AI Agent未来趋势解析：为何Coze的专家工作流模式不代表未来？

正文

请到「今天看啥」查看全文

gent 与上一代A gent 的最大区别。

例如同样是数 据分析任务，可能由不同A gent 分工完成：第一个A gent 负责理 解客户 需求并将其转化为语义层表述；第二个A gent 承担数据获取工作；第三个A gent 则针对回传数据进行分析 并生成分析报告 。最后一个可能是负责根因分析的A gent ，甚至可能存在用于任务检查的A gent 。每个A gent 都有其核心工作任务，这构成了任务拆解的基础。然而，这些A gent 的组合与调度编排由模型 自主控制，这与传统设定工作流的思路完全不同。

以上是Agent 发生变化之处，但 也存在不变之处：过去单一A g ent 运作遵循 PDCA 闭环，即使在多A gent 协同完成单一任务时，依然是基于 PDCA 大闭环进行拆解。其中，问题理 解与思维方式对应 “P （计划） ” 环节；具体工作执行包含 “D （执行） ” 和 “A （执行 ） ” 环节；最终仍存在 “C （检查） ” 环节，例如深度搜索中的验证数据、确认最终答案等均属于验证过程，并可能根据验证结果重新评估数据可靠性。由此可见，尽管A gent 工作流的具体内容及子任务流的工作方式有所改变，但其始终围 绕 PDCA 闭环执行任务，这便是A gent 变化与不变的两个关键要点。

02

单一Agent工作流的具体实现过程

首先流程中存在一个分类器，在多数情况下，该分类器由大语言模型构建，而非推理模型，这体现了大语言模型的优势。大语言模型能够在任务分解 后，高效匹配不同任务 与最适合执行任务的A gent 。新增的任务拆解过程则由推理模型完成。当选定某个A gent 执行任务后，便涉及A gent 间的协作，例如一个A gent 任务结束后将工作交接给另一个A gent 。在此过程中，保存所有对话记录及记忆至关重要 ，这些信息将被后续所有A gent 调用，这构成了多A gent

请到「今天看啥」查看全文