Models, Harnesses, and Multi-Agent Systems
三句話摘要
解釋AI模型、代理程式、多代理系統的基礎概念，以及企業建立數位工作隊伍時的技術選擇策略。 企業應小規模試驗代理系統，保持架構靈活，準備廠商備選方案，因為代理技術快速演進且業務需求不斷變化。 模型作為函數的本質：AI模型將輸入轉換為輸出，包括語言模型（文本→文本）、視覺語言模型（圖像+文本→文本）、圖像生成模型（文本→圖像）等。執行模型需要軟體與參數權重兩個組件，這兩種方案對應開源與閉源模型的差異。
重點整理
重點- 1
模型作為函數的本質：AI模型將輸入轉換為輸出，包括語言模型（文本→文本）、視覺語言模型（圖像+文本→文本）、圖像生成模型（文本→圖像）等。執行模型需要軟體與參數權重兩個組件，這兩種方案對應開源與閉源模型的差異。
- 2
開源vs閉源的經濟與技術權衡：開源模型（如Gemma）可本地運行，成本低但需自行維護基礎設施；閉源模型透過API訪問，成本高但性能強。企業根據實際需求與預算在兩者間選擇，中國模型已成開源領導者。
- 3
代理的自主性差異：代理不是簡單的聊天介面，而是可訪問郵件、行事曆、CRM、資料庫等企業系統的任務導向軟體，能夠自主執行目標而不需逐步人工干預，這是它與傳統AI應用的根本區別。
- 4
多代理協作的現實價值：單個代理面對複雜或即時問題時能力有限，多代理系統讓各代理各司其職（如網路安全防禦、供應鏈自動化、機器人隊伍協作），並相互協調以高效解決無法由單人或單代理完成的任務。
實用技巧與重點
乾貨- 模型類型：LLM、Vision Language Models、Image Generation、Video Generation、Forecasting、Anomaly Detection、Autoregressive models
- 開源模型：Gemma（Google）、歐洲與中國開源模型
- 閉源模型：Claude、GPT（OpenAI）、Gemini（Google）
- Agent框架：LangGraph、Pydantic agents、Hermes agent、Open Claude
- 垂直整合堆棧：Anthropic、OpenAI、IBM、AWS Agent Core、Google Workspace Gemini、Microsoft 365 Copilot
- 應用場景：
- 網路安全：多代理防禦DDoS與系統入侵
- 機器人配送：Walmart與Amazon無人機配送
- 供應鏈：供應商通知→代理1處理→代理2搜尋替代商→自動生成NetSuite訂單
- 評估建議：小規模開始、快速迭代、準備多個備選方案、注意廠商鎖定風險
結論
結論“企業應小規模試驗代理系統，保持架構靈活，準備廠商備選方案，因為代理技術快速演進且業務需求不斷變化。”
完整解析
詳細AI應用的演進從簡單聊天機器人進入代理時代。傳統的聊天介面是單純的輸入-輸出對話，但代理不同——它是連結企業整體系統的自主軟體，可訪問郵件、行事曆、CRM、財務系統等多個資源。一個具體例子是製造企業設定代理監控供應商狀態，當發現供應商無法供應時，代理自動觸發另一個尋找替代商的代理，搜尋完成後自動在NetSuite中生成採購單，整個過程無需人工干預。
模型選擇涉及開源與閉源的權衡。開源模型如Gemma可在本地運行，成本低且不受廠商限制，但需自行管理基礎設施。閉源模型通過API訪問，成本高但性能強，特別是大型前沿模型。有趣的是，在開源領域，中國模型已成領導者，而在閉源API領域美國企業仍領先。實踐中，企業應根據具體任務混合使用兩種模型，而非全押一種。
多代理架構的價值在於處理單代理無法應對的複雜性。網路安全防禦是最佳例子：攻擊發生時速度極快，跨越多個系統。人工防禦者無法跟上，但多個專業化代理可同時監控不同系統、偵測威脅、實施防禦並相互協調。機器人領域也類似——無人機配送時需要多個代理協作，有些負責路線規劃，有些負責安全判斷，有些負責與其他系統的協調。
技術棧的選擇影響深遠。垂直整合堆棧（如Gemini for Google Workspace或Copilot for Microsoft 365）提供無縫體驗但造成廠商鎖定。開放框架允許在模型間切換，提供靈活性。大多數企業最終需混合方案：利用現成集成的便利，同時在核心業務系統上保持獨立性與控制權。
從組織層面，代理改變了工作結構。不再是員工執行單一任務，而是被提升到戰略層次，領導由多個代理組成的團隊，類似F1賽車隊的車隊主管而非單一技師。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
