人工智能论文+LangChain+State+of+AI+Agents（汉化）.pdf

LangChainStateofAIAgents

我们对超过1300名专业人士进行了调查——从工程师和产品经理到商业领袖

和高管——以揭示人工智能代理的现状。深入了解数据，我们将分析人工智

能代理今天是如何被使用（或未被使用）的。

介绍

2024年，AI代理不再是小众兴趣。各行各业的公司都在更加认真地考虑将代理融入他们的工作

流程中——从自动化日常任务，到协助数据分析或编写代码。

但是幕后真正发生的是什么？AI代理是否实现了它们的潜力，还是它们只是另一个流行词汇？

谁在部署它们，又是什么阻止了其他人一头扎进去？

我们对超过1300名专业人士进行了调查，以了解2024年人工智能代理的状态。让我们深入以

下数据。

洞察

首先，什么是代理？

在LangChain中，我们将代理定义为一种使用LLM来决定应用程序控制流的系统。就像自动驾

驶汽车的自主导航等级一样，也存在一系列的代理能力谱。

代理采用就像抛硬币-但几乎每个人都有针对它的计划

代理竞赛正在升温。在过去一年中，众多代理框架获得了巨大的流行——无论是使用ReAct结

合LLM推理和行动，多代理编排器，还是更可控的框架如LangGraph。

并非所有关于代理的讨论都是Twitter炒作。大约51%的受访者今天在生产中使用代理。当

我们按公司规模查看数据时，中等规模的公司（100-2000名员工）在将代理投入生产方面

最为积极（达到63%）。

令人鼓舞的是，78%的人有积极的计划很快将代理投入生产。虽然对AI代理的需求强烈，但实

际的生产部署仍然对许多人来说是一个障碍。

您的公司目前是否有

生产中的代理？

您目前正在开发一个计划投入生产的代理吗？

我们同样继续看到公司从简单的基于聊天的实现转向更高级的框架，这些框架强调多智能体

协作和更多自主能力。（更多内容请见下方的“新兴主题”部分。）

虽然科技行业通常被认为是早期采用者，但所有行业对代理的兴趣都在增加。90%在非科技公

司工作的受访者已经或将计划将代理投入生产（几乎等同于科技公司，为89%）。

领先代理用例

人们为什么要使用代理？代理既处理日常任务，也为知识工作开辟了新的可能性。

代理的最高用途案例包括执行研究和总结（58%），其次是简化任务以提高个人生产力或协

助（53.5%）。

这些反映了人们希望有人（或某物）为他们处理耗时任务的愿望。用户不必在文献综述或研究

分析中筛选无穷无尽的数据，而是可以依赖AI代理从大量信息中提炼关键见解。同样，AI代理

通过协助日常任务如安排和组织，提高了个人生产力，使用户能够专注于重要的事情。

效率提升不仅限于个人。客户服务（45.8%）是另一个代理用例的黄金领域，帮助公司处理

咨询、故障排除并加快团队间的客户响应时间。

在你看来，哪些任务最适合代理在今天执行？

更安全比后悔好：需要追踪和人工监督来控制代理

巨大的力量伴随着巨大的责任——至少需要对您的代理进行一些制动和控制。追踪和可观察

性工具是必须拥有的控制列表之一，帮助开发者了解代理的行为和性能。大多数公司也在使

用护栏来防止代理偏离轨道。

您为代理设置了哪些控制措施？

当涉及到测试LLM应用时，离线评估（39.8%）比在线评估（32.5%）更常被提及作为一种策略

。这或许反映了监控实时性能的难度。在书面回答中，许多公司也由人类专家手动检查或评估

回答，以增加一层预防措施。

尽管人们对代理的期望充满兴奋，但在让代理自由行动的范围上，大多数人采取更为保守的

态度。非常少数的受访者允许他们的代理自由阅读、编写和删除。相反，大多数团队允许仅

读工具权限，或者要求对更重大的操作，如编写或删除，进行人工审批。

Whatkindoftoolpermissionsdoesyouragenthave

不同规模的公司的代理控制优先级也有所不同。不出所料，大型企业（2000+名员工）更为谨

慎，严重依赖“只读”权限以避免不必要的风险。他们还倾向于将安全栏与离线评估相结合，

以在生产前捕捉回归，在客户看到任何响应之前。

公司规模工具权限

同时，小型公司和初创企业（100名员工）更专注于追踪以了解其代理应用（相对于其他控制

）中正在发生的事情。从我们的对话中，较小的公司倾向于关注交付和理解

仅通过查看数据就得出结果；而企业则在各个方面实施了更多的控制。

公司规模控制代理

虽然非科技公司和科技公司受访者的代理采用率相似，但在使用生产中代理控制的情况下

，科技公司更有可能使用多种控制方法。51%的科技受访者目前正在使用2种或更多控制方

法，而其他行业受访者的比例仅为39%。这表明科技公司