大型语言模型 (LLM) 如 GPT-3、GPT-4 等的出现,为人工智能领域带来了前所未有的突破。然而,传统的 LLM 交互方式更像是一种“非代理型工作流程 (Non-agentic workflow (zero-shot))”,用户输入指令,模型输出结果,缺乏迭代优化的空间,犹如一位才华横溢的作家,却被迫只能按照固定模板写作,无法自由挥洒其创作才能。Agentic AI 的出现打破了这一僵局,它不再将 AI 系统视为被动接收指令的 Agent,而是赋予其主动思考、规划和执行任务的能力,使其更像是一个能够自主决策的智能体。而实现这一目标的关键,就是“代理型工作流程 (Agentic workflow) ”。吴恩达指出, Agentic workflow 的核心在于将复杂任务分解成多个步骤,并通过循环迭代的方式逐步优化结果。这种工作方式更接近于人类解决问题的思维模式:1. 目标设定: 明确任务目标,例如“写一篇关于 Agentic AI 的文章”。2. 规划分解: 将任务分解成多个子任务,例如“确定主题、搜集资料、撰写内容、修改润色”等。3. 迭代执行: 依次执行每个子任务,并根据反馈结果进行调整和优化,最终完成目标。