2025年作為Agent發(fā)展元年，Manus敲響了AI 應(yīng)用大發(fā)展的號角，各種Agent應(yīng)用層出不窮。這些智能體基本框架是怎樣的，哪些更有前景？

最近在海外看到一張「2025 年 AI Agent 技術(shù)趨勢全景圖」，覺得非常精彩，分享出來和大家交流。

這張圖是 《Agentic AI：利用 AI 代理重塑商業(yè)與工作》作者拉凱什·戈赫爾所做，看趨勢圖之前，可以先看這張涵蓋LLM Workflow、RAG、AI Agent、Agentic AI等常見概念名詞的解讀。

再來重點看這張趨勢圖，把未來一年最有可能落地的 Agent 形態(tài)、核心協(xié)議棧、工程框架與典型場景全部壓縮在一張圖里，非常清晰明了幫助大家完整理解Agent。

1

中心主題

中間的圓環(huán)標明了 2025 AI Agent Trends 的六大類趨勢：

• Agentic RAG（推理型檢索增強生成）

• Voice Agents（語音智能體）

• CUA（Computer Using Agents，能像人類一樣操作電腦的智能體）

• Coding Agents（代碼智能體）

• Deep Research Agents（深度研究型智能體）

• Agent Protocols（智能體協(xié)議）

六大Agent趨勢的外圈是代表產(chǎn)品，圓圈四周是每個Agent的流程圖。我們來具體解讀下，這里在每個Agent領(lǐng)域，鯨哥增加了國內(nèi)這個類型的代表產(chǎn)品。

6大 Agent 模式

1

Agentic RAG

定義：一種結(jié)合檢索與推理的 AI 智能體工作流，用于實時數(shù)據(jù)檢索和生成。

流程：

• Memory（記憶）：保存上下文信息

• Planning（規(guī)劃）：確定任務(wù)步驟

• System Prompt（系統(tǒng)提示）：定義任務(wù)邏輯

• Agent（智能體）：執(zhí)行任務(wù)

• Tools（工具） + Vector Search（向量搜索） + Knowledge DB（知識庫）：從外部數(shù)據(jù)庫檢索信息

• Generate（生成）：輸出結(jié)果

國外代表：

• PerplexityAI：主打即時信息檢索+引用來源，類似搜索引擎+AI顧問

• Harvey：面向法律行業(yè)的專業(yè)推理與檢索

• Glean：企業(yè)內(nèi)部知識檢索與智能問答

國內(nèi)代表：

• 秘塔AI搜索：聚焦本地化搜索+實時問答

• 百度文心一言 + 搜索增強：結(jié)合百度搜索做事實檢索

• 360納米搜索：整合360搜索的即時信息流

2

Voice Agents

定義：通過自然語言與用戶交互的智能體，支持語音輸入與輸出。

• STT（Speech-to-Text） 將語音轉(zhuǎn)文字

• Embedding Model + Retrieval API + Vector DB 處理信息

• Agent 進行任務(wù)執(zhí)行

• TTS（Text-to-Speech） 將結(jié)果轉(zhuǎn)為語音

• 可接入 Gmail、Telephony 等渠道

場景：智能客服、語音助理、電話機器人

國外代表：

• OpenAI GPT-4o Voice：多模態(tài)對話，低延遲語音交互

• Alexa LLM（亞馬遜）：智能家居+語音助手

• Apple Siri（升級版）：與Apple Intelligence結(jié)合的智能助手

• Meta’s Voicebox（研發(fā)中）：多語言語音生成

國內(nèi)代表：

• 豆包：強實時語音識別與合成

• 小愛同學（小米）：深度嵌入IoT生態(tài)

• 天貓精靈（阿里）：智能家居+購物語音控制

• 華為小藝：跨設(shè)備語音助手

3

CUA（Computer Using Agents）

定義：能夠像人類一樣操作電腦的軟件和界面。

• 使用 語言模型 解析用戶指令

• 獲取 桌面環(huán)境數(shù)據(jù)（Desktop Sandbox）

• 結(jié)合 Vector DB、Memory、第三方工具（如 Stripe、DoorDash） 執(zhí)行任務(wù)

場景：自動化辦公、桌面軟件操作、RPA（機器人流程自動化）

國外代表：

• Devin（Cognition AI）：能直接在電腦環(huán)境中開發(fā)、調(diào)試、部署代碼

• MultiOn：能代替用戶操作網(wǎng)頁、表格、日歷等

• Adept ACT-1（研發(fā)暫停）：早期探索自動化辦公

國內(nèi)代表：

• 扣子空間（字節(jié)跳動）：低代碼構(gòu)建多場景桌面操作

• MuleRUN：具備系統(tǒng)級操作的能力

• Fellou：網(wǎng)頁與桌面操作的自動化執(zhí)行

4

Coding Agents

定義：能 10 倍速構(gòu)建和調(diào)試應(yīng)用的 AI 智能體。

• 用戶提出 Query

• Agent 選擇合適工具執(zhí)行（代碼生成、調(diào)試、測試）

• 輸出成品代碼或測試結(jié)果

工具鏈：

• Code Generator：生成代碼

• Code Debugger：調(diào)試代碼

• Test Runner：自動化測試

場景：軟件開發(fā)、自動化調(diào)試、代碼審查

國外代表：

• GitHub Copilot Workspace：支持從需求到部署的全鏈路編碼

• Cursor：IDE級AI編程助手

• Replit Agents：可多步生成、運行、調(diào)試代碼

國內(nèi)代表：

• 通義靈碼（阿里）：嵌入IDE的代碼生成與調(diào)試

• 百度Comate：結(jié)合文心大模型的智能編程工具

• 字節(jié)Trae：全流程的AI IDE產(chǎn)品

5

Deep Research Agents

定義：多智能體協(xié)作，構(gòu)建深度研究型報告。

• 用戶需求 → Aggregator（聚合器）

• 分發(fā)給多個 Sub-Agent（子智能體）

• 各自檢索、引用（Citation Agent）、分析

• 聚合輸出報告

場景：市場調(diào)研、學術(shù)研究、情報分析

國外代表：

• OpenAI Deep Research（2025新功能）：多Agent長期調(diào)研

• Perplexity Pro Search：支持多步調(diào)研與引用

• LangChain + Agents：自定義研究工作流

• Vulcan Research AI：行業(yè)情報自動生成

國內(nèi)代表：

• 夸克深度搜索：支持多輪長程研究

• 阿里通義助理 Deep Search：針對行業(yè)報告和市場分析

• 百度文心智研：自動生成調(diào)研大綱與全文

6

AI Agent Protocols

定義：統(tǒng)一的多智能體通信協(xié)議，簡化跨平臺協(xié)作。

關(guān)鍵技術(shù)：

• MCP、ACP、A2A（Agent-to-Agent） 協(xié)議

• Google ADK、LangGraph、Cisco SLIM

• Agent 發(fā)現(xiàn)與連接

• 任務(wù)流轉(zhuǎn)與結(jié)果回傳

• 支持流式與非流式數(shù)據(jù)處理

意義：打通不同智能體和工具間的交互，形成互通生態(tài)

國外代表：

• Google AI Device Kit（ADK）：多Agent跨設(shè)備調(diào)用

• LangGraph：可視化多智能體協(xié)作編排

• Cisco SLIM：企業(yè)級Agent通信標準

• OpenAI MCP（Model Context Protocol）：跨模型的上下文共享

國內(nèi)代表：

• 字節(jié)跳動Coze協(xié)議層：支持不同Bot的消息與任務(wù)協(xié)作

• 阿里云AgentFlow：跨Agent編排與協(xié)議轉(zhuǎn)換

• 騰訊云智鏈協(xié)議：支持企業(yè)多Agent互通

• 華為MetaAgent標準：IoT與大模型互通協(xié)議

戈赫爾還制作了Agent L1-L5的發(fā)展標準：

Level 5 – 完全自治智能體

• 具備自我改進能力，完全自主

• 持續(xù)學習與推理

• 無需人工干預(yù)

• 以目標為驅(qū)動，具備多模態(tài)感知

• 能感知復雜環(huán)境

• 能基于過往經(jīng)驗進行規(guī)劃

• 能基于反饋進行推理和學習

• 具備自然語言理解

• 工具編排

• 基礎(chǔ)AI系統(tǒng)，自治性有限

• 簡單機器學習用于模式識別

• 提供部分決策支持

• 剛性、基于規(guī)則的系統(tǒng)，無學習能力

• 簡單的 if-then 邏輯

• 手動使用工具完成操作

• 無適應(yīng)性和智能

并認為得益于 GPT-5、Claude 4.1、Grok 4 和其他內(nèi)置Agent的基礎(chǔ)模型突破，當下Agent正朝著以下模式發(fā)展：

• 多智能體協(xié)作化：從單一 AI 升級到多智能體分工協(xié)作。

• 多模態(tài)輸入輸出：語音、文本、代碼、桌面操作都可以接入。

• 工具鏈深度集成：每類智能體都配合檢索、數(shù)據(jù)庫、測試和第三方 API。

• 跨協(xié)議互通：通過標準化協(xié)議讓不同廠商、不同類型智能體無縫交流。

• 高自動化程度：很多智能體可直接替代人工執(zhí)行復雜任務(wù)。