LangChain 作者谈 Agent 智能体未来

在刚刚结束的红杉资本AI峰会上，LangChain的作者Harrison Chase用短短六分钟，抛出了他对Agent智能体未来走向的核心判断。这个判断可以归结为三个关键词：

。

—1—

规划（Planning）

所谓“规划”，指的是Agent智能体在动手执行前，能预先拆解多步任务，并从中选出最优路径的能力。这在处理预订旅行、撰写报告、安排行程这类复杂任务时，几乎是个刚需。

但不得不承认，大语言模型目前的规划能力还相当有限，幻觉问题也尚未解决。眼下主要有两条路来给它“导航”：

开发者通过精心设计提示词，引导模型在每一步执行前，先列出所有可能的步骤并做出评估。

也就是预先画好流程图或状态机，把任务切成明确的执行步骤，每个步骤的执行条件和顺序都规定清楚。这能让模型更准确地理解任务逻辑，规划自然也更靠谱。

当然，这些都是现阶段的权宜之计。未来随着模型底层能力的进化，自主规划或许不再需要外部提示词或流程的辅助——直接靠模型自身就能高效推进。

—2—

用户体验（UX）

接下来要聊的是Agent智能体的用户体验。所谓用户体验，就是用户在使用过程中感受到的舒适度、便捷性和效率。以Da vin（那位爆火的AI程序员）为例，它的Rewind功能——也就是能随时回到之前的任意时刻，编辑代码或调整状态——这点做得非常出色，让Agent在做决策时有了更明智的“回看机制”。

这样的用户体验设计确实强大，LangChain也在朝这个方向努力。不过，目前Agent智能体的体验还有不少“坑”要填，主要体现在三个问题：其一，受大语言模型自身局限，存在误判和理解偏差，容易让用户感到困惑；其二，可控性不足，用户很难精细地约束Agent的行为，有时会出现意料之外的“动作”；其三，个性化缺失，很难贴合不同用户的差异化需求。

要解决这些问题，未来的优化方向也得对准三点：第一，升级底层模型和数据，提升准确理解和执行能力，降低出错概率；第二，增加用户控制选项，比如回溯编辑、设定安全边界，让可控性更强；第三，利用用户数据实现深度个性化，比如根据偏好推荐内容或动态调整行为模式。

—3—

记忆（Memory）

记忆是Agent智能体存储和运用信息的关键能力，几乎决定了它能否完成持续性任务。目前主要有两种记忆形式：

记忆的是“如何正确执行任务”，比如预订机票的操作流程、撰写邮件的规范步骤。

记住的是用户相关的一切——偏好、历史行为等。这部分不一定总能带来更正确的结果，但其真正的价值在于让整体体验更贴切、更自然。

现阶段Agent的记忆功能还比较初级，主要通过两种方式实现：一是存储在外部数据库（如Milvus向量数据库）中，需要时再检索；二是嵌入到大语言模型的参数里，在生成文本时直接调用这些信息。

长远来看，开发者需要研发更强悍的记忆系统，让Agent像人类一样灵活运用记忆——比如根据情境任务选择性地提取信息，甚至把新旧记忆融合成新的知识与理解。这才是Agent从“工具”迈向“伙伴”的关键一步。