突然就“推理 Agent 元年”了，再聊 AI Chat 与 AI Agent
今年 3 月份，我们还在以为 AI Agent 的新纪元需要等到“泛 AGI”，依靠大模型自身的能力和与之相辅相成的一系列技术的发展，诸如 RAG、调用链等，去将大模型的能力更深入地“外置”给 Agent 单元体。
然而到了下半年，随着大模型自身推理能力的爆发，以及生态中 MCP、ACP、A2A、上下文工程等技术基础设施的演进，“推理 Agent 元年”已然到来，Agentic AI 这种模式也已经能够较为通畅地应用到了各种各样的行业、产品、任务中，比如大家最熟悉的 AI Coding 工程化。
正是在这样快速演进的时代，Agent 正成为下一轮智能革命的关键力量。它不仅能理解人类意图，更能自主规划任务、调用工具、执行复杂目标。这一跃迁，正在重塑生产力体系、企业组织形态以及软件开发的底层范式。
重读 3 月份的这篇文章，多少还是有点意思，也不算过时，毕竟观点似乎还是赌对了。只是没有料想到 AI 生态的发展，过于快速了。
再把这篇文章的话题拿出来聊聊吧，也为 全球开源技术峰会 GOTC 2025 作一下预热宣传。刚好李开复会在活动主论坛上发表关于“从 ChatBot 到 Agent 的跃进与机会”的主题演讲，并发布他们零一万物的新 Agent 平台。
李开复大家应该都知道，零一万物 CEO、创新工场董事长，作为人工智能技术演进与产业化的重要推动者，李开复长期致力于推动 AI 从单纯的能力积累向实际价值创造转型。他在多个场合指出，随着推理模型的发展，生成式 AI 正逐步迈入具备自主规划与执行能力的 Agent 智能体时代。
李开复将 2025 年称为“推理 Agent 元年”，他认为，推理 AI Agent 浪潮为中国企业的数智化转型与组织升级提供了重要机遇，它不仅能够重塑生产方式和业务流程，也可能成为推动下一轮商业智能变革的核心引擎。在他看来，企业应将战略设计与 AI 部署紧密结合，通过智能体实现以结果为导向的高效运营，让 AI 的应用价值从单纯降本拓展为全面增效，从而真正释放生成式 AI 与 Agent 技术带来的潜力。
他这次要分享的主题，其实主要也是深度解析生成式 AI 如何从“被动应答”的 ChatBot 时代，跨越到“主动协作、具备目标与执行能力”的 Agent 时代，并分享这一跃进为产业、企业与开发者带来的真实机会与挑战。
观点侧重点在于产业化、时代机遇方面。而我 3 月份这一篇主要侧重在聊产品化相关的方面，结合着参考，到时候去听听李开复怎么说，也看看大家有什么样的机会切入市场，赚到自己的那桶金吧。
不过说实在的，个人还是最关注这次 GOTC 的 AI Coding 论坛，他们把阿里 Qoder、百度 Comate、腾讯 CodeBuddy 这几家都拉来了，而且还有我最关注的“AI Coding 工程化”的圆桌讨论，很难相信这个论坛内容质量会差。（也是给他们打这广告的原因）
以下为原来那篇文章：《大模型产品就这两根道，IM 化（Chat）+管家化（Agent）》
当前大模型产品演进方向无非两个大头：一个是 AI Chat 方向，一个是 AI Agent 方向。
前者主打对话“获取信息”，后者主打“解决问题”。
-
Chat 方向，要往“IM 化”极致交互体验去做。
-
Agent 方向，要让 AI 变成你的“管家”，你交待他事情，他负责统筹去搞定之后给你结果。
这是两条完全不同的道路。
当然 Chat 作为 Agent 的一个前端方式，两者自然也是可以协同起来的。
Agent 这个方向主要是技术层面当前还需要不断演进，但这是一个比较长远的路，或许是所谓的 AGI 要达成的。
AI 只是个 Agent，一个代理，一个特工，帮你搞定不同的事情，所谓丰富多样的“Multi Agents”，而上层对到用户只需要一个“总管”、“管家”来统筹之。
其中各种 Agent 具体能力的实现，当然又包含了软件层面和硬件层面，软件层面诸如“Agent 帮我直接完成了一篇图文并茂的论文”，硬件层面主要是“传统硬件驱动”，比如调度显示器、鼠标啥的，与更大头的具身智能方向。具身智能已经自成体系了，具体情况专业人士再去探讨吧，按下不表。
此处点一下“MCP”这个协议，它恰好是实现涉及软、硬件能力 AI Agent 的桥梁，驱动软的又可以驱动硬的，而驱动硬件部分才是我觉得它最牛逼的地方，任督二脉打通之。
Agent 方向实际情况来看，当下我们能做的只是去不断补足基础设施的生态，以及能力，比如前边说到的 MCP 这种基础设施，简单讲的话，你看，我为什么说它驱动硬件部分才是最牛逼的地方，就因为它直接体系化地为 Agent 方向引入了调度硬件的能力，开阔了一片天。
至于大模型能力本身，那是另一个大话题，对数据的转化、扩散、对数据的训练、权重、微调、性能调优、GPU 加速、上下文窗口、大模型、小模型、模型“热进化”等等，自不必提，大模型技术专家去探索之。
而大模型这么一个“封闭的黑盒”，我们在演进 Agent 方向，需要找到一个怎样的核心思路呢？
我的抽象提炼是：我们要让人类能更好地参与到大模型封闭黑盒中，也就是输入。
包括在基础设施生态层面、在具体技术能力层面、在工程化层面、在流程化层面、在上层产品操作等等层面去输入给大模型。
那么，诸如下边随便列举这些点（当然还有更多，以及后边还会新突破的更多点），本质上都是在往这个方向上叠 buff：Prompt 工程本身、自动化 Prompt 调优、RAG、调用链、rules、function calling / tools、记忆层、MCP、A2A、结构化 JSON 返回、自动化 builder、效果即时预览、可视化编排、多模型调度、任务管理……
再来看看 Chat 方向。这个方向需要往“IM 化”极致交互体验去做。
底层核心理念是这样的：跟 AI Chat 助手对话就和我跟别人进行 IM 聊天是一样的，只不过对面是一个 AI，仅此而已。
这个月 7 号我还在跟人聊到 IM 化的话题，16 号腾讯就上线了可以把元宝添加成微信好友的功能，腾讯产品经理还是有点东西的。
从用户角度来看，将 AI 聊天助手当作人类，深度融入 IM 平台能够带来“便利性”与“熟悉感”的双重红利。
首先，用户无需下载额外应用或跳转界面，就能在日常使用最频繁的聊天工具中直接调用 AI 服务，大大提升了接入效率。
其次，AI 助手以“联系人”形式出现在熟悉的聊天列表中，降低了学习成本，让人仿佛在与朋友对话般自然流畅。
同时，通过持续学习用户的对话习惯与偏好，助手还能提供高度个性化的建议与提醒，并且全天候在线，随时响应用户的需求。
从行业视角来看，IM 平台嵌入 AI 聊天助手不仅是提升竞争力的关键举措，也能开辟全新的生态与商业空间。
一方面，通过丰富平台功能与智能化服务，能够显著提升用户停留时长和活跃度，进而增强用户黏性。
另一方面，AI 与用户的互动数据为产品优化和新业务开发提供了宝贵洞察。
此外，借助 AI 助手拓展文档处理、内容创作、电商推荐等多场景应用，IM 平台可从单一通讯工具升级为综合性数字生活入口，进一步实现高级功能订阅、企业解决方案等商业化变现。
还有一个很重要的是：在当前 AI Chat 产品能力普遍不咋滴的情况下，直接有效复用 IM 那个成熟领域。
对于腾讯来说，首先自然是充分利用了微信超过十三亿日活用户的规模，而背后其实是“在全球范围内，IM 平台用户规模已接近 52 亿”。
元宝 AI 还可以直接整合微信生态资源，比如公众号文章、视频号内容等，进一步双向把微信这个流量入口，这个生态扣得更紧。
这里也再下一个自然而然的预测：企业微信后边会是元宝发力赚钱的大头。
但说实在的，目前腾讯这东西离“极致用户体验的 IM 化 AI Chat”还远得很。别的不说，先按微信目前的功能补上来，让元宝真的就像背后是“女装加强版 QQ 马化腾”以假乱真，然后再谈 AI 向的极致用户体验（比如前边扯到的模块化引用之类的东西）。
也必须得说一下，AI Chat IM 化不 IM 化，这个有点见仁见智了，我也说不出个必然要这样的逻辑，只是目前行业 Chat 的产品能力来看，如果像我表达的“像与人类对话一样，自然需要引用功能”，那么 AI Chat 产品形态往 IM 化去做，确实就是存在既有经验的，而且是大量与深入研究过的：照着做 IM 的产品思考，直接把行业关于 IM 产品的思考与能力搞上去再说，多么多快好准。
