自主智能体访问数据
Source: Dev.to
这是一篇提交给 Google AI Agents Writing Challenge 的作品：学习反思
最初发布在 FAIRLYZ 知识库。
Google AI Agents Intensive Course
Google AI Agents Intensive Course（First 5DGAI）于 2025 年 3 月首次亮相，随后在 2025 年 11 月（second 5DGAI）再次举办，为开发者提供了近距离观察代理系统快速演进的机会。
- First 5DGAI 侧重于基础技能：编写提示、训练代理、使用检索增强生成（RAG）进行定制，以及通过 MLOps 部署。参与者学习了微调模型并整合外部知识源，以提升代理性能。
- Second 5DGAI（2025 年 11 月）则有了显著进阶。开发者被训练构建能够管理其他代理和工具的自主代理，并通过 Agent Ops（ADK、Vertex AI、Kubernetes）进行部署，体现了真实世界 AI 部署日益增长的复杂性。
2025 年 11 月的 Introduction to Agents 白皮书（link）提出了一个更为正式的框架来理解这些系统，尤其是标题为 Taxonomy of Agentic Systems 的章节（第 14–18 页）。
Taxonomy of Agentic Systems
2025 年 11 月白皮书中列出的分类法将代理系统划分为五个关键层级：
Level 0: Core Reasoning System
仅依赖预训练知识的独立语言模型。
(例如，ChatGPT‑3，2022–2023)
Level 1: Connected Problem‑Solver
获得工具访问权限，可获取实时数据并与外部系统交互（如 API、RAG）。
(例如，ChatGPT‑4，2023，带插件、浏览、代码解释器)
Level 2: Strategic Problem‑Solver
引入上下文工程——多步规划、精选信息、复杂任务。
(例如，Gemini 1.5 Pro、GPT‑4 Turbo，2024，具备记忆和工具链)
Level 3: Collaborative Multi‑Agent System
代理可以委派给专门的子代理；实现可扩展、并行的工作流。
(例如，Google DeepMind 多代理演示、OpenAI Dev Day 代理框架，2024–2025 末期)
Level 4: Self‑Evolving System
代理能够自主创建新代理/工具以填补能力空缺。
(截至 2025 年尚无经验证的实例)
Agents Use in Data Visitation and Security Concerns
随着代理获得对敏感数据和工具的访问权限，安全性成为核心议题。在 Day 2 直播中，Alex Wissner‑Gross 强调了风险并提出了愿景：
“我预见到一个代理互联网，每个公司都有一个单例代理，它与子代理共享机密，但不向外部暴露。”
白皮书警告称，工具访问和自主性在效用与风险之间形成微妙平衡，尤其是当代理跨组织边界运行时。
Recommended Mitigation Strategies
- 基于角色的访问控制（RBAC）用于代理
- 审计日志 用于记录工具调用和数据访问
- 记忆分区 防止任务之间的信息泄漏
- 提示注入防御 通过对抗训练和专门的安全分析代理实现
Final Thoughts
Google AI Agents Intensive Course 体现了技术进步，同时也暴露了在部署自主系统时的伦理和运营挑战。随着我们迈向代理互联网，像 Taxonomy of Agentic Systems 这样的框架以及专家提出的安全模型将变得至关重要。
标签: Autonomous Agents, Internet‑of‑agents (IoA), Multi‑Agent System, Secrets, Self‑Evolving System