Agent核心過程與功能有哪些？

2025 年是 AI Agent 落地元年。

Agent 將 AI 大模型形態從“對話”向“工具操作+長 流程任務“轉變。在技術突破的推動下，任務長度不斷擴展，交互方式完成多模態升級， 應用場景從辦公走向 B 端垂類業務。 Agent 的核心過程：感知(P) — 規劃(P) — 行動(A) 1） 感知（Perception）：Agent 通過觀察從環境中收集信息并從中提取相關知識； 2） 規劃（Planning）：Agent 為了某一目標而作出的決策過程 3） 行動（Action）：基于環境和規劃做出的動作。 AI Agent 產品形態下，軟件行業定制化屬性重，邊際成本難以遞減的問題，可能得到 改善。乙方定制化是中國軟件行業難題。定制化程度高，壓制利潤率和人效，軟件供應商 普遍以鋪設大量人員方式為企業做定制化開發。 A 股軟件行業平均利潤率 2010 年以來從 13%下滑至 1.5%。軟件行業收入增長很大程 度上由員工數量增長支撐，人均創收提升緩慢，2018-2023 年在 60 萬元/人到 90 萬元/人之 間，也是受到了行業定制化要求的制約。

我們認為，AI Agent 這類革新產品形態，有望解決軟件定制化要求高的問題。 綜合國內外 AI Agent，已經可以實現的功能： 1) 自主創建工作流+多 Agent 聯合處理 。Agent 自主創建工作流：例如，在 HR 領域，能夠自動簡歷分析-候選人匹配-候選 人聯系-面試安排。 定制化功能一：AI 自主生成候選人匹配功能，結合公司需求篩選候選人 。定制化功能二：AI 結合公司數據，準備和崗位需求高度相關的面試問題。

Multi-agent 用例：通過 Agent 進行信息分析和總結。多 Agent 聯合處理：AgentForce 預判用戶對供應鏈問題的關注，并推薦產品專家 Agent 聯合處理。Agent 參與項目討論： 多個 Agent 作為群成員與項目成員互動，解答問題和完成任務。

2） 產品力提升：統一數據平臺。統一數據平臺通過底層架構整合顯著提升產品力： Palantir Now Platform 以“單一數據模型”消除數據孤島，模塊化設計兼容擴展，2024 年通過 Xanadu（AI 集成）、Data Fabric（數據編織）強化統一性，實現跨部門協作。 Workday 踐行“The Power of One”理念，通過統一數據/模式/體驗/社區，減少大量招聘 時間并提升產能，部分新功能源自用戶需求。兩平臺均以數據與業務深度整合驅動效率躍 升。

定制化需求來源一是非結構化數據。非結構化數據占企業數據大部分，AI 基于 NLP、 聚類算法和計算機視覺等技術，擅長處理非結構化數據，適用于滿足非標需求，有望減少 軟件公司的定制化開發。增強的 RAG 能夠實現與企業非結構化數據建立對話，理解大段文 字的檢索意圖，在三個方面實現提升： 1） 控制幻覺：增強的 RAG 將 query 在企業數據中上下文化，減少在數據庫中隨意抓 取的問題； 2） 時效性：相比 fine-tuning 能夠即時檢索最新信息； 3） 數據安全：RAG 降低對 LLM 能力的要求，可以本地部署大模型，RAG 也能夠更 好進行訪問權限控制。 定制化需求來源二是業務流程差異。而 Agent 可獲取環境反饋，適時交互，從而適應 差異化業務流程，Anthropic 強調 agent 與工作流的區別，工作流的流程是固定的，LLM 和 工具的使用方式預先設定。 Agent 獨立計劃和操作，在執行過程中從環境獲取反饋來評估進度，并在檢查點或障 礙時與人類交互，同時包含停止條件（如最大迭代次數）。復雜任務處理能力有較大提升 空間，根據 Menlo Venture（門羅風險投資基金），當前 Agent 采用率最高領域為廣告、 代碼、客服等高容錯場景，復雜任務能力仍有較大提升空間。根據 OpenAl 研究及相關論文 成果，提升 Al agent 復雜任務處理能力主要從任務分解、規劃選擇、外部輔助、反饋方式 和記憶入手。 利潤率上行的另一重要原因：商業模式變化，從服務費到按次收費。

過往國內軟件行業主流的商業模式，以項目制為主，2016 年上云后，演化出 SaaS 等 訂閱制的付費模式，且在國內外部分領域得到了較好滲透。本次 AI Agent 階段，軟件商業 模式可能再一次發生演進，從訂閱制年費演化為按次按量收費。 收費方式的改變體現的是軟件從服務企業管理向價值生產的轉變，售賣產品帶來的價 值，而不是產品的功能權限/席位許可，收費依據不斷向軟件產生的價值靠攏。