昨天去参加在上海举办的NVIDIA创业者会议，感受了AI创业的热情，还听了Dify CEO张路宇的分享。加上吴恩达在红杉分享会上对AI Agents的推动，带动了国内大量自媒体对AI Agents的狂轰滥炸。所以也想从我自己的角度来分享一些思考。
先贴一下吴恩达分享的四种AI Agents设计模式：
- 自我反思（Reflection）：可以自我修正；
- 使用工具（Tool Use）：链接其他系统去做一些事情，比如把我电脑里面的未归档文件做好归档；
- 规划（Planning）：类似于思维链，分解复杂任务，找到路径；
- 协作（Multiagent Collaboration）：不同类型的助理（agent），可以通过协作组成一个团队或一家公司，嗯，不过目前这一步应该还需要一些时间。
本质上AI Agents是一个依赖于大语言模型（LLM）的业务组件，是LLM在企业场景落地中的手段，而且不仅一种手段。我觉得目前由三种主流的AI Agents的采用方式，纯个人观点，不代表任何官方意见。
AI Agents三个流派
生态增强派
代表：钉钉、Coze以及微信（和企业微信，这两天终于开始发力了）等都属于这一派；
优势：他们有多年的客户使用数据，以及传统业务流程（如请假、报销等）的积累，目前出来的workflow更多是基于自身生态，且确实非常稳健实用。Coze现在看起来更多还是在开发者社区，但个人感觉Coze后面应该还要会围绕飞书、头条等一些出口来提升字节整体的生态影响力。拥有最大客户群体的微信，这两天也开始发力了，腾讯小微、小微助手和微信对话开放平台等都陆续上线。
借助这些巨头原来积累的强大家底，用AI进行加成，对创业公司来说是非常可怕的。毕竟是还在筚路蓝缕创业的时候，人家已经奋六世之余烈了，没法比。但企业的AI需求不仅仅是办公啊，后面就看钉钉、Coze等能否会走出自己的体系（如基于钉钉的应用也可以不在钉钉上使用了，基于Coze的应用不侧重在字节的矩阵中），变得更加开放。
本周在一家世界五百强企业，和他们的几个总监也聊了这个问题。因为是国企，所以他们的办公基于钉钉，交谈了两个多小时，可以分享几个观点：
- 因为几乎所有工作交流和大部分文件传输都在钉钉上，所以日常聊天内容和文件网盘都在钉钉上，知识无需搬迁，使用效率极高，使用体验很好；
- 在请假、招聘、会议等重复性很高的办公流程上，钉钉的助理（实际就是Agent）非常好用，因为这就是对钉钉原有业务的增强，有点三步合成一步的感觉；另外他们也给了另外一个观点：目前钉钉给出来的功能更多是聚焦在办公室业务上，还无法深入企业的核心业务；
- 作为一家企业，如果要对外服务，不能要求他们的所有客户都用钉钉，也不希望把所有数据都放在钉钉上。他们更希望在本地有一个融汇的数据库，所以钉钉要成为企业统一base也有点难。
- 目前看来，他们的体验中，最好的是钉钉，其次是Coze，Dify对他们来说有点难度。
流程工具派
代表：Dify、Coze等
优势：开源的精神，活跃的社区。
其实Coze也有自己的workflow工具，也属于这个流派，只是我觉得更纯粹、更有代表性的应该是Dify。使用无代码和画板让用户自建由Agent组成的workflow，热度很高，各种社区上被开发者热捧，在一定程度上在LLM企业应用上往前走了一步。
昨天（4.25）下午在Dify CEO张路宇的分享中，Dify还是有自己的坚持的。比如：
- 他们的试用系统默认只支持Github和Google账号登录使用，换句话说他们的用户至少应该是个产研人员；
- 客户选择上，暂时不会选择无研发能力的公司（IT基础太弱，知识积累不成体系，造成应用场景很窄）和大型科技公司（自己会造）；
- RAG会长期存在，且会越来越偏向数据工作。
但在回杭州的路上一直在思考他们和大厂的区别，也想到了我们自己和他们的区别，所以冒昧想出了三派的划分。在思考过程中， 觉得工具派可能还存在三个问题需要回答：
- 站位问题：你面对万千客户的需求，可以用无/低代码的workflow工具让中间缓冲带的众多产品经历或研发人员编辑workflow，我相信达到60分的效果是容易的，但是达到90分是非常难的。但对于单个具体客户来说，他只关注自己的1-3个业务是否可达90分。所以问题是通过无/低代码开发AI Agents和workflow是否可以普遍达到90分？
- 客群的业务能力：流程工具长期面向的第一线用户应该是程序员、产品经理等。本人也是典型的产研出身，近五年所带的团队比较综合，包括销售、解决方案、产品经理、研发和运营，就我自己的经验来看，产研人员其实不太能真正理解企业需求，或者不够全面。原因也很简单，大多数产研人员都是“武痴”，更关心技术（武功），而真正具有不错业务视角和思维的产研人员，往往会主动或被动地走到市场侧（离客户和钱更近）。企业需求分析和POC其实更多考验的还是业务能力，所以产研人员驱动的流程工具需求迭代是否真的能深入业务本质，我是持怀疑态度的（我已经被准备好被喷了）；
- 关于无/低代码问题：AI Agents更擅长的业务领域在哪里？是琐碎的办公场景，还是创新业务？如果是前者，那就很糟糕——巨头的竞争态度是什么：如果你在我的优势存量市场中刨食，我肯定会努力灭了你。如果是在我的外延市场，或者非优势地位的新赛道，我们可以考虑合作。所以如果基于AI Agents的场景是做办公，那会有点难，钉钉、飞书和企微都在奋力争地盘，生态确实是一道恐怖的墙。那么选择后者，使用无代码/低代码开发的AI Agents和workflow是否能在创新业务上入木三分。至少在我的认知里面，哪怕是在LLM流行之前，无代码/低代码也往往只在MVP或“广度优先”的项目中被更多采用，现在又加了一个有幻觉的GenAI，是否真的能胜任？
当然，Dify收到广大开发者的喜欢，在Github热度不减，也算是走出了自己的风格。在企业服务领域，作为一个后来者，如果避开大厂角斗的OA场景，选择与广大开发者共舞应该是一种明智的选择。
产品共创派
代表：TorchV（暂时把我们自己放上去吧，哈）
优势：专业化场景，但受众可能也会更小。
这是我“平地抠饼”定义的一个派别，也是我们自己对TorchV的定位，把目标定在与企业客户共创上。主赛道不在通用办公领域，也不做开源工具，我相信也有不少和我们在同一派别的公司存在。相对大厂深厚的家底和Dify的时髦，我们会说自己是小而美，哈哈，但也是一种值得尝试的方式。
我们与第一个客户的合作就是这种共创方式，也许这也对后面的方向决策造成很大影响。然后我们后面还有两个客户也是一样的模式，这几个客户的特点是在业务上都有较大创新，都不是做降本增效的事情，而是做新开的创收业务。和他们的共创，我们会比直接卖产品多一道POC的环节，而且会有轻微定制，但好处是除了第一次收入外，后面他们把产品卖给他们的客户时，我们是有分成的。
这些行业创新包括工业生产的某些专业场景、金融的研报生成和分析、零售、医美与装修设计、合规与审批等等。
目前基础产品（下图的PaaS）的试用客户（企业）已经超过200家，接近60家是有深度交流的，包括试用、频繁沟通以及视频会议，所以有些已经进入了（下图的Products）环节。除了已经与一家世界五百强企业签了合同，我们还和近10家企业客户（他们应该都能看到这篇文章，哈）开始了POC，其中包括两家央企，一家知名跨国公司，还有一家国内知名消费品品牌。最大的收获是非常近距离接触他们的需求，双方频繁交流，会迸发出一些非常落地的需求场景，所谓新技术+旧需求（原来解决不了的问题）就能出来一个新场景创新。
我认为这种方式会更能落地，虽然没那么时髦，但符合我公众号的名称（土猛的员外）的风格，主打一个土猛，哈。
上面就是我们现在的产品架构图，当然后面其实还有第三栏，就是应用（Applications），直接展示应用会暴露一些业务信息，所以这里就不展示了，我们和其中有些POC客户是签了NDA的。
Dify CEO张路宇在分享的时候说到RAG会长期存在且越来越偏向数据工程，这一点我是非常认同的，腰好才是真的好。所以在4月初的新架构规划里面，我们增加了DataOS，可以帮助企业客户融合他们的数据，包括非结构化数据和结构化数据的管理与使用，包括数据ETL的自动化等，说起来数据工程也是我们核心团队在2019年底切入AI之前一直在做的事情。
另外，RAG其实要做好也很难。不说别的，本来昨天晚上我是准备认认真真给大家写昨天的nvidia会议的一些启发的，但是一家大型车企发现了一个非常“鬼魅”的bug，昨晚的时间基本上都花在这个bug上了，搞得您看到的这篇文章只能简单收场了。关于这个bug，从客户侧来看是非常合理的一个使用，我们自己测试也复现了，确实是有这个问题。更奇怪的是在dify、fastgpt和ragflow上测试也都失败了，但在几个国产LLM上却基本是正常的。我们仔细看了之后发现这个问题不简单，应该算是目前的RAG架构设计中一个典型的检索问题。我和菜刀也认为自己还存在知识盲点，目前已经定位到问题，这两天想办法解决掉，下次找时间再给大家做分享。
预告：五一节回来后，我们会发布一个测试集（问题集+文件资料），是根据我们近几个月在企业应用中收集的真实需求，从文件解析、检索能力、多跳等6个方面进行评测，对于提高RAG企业应用的能力应该有一定的参考性。
总结
AI Agents是企业应用LLM的一个环节，AI Agents的实现可以是通过对原有业务的AI增强来实现，也可以是给广大开发者做铲子的工具形式实现，或者是更加贴近企业业务去共创实现。市场足够大，不管是什么模式或派别都有自己的机会，而且应该还会有其他更多形式存在。
如果您对TorchV的产品感兴趣，也可以直接联系我，对于PaaS这一部分，我们是可以提供试用账号的：
