商界评论

我们致力于构建开发者工具，旨在让构建智能体变得尽可能简单。迄今为止，我们看到构建的大多数智能体，我称之为“聊天智能体”—你通过聊天界面与它们互动，发送消息，它们执行任务并作出回应。它们在很多方面都表现出色，但令我个人非常兴奋的一个概念是“环境智能体”。

什么是环境智能体？我倾向于这样定义：环境智能体能够监听一个事件流，并据此采取相应行动，甚至可能同时处理多个事件。

这与普通的智能体有何不同？

首先，触发机制的差异。环境智能体的启动不再依赖于人类用户输入消息，而是由后台发生的某个事件触发。

其次，并行处理能力，即可同时运行的数量。对于聊天智能体，通常一次只能与一个智能体互动，或许你可以打开几个窗口，同时运行几个，但基本是一对一的；而对于环境智能体，它们监听的是事件，因此其运行数量取决于后台发生的事件数量，这个数字可能会大得多。

然后，延迟要求的不同。使用聊天智能体时，你发送消息后期望能迅速得到回应，否则你可能会感到厌烦而去浏览其他网站；但环境智能体在后台运行，由事件触发，因此它们可以在需要任何形式的响应之前，运行更长的时间，它们通常对延迟的要求要宽松得多。

最后，用户体验的重塑。对于聊天智能体，我们现在已经非常熟悉聊天机器人界面；但对于在后台运行的智能体，我们如何与之互动这似乎还是一个有待探索的问题。因为它们在你不知情的情况下运行，你与它们进行某种形式的互动至关重要。

举个例子：一个电子邮件智能体就是一个环境智能体，它可以监听收到的邮件并据此采取行动，比如尝试回复邮件、安排会议，或提醒你和团队中的其他人。这可以算作一种环境智能体的具体实例。

我认为环境智能体引发关注的原因有几点：

1.规模化提升个人能力。当你与聊天智能体互动时，通常是一对一的，一次只做一件事。而拥有了环境智能体，成千上万个智能体可在后台同时运行，这将极大地扩展我们的影响力。

2.处理更复杂的操作。与聊天智能体互动时，由于延迟要求，它执行的通常是较为简单的操作。但环境智能体不存在如此严格的延迟限制，因此可以调用大量工具，执行越来越复杂的操作。你还可以加入其他步骤，比如明确的规划或反思环节，从而逐步提升所构建智能体的复杂性。

“环境”并不等同于“完全自主”，我仍然认为，我们能够与这些环境智能体进行互动至关重要。人们正在构建几种不同的人机交互模式：

1.审批与拒绝。即审批或拒绝这些智能体想要执行的某些操作，例如如果你想让一个环境智能体处理给投诉客户退款的邮件，那么在初期阶段，你肯定希望有人工介入来审批这些退款操作。

2.编辑与修正。即编辑智能体将要执行的操作，也许智能体提出了一个建议，你不想简单地批准或拒绝，而是希望明确地修改它，然后让它执行修改后的操作。

3.解疑与指导。这些智能体有时可能会在任务中途卡住，因此应该有一种机制，让你能够回答它们可能提出的问题，就像你会回答正在处理复杂问题的同事提出的问题一样。

4.时间旅行：回溯与干预。由于这些智能体需要执行许多步骤，你可能会发现回溯到比如总共100个步骤中的第10步，在那里进行互动，修改它的行为，给予一些反馈将非常有用。

我们称之为“时间旅行”，促进这种交互是我们看到的一种很酷的新模式。

让人类参与其中之所以重要，有以下几个原因：

首先，提升成果质量。以深度研究（Deep Research）为例，虽然它不完全是环境智能体，但它是一个长期运行的智能体。在初期阶段，它会问你一些澄清性问题，来回沟通，这通常比它仅根据你最初的问题或陈述就自行运作能产生更好的结果。因此，在深度研究中通过提问澄清问题，在环境智能体中通过不同类型的交互模式让人类参与进来，都能提升最终成果的质量。

其次，构建信任感。如果你要执行明确的行动，比如付款或批准某些事项，有人工参与会让人更加放心。

最后，优化智能体记忆与学习。这一点可能最为微妙，我认为它对智能体的“记忆”有很大帮助。我所说的记忆，是指从用户互动中学习。如果你不与智能体互动，那么它就没有用户互动可供学习。因此，让人类参与其中，有助于为你想植入智能体的许多记忆功能提供信息，使其将来能表现得更好。