转发微博-20250530141231

正文

请到「今天看啥」查看全文

而对于Vibe Coding，他觉得是一个糟糕的概念。尽管如此，事情已经成定局。（吴恩达的学习平台也有Vibe Coding课程）

一、重新定义智能体：从二元判断到连续光谱

Harrison开场提到了吴恩达备受引用的观点——谈论应用的"智能化程度"而非判断"是否为智能体"。这个概念转变反映了AI智能体领域从理论探讨走向实践应用的重要转折。

吴恩达回忆起一年半前的情况：当时他和Harrison都在努力说服业界关注智能体技术，但到去年夏天，营销人员开始大量使用"agentic"词汇，导致概念逐渐失去精确含义。更严重的是，太多人在争论什么是真正的智能体，陷入"是否真正自主"的哲学讨论，而非专注于解决实际问题。

吴恩达提出了更实用的框架：将智能体视为连续光谱，不同系统具有不同程度的自主性。"如果你想构建一个具有一点自主性或很多自主性的智能化系统，这都很好，没必要花时间争论这是否是真正的智能体。让我们把所有这些都称为具有不同自主程度的智能化系统。"

这种思维转变的意义在于将焦点从概念争论转向实际构建。开发者不再需要纠结于系统是否配得上"智能体"称号，而是专注于提升系统的智能化水平和实用性。这种方法减少了社区内部的无意义争论，让大家专注于真正重要的事情——构建有用的智能化系统。

二、当前发展现状：线性工作流占据主导地位

吴恩达对当前智能体应用发展状况的观察令人意外：大多数成功的智能体应用都是相对简单的线性工作流，而非复杂的自主决策系统。

虽然吴恩达团队在处理最复杂问题时会使用LangGraph这样的复杂流程工具，但他发现更多商业机会实际上存在于相对简单的线性工作流中。他举例说明典型的商业流程：员工查看网站表单、进行网络搜索、检查数据库中的合规问题、复制粘贴信息、再次搜索、填入另一个表单。这些看似复杂的业务流程，实际上可以分解为一系列顺序执行的微任务。

"在商业流程中，实际上有很多相当线性的工作流，或者说是线性的但带有非常小的规则和偶尔的分支，"吴恩达解释道。这些分支通常表示工作流程的失败或需要人工干预的情况。

然而，吴恩达指出了关键挑战：企业很难将现有业务流程转化为智能化工作流。这包括几个层面的困难：粒度把握问题（如何合理分解复杂流程）、性能优化问题（如何识别和改进瓶颈步骤）、评估体系问题（如何建立有效的反馈机制）。

这整套将业务流程智能化的技能集合目前仍然过于稀缺。很多企业有智能化改造需求，但缺乏系统性的实施能力。从机会数量和潜在价值来看，简单工作流程仍有大量未被开发的空间。

请到「今天看啥」查看全文