人机交互体验的变革式创新，把碘伏传统工具作为目标，甚至挑战类似Adobe这样的巨头。 ## 结语 这篇文章虽然围绕Coze平台的Agent使用展开，但本质上和Coze本身无关，而是想阐明一个核心观点：Agent的本质，是基于LLM调度Tools。这听起来没什么大不了，但对开发者而言，这恰恰是碘伏行业、造成原地失业的根源。基于LLM理解意图是什么、要做什么、怎么做，再根据理解的结果调用Tools完成目标——和我们以前写命令式代码实现的方式对比一下，效率上的差距，可能真的是10分钟对比30天。 庆幸的是，真正的AGI还未到来，LLM还不够智能，Agent的框架还有待改进，Tools生态还比较薄弱，AI对现实世界的影响还不至于让人恐慌。我们还有时间。