先读俞舟教授那两集访谈,理解 agent 的两种路线;再读立正讲“必须上手做”的那段,然后自己动手做一个小任务。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先看“agent 到底在解决什么”
材料里的观点俞舟教授在访谈里把 agent 的核心问题讲得很具体:过去是静态、写死的 workflow,规则一改就要人工改,还可能出现冲突;agentic system 想做的是根据自然语言输入自动调整流程,遇到没定义过的 corner case 时让 agent 自己探索解决办法,并把经验留下来1。他还提到,面向客户的场景强调可控和准确,因为出错会得罪大客户、过不了安全审查1。这能帮你理解为什么“agent”不是一个东西,而是从全自动到强控制的一条谱系。
再看“怎么开始”:动手比先学理论更有效
立正在另一场对话里说,AI 是 craft、是体感的东西,光听课或刷自媒体不够,必须上手做;做了才会发现“我其实没描述清楚我要的结果”,也才知道什么能交给 AI、什么不能2。同一期里还有嘉宾建议多动手尝试,承认有些尝试会 work、有些不会,但迈出这一步比较重要3。对刚入门的你,这比先啃框架更实际:选一个你本来就要做的小任务,让 agent 跑一遍,观察它在哪里失败。
一个可操作的小起点
AI推演可以照立正描述过的一个小例子改造:他用 Apple Watch 录音自动同步到 Mac,再让电脑定时检查新文件、转录、整理成文档,借助已有工具和明确触发条件就能跑起来,不必等一个包办一切的“主动智能”4。你可以换成自己手边已有的工具,做一个“定时检查—处理—产出”的小流程,重点观察两件事:触发条件是否清楚、产出你是否愿意直接使用。这是 AI 基于该例子的应用建议,不是唯一路径。
提供的片段里,俞舟访谈多为概念和创业经验,没有面向初学者的系统课程或入门项目清单;《AI 的 2024》5的片段没有可用正文,无法据此推荐。
出处
- 1哥大AI教授剖析AI agents的理论与应用 | 俞舟教授访谈_下
俞舟讲 agent 与 workflow 的区别、可控性与自动化的取舍,是理解概念的核心段落。
- 2功成名就的大佬们需要学AI吗?|沈明高博士对话课代表立正
立正讲 AI 要靠上手做出体感,适合作为入门行动依据。
- 3AI真的没有门槛了?从美国中小学生如何用AI,看AI时代核心素质,和我们应该做什么
嘉宾建议多动手尝试、接受部分尝试不成功,补充入门心态。
- 4从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
给出一个用已有工具搭小流程的具体例子,便于改造成自己的练习。
- 5AI 的 2024:ChatGPT的停滞不前与Agent的日新月异
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 怎么学习ai?学习agent?
学 AI 和学 Agent 的重点不是先背概念,而是围绕真实交付反复动手:把模糊需求拆成任务、定义“可用”、诊断失败、换题还能做。Agent 可以作为一个具体项目来练,但别把跟教程走一遍当成学会。
- 如果我要学习Agent的话 从什么开始
从动手做一个能跑通的小任务开始,而不是先学名词和框架;Agent 的核心是围绕目标计划、行动、观察、再决定是否继续的循环。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。