为什么大多数 AI agents 仍然是被美化的 Chatbots（以及真正有效的做法）

Source: Dev.to

AI 代理的热潮是真的。大家都在构建它们，大家都在讨论它们，但大多数都是垃圾。

我一直在密切关注这个领域，下面是令人不舒服的真相：90 % 的 “AI 代理” 只是带有花哨营销的聊天机器人。它们实际上除了生成文本，甚至只能调用一两个 API，几乎什么也做不了。

大多数 AI 代理的问题

典型的 “AI 代理” 工作流是这样的：

1. 用户提出需求
2. 代理进行思考（思考得很差）
3. 代理调用单个 API
4. 代理带着不必要的热情展示结果

这不是代理能力，而是带有函数调用的聊天机器人。

真正的代理能力意味着能够：

• 规划多步骤工作流
• 从失败中恢复
• 随时间从上下文中学习
• 真正操作系统，而不仅仅是查询它们

真正有效的做法

文件系统掌控

最好的代理能够在复杂的目录结构中导航，精准编辑文件，并在会话之间保持状态。虽然不够炫酷，却极其有用。

API 编排

将多个 API 串联起来，并配合完善的错误处理和重试逻辑。大多数 “代理” 在第一次失败后就放弃；优秀的代理会使用不同的方法继续尝试。

上下文持久化

真正可用的记忆。不是把所有东西都存进向量数据库寄希望于它能工作，而是主动管理哪些需要记住、哪些需要忘记。

工具可靠性

拥有一小套 100 % 可用的工具，胜过拥有 50 套 60 % 可用的工具。

集成问题

这里是没人提到的：最难的部分不是 AI，而是管道。

让代理读取你的邮件？很容易。让它在不破坏你的 2FA 设置、遵守隐私设置并处理各种边缘情况的前提下读取邮件？这才是真正的工作。

在这个领域取胜的公司并不是拥有最聪明模型的公司，而是解决了那些不好玩却必须解决的集成问题的公司。

接下来会发生什么

下一波浪潮不会是 “更聪明” 的代理，而是 更可靠 的代理。

• 确定性工作流 – 少一些 “让 AI 自己想办法”，多一些 “当 X 发生时该怎么做”。
• 更好的失败模式 – 代理能够优雅降级，而不是产生幻觉式的解决方案。
• 专用模型 – 为特定任务量身打造，而不是通用的万用模型。

真正的考验

想知道一个 AI 代理是否真的有用吗？给它一个需要 5 步以上，且第 3 步 可能有 30 % 失败概率的任务。

大多数代理会惨败。好的代理会适应、重试并完成任务。

未来不是对话式 AI，而是 有能力的 AI。差距很大。