在智能体研究领域，一篇由康奈尔大学等高校团队撰写的综述论文近期引发了广泛关注。该论文在社交媒体上获得了超过70万的阅读量，并被众多学者收藏，成为智能体研究领域的热门话题。
论文深入探讨了智能体研究中的两个核心概念——AI Agents与Agentic AI，并对智能体技术发展面临的挑战及解决方案进行了详细阐述。论文长达32页，内容全面且深入，为智能体研究提供了新的视角和思考。
AI Agents与Agentic AI虽然都属于智能体范畴，但两者存在本质区别。AI Agents是以大模型为基础，专注于执行特定任务的自主体，适用于单一任务的自动化处理，如客服自动化、邮件分类等。而Agentic AI则是由多个协作智能体组成的系统，具备复杂任务拆解、自主决策和多步骤协同能力，更接近于人类的组织式智能，典型应用包括多智能体研究助手、智能机器人协作等。
论文指出，AI Agents虽然已经在多个领域取得应用，但仍面临诸多挑战，如幻觉问题、推理深度有限、无因果建模能力等。为解决这些问题，研究者提出了多种解决方案，如引入检索增强生成（RAG）、因果建模、多智能体记忆架构等。这些方案有助于提升AI Agents的智能水平和任务执行能力。
相比之下，Agentic AI系统则面临智能体间协同失败、错误传播和安全风险等问题。为解决这些问题，研究者提出了专责智能体协作体系、高级推理与规划能力、持久化记忆架构以及编排层/元智能体等架构改进方案。这些方案有助于提升Agentic AI系统的整体性能和协作能力。
论文还介绍了AI Agents与Agentic AI的典型应用场景。AI Agents广泛应用于客服自动化、企业内部搜索等领域，而Agentic AI则更多地应用于科研助手、多机器人协调系统等复杂任务场景。这些应用场景展示了智能体技术在不同领域的广泛应用和巨大潜力。
在论文的最后部分，研究者对AI Agents与Agentic AI的未来发展趋势进行了展望。他们认为，随着技术的不断进步和应用场景的不断拓展，AI Agents将逐渐演变为具备“主动智能”的智能体，而Agentic AI的多智能体协作框架也将进一步成熟与精细化，形成具备高度组织能力的“系统智能”。这将为智能体技术在更多领域的应用提供有力支持。
