最近先后评审了国内100个左右的AI项目。我感觉，大模型的应用逻辑已经越来越清晰了。优秀的实践似乎都可以归结到一个逻辑：通过人与机无缝连接、充分发挥机器的优势。

为了理解这个逻辑的重要性，我们先思考一个问题：机械化是如何跨越到自动化、智能化的。在我看来，自动化和智能化的本质，是消除机器运行时状态转化的断点和拐点。

原则上讲，机器可以一直按照某种方式持续工作下去。但机器为什么需要人来操作呢？因为机器运行时会遇到断点和拐点。比如，我们可以让车子沿直线匀速前进，但到了丁字路口就要拐弯。这就是要改变机器的运行状态。我把这类改变机器运行状态的情况称为“拐点”。另外，车子可能会坏、汽油可能会用完，这时需要进行维修维护。我把这些状态的改变称为“断点”。因为有了断点和拐点，所以机器的运行需要人来介入。如果能够消除机器运行过程中的断点和拐点，就是自动化或者智能化。消除了断点，不仅能够减少人力成本，还可以提高系统的响应速度和准确性。比如，流量控制采用自动控制时，系统的响应速度和精准度会大大提高。

随着计算机的普及，人们越来越多的工作是通过计算机完成。人们的工作状态往往是一个人机交互的过程：计算机计算出来，人做出某种决策；然后再交给计算机运行。人与机器的切换，就是一个“断点”、一个缝隙。一般来说，计算机运行快、人运行慢；人工作成本高、机器工作成本低。如果能消除这些断点，人类的工作效率、成本和质量，就有可能得到巨大的提升。所谓“人与机器的无缝连接”，其实就是消除这些交互的断点。

我前面写过一篇文章，认为大模型的本质优势是“打通人机界面”、机器更容易理解人的想法，这是促进人与机器的无缝连接的基础条件。在这个基础上，特别有效的场景是那些需要大量人机交互的场景。其中，最典型的就是数据分析。数据分析的过程，是人们不断地组织数据、分析数据的过程。

对于数据分析人们并不陌生。希望通过数据发现问题、找到问题的根源、找到解决问题的办法，也就是打通从数据到价值的连接。这个过程往往需要无数次的数据比对、分析。每次都要人来介入、每次都要花费大量的时间。这就是人所带来的断点。如果做这种事情的时间太长、代价太大，实际上就无法“打通数据到价值的连接”。AI的一个重要用处，就是极大地消除这种断点，从而真正地创造价值。

做优化也有这样的问题。优化工作最麻烦的问题，其实是提要求。过去，人们经常忽视提要求。但现实却是：人们的许多要求往往提不清楚。只有优化结果出来之后，才发现某些结果不是他所要的。这时候，改写程序和目标函数就很麻烦。由于这个原因，许多优化系统最后被用户放弃。

按照我的理解，未来Agent大体上是这样的一种逻辑。有个大模型（可能与小模型协作），根据企业的知识数据进行优化工作。此前有个知识库，主要是用人类语言提出的各种要求。其中，大模型的优势在于能够直接理解人类的语言。但是，大模型容易出现幻觉，优化的结果也未必符合人的要求。这个时候，可以用一个小模型对优化结果进行检验、对优化结果进行把关。如果不合适，就退回去重新优化。小模型检验通过后，再给人去看。如果人觉得不合适，可以把自己的要求直接说出来，放到知识库中、以便进行下一轮的优化。

这个逻辑结构大体上减少了两类人机之间的断点。一类是人只要按照人类的语言提要求就可以了，不必要改写和优化程序；一类是优化和检验尽量都让机器去做，也大大减少了人的参与。断点少了，效率就大大增加了。而且，每次使用的时候，人的要求都可以记下来，今后做同样或者类似的事情的时候，就不用再告诉机器了。所以，系统能越用越聪明。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。