智能体 AI 的优势
性能跃升 (Much Better Performance)
智能体工作流带来的性能提升，远超单纯升级模型版本（如从GPT-3.5到GPT-4）所带来的进步
测试目的： 评估不同语言模型编写代码的能力。
实证案例：HumanEval 编码基准测试 Coding Benchmark (HumanEval) 展示的是不同 AI 系统在编程任务上的表现——重点是对比 Non-agentic 和 Agentic的能力差异。 横轴 → 是“通过率”（正确完成编程题目的比例），从 40% 到 100%，越高越好。 纵轴 → 区分模型版本：GPT-3.5 vs GPT-4（GPT-4 更强）。
非智能体模式 (Non-agentic):
- GPT-3.5 直接生成代码，正确率约为 48%。
- GPT-4 直接生成代码，正确率提升至 67%。 智能体模式 (Agentic):
- 将 GPT-3.5 置于智能体工作流中（例如，让它先写代码，再自我反思、分析并改进），其性能可以显著提升，达到甚至超过 GPT-4 的水平。
- 同样，将 GPT-4 置于智能体工作流中，其表现也会比单独使用时更加出色。
在编程这个硬核任务上，有没有“agentic”，决定了 AI 是“码农”还是“架构师”。
并行加速 (Faster than Humans because of Parallelization)
核心概念： 智能体工作流能够并行处理任务，从而比人类更快地完成特定工作。
实例演示： 以“撰写一篇关于黑洞的论文”为例。
- 人类方式： 需要顺序地进行搜索、阅读网页、再搜索、再阅读，效率低下。
- 智能体工作流方式：
- 并行搜索： 可以同时启动三个 LLM 实例，各自生成不同的搜索关键词并执行网络搜索。
- 并行抓取： 基于每次搜索的结果，每个 LLM 可以再并行抓取多个网页内容。
- 最终整合： 将所有并行获取的信息汇总，输入给一个 LLM 来撰写最终的论文。
- 结果： 虽然整个流程步骤更多，但由于大量的并行操作（如图示中的9个并行网页下载），其总耗时反而比人类顺序操作快得多。
模块化与可替换性 (Modular: can add or update tools, swap out models)
核心概念： 智能体工作流是高度模块化的，允许开发者自由地添加、更新工具或替换模型。
- 实践应用：
- 替换工具： 例如，在“网络搜索”这个环节，可以轻松地将默认的搜索引擎替换为 Serper、Bing、Dr. Google 或专门为 AI 设计的工具。
- 切换功能： 可以将通用的“web search”替换为“news search”，以便获取最新的科学突破资讯。
- 优化模型： 不必在所有步骤中使用同一个 LLM。可以根据不同步骤的需求，尝试不同的模型提供商，选择在该步骤表现最佳的模型，从而优化整个系统的表现。