质朴发言：从 GPTs 聊到 Agent、LLMOps 以及开源的新机会｜Z 沙龙第 1 期
输入“/”快速插入内容
质朴发言：从 GPTs 聊到 Agent、LLMOps 以及开源的新机会｜Z 沙龙第 1 期
质朴发言：从 GPTs 聊到 Agent、LLMOps 以及开源的新机会｜Z 沙龙第 1 期
2024年4月9日修改
来源：质朴发言
发文时间：2023.11.17
上周 OpenAI 举办了 DevDay，并公布了 GPTs 等系列新动作。作为当前大模型领域最头部的玩家，OpenAI 的大动作，总能引起圈内热议。
围绕 GPTs 以及由此搅动的大模型产业格局，尤其是应用层创业的生存与发展，我们开展了研究跟进，准备好了认知，不能埋头苦干，决定在周六找朋友们小聚一下。
本文不代表智谱认同文中任何观点。为鼓励自由发言，我们也暂时不披露参与者个人信息，不做流水账，抛开敏感信息，分类整理如下。后面继续办，一起来聊！🌊
🏆
以下为本文目录，建议结合要点进行针对性阅读。
一、Agent
1.
什么是 Agent？具备什么能力？
a.
观点一：狭义的 Agent，由 OpenAI 定义
b.
观点二：广义的 Agent，具有基础智能、角色管理、技能调用、复杂思维、及未来更多的可扩展性
2.
Agent 在 B 端的落地到底情况如何？
a.
观点一：设想与现实之间的gap有多大？人和大模型长期共存
b.
观点二：在 Autonomy Agent 或 multi-agent 成熟之前，大模型应从“对外业务”和“简单功能”切入To B服务
c.
观点三：大模型要做专家知识，还是通用知识？
d.
观点四：人机边界识别，工程落地能力，基座模型能力，并驾齐驱，同样重要
3.
未来可能有机会的方向
二、在 DevDay 之后，国产大模型和 OpenAI 之间的差距是扩大了还是缩小了？
三、AI LLMOps及开源社区
1.
OpenAI 对 AI Ops 的态度如何？
a.
观点一：中间件挡住了 Open AI 的数据飞轮，注定会被吞没，开源中间件是在帮助 OpenAI 打磨产品
2.
那么，什么形态的 AI Ops 会/不会挡住 OpenAI 数据飞轮？
a.
观点一：哪些 AI Ops 会挡住 OpenAI 数据飞轮
b.
观点二：哪些 AI Ops 不会挡住 OpenAI 数据飞轮
3.
AI Ops 公司们应该怎样调整入场姿势？
a.
观点：OpenAI 进行“绑架”，自然会有反向要求解绑的需求
4.
Agent 框架的 2 种设计思路：功能导向和行业应用导向
a.
观点一：Agent 功能导向，更适合以大模型厂商为主导的闭源模型
b.
观点二：行业应用场景导向，更适合开源模式
四、开源和闭源商业模式之争
观点：OpenAI 选择闭源模式为时尚早
#一、关于 Agent
1、什么是 Agent？具备什么能力？
观点一：狭义的 Agent，由 OpenAI 定义
“Agent”一词虽然早在马文·明斯基、Russell 和 Norvig 等知名学者的著作中出现，但在大模型时代，OpenAI 重新定义了这一概念。Lilian Weng 在其个人博客中对 Agent 的主要功能进行了详细描述，提供了一个更为精确的定义。她指出，狭义上的 Agent 具备技能调用（Tool use）、记忆（Memory）和规划（Planning）能力。
推荐阅读：Marvin Minsky 的两本著作：《心智社会》和《情感机器》。Lilian Weng 文章：https://lilianweng.github.io/posts/2023-06-23-agent
观点二：广义的 Agent，具有基础智能、角色管理、技能调用、复杂思维、及未来更多的可扩展性
广义的 Agent 可以在 Lilian Weng 提出的 Agent 的基础上进行扩展，具有基础智能、角色管理、技能调用、复杂思维，及未来五感集成能力：