2025年6月20日，微众银行首席人工智能科学家范力欣博士，为人工智能专业硕士必修课《机器学习》的学生带来题为“AI智能体概述：从学术到应用”的专题讲座。在本次课堂上，范力欣博士从理论概念到实际应用，为同学们全面构建了对AI Agent的认识，进一步激发了他们探索人工智能领域的热情与期待。
本次公开课的主题是AI Agent，作为当前人工智能领域的前沿方向，AI Agent不再只是单一模型的输出工具，而是集感知、思考与行动于一体的智能系统。在过往对人工智能的认知中，很多系统往往是单点模型或者静态调用，而AI Agent的提出，则代表了更为复杂、更具智能行为模式的系统形态。它不再是一个简单的模型调用器，而是一个具备任务感知、目标导向、自主决策能力的智能体。
人工智能的发展历程
2014年以前，人工智能的主流方向偏向于“判断与决策”，系统通过预设规则进行分类、预测等任务，例如专家系统、逻辑推理以及机器学习模型等。而在2014年之后，随着深度学习技术的突破，GAN、Transformer和GPT的横空出世，人工智能的重心转向了生成能力的提升。生成式人工智能（如图像生成、文本生成、语音合成等）开始大放异彩，它不再只是“做选择”，而是能够“创作内容”。这种能力让AI从“工具”逐步向“助手”甚至“合作者”演化。技术的演进不仅源于模型和算力的提升，更深层的推动力在于对数据、学习方式与智能本质的理解不断深化。机器学习不再是冷冰冰的数学模型，而是一种让机器真正“理解”世界的方式。
Agent的基本概念
一个完整的Agent系统，通常包含四个核心要素：规划、记忆、工具和执行。规划模块制定行动路径和任务策略，明确每一步该做什么。记忆模块记录外部知识、历史对话或任务状态，为决策提供上下文支持。工具模块可调用外部能力接口，如搜索引擎、数据库查询接口等，让Agent可以调用外部资源来解决问题。执行模块将计划转化为具体的操作行为，如输出答案和发起请求等。这四个模块相互配合，使得Agent不再是一次性生成一个答案，而是可以自主思考、迭代尝试、分步完成复杂任务。AI Agent正在成为通往通用人工智能的重要桥梁，它不仅在语言任务中展现出强大的上下文理解与任务执行能力，也为今后构建具备长期目标和多步执行能力的智能系统奠定基础。
Agent快速搭建平台Dify
在实操层面，范力欣博士以Dify为例，介绍了利用大模型快速搭建Agent应用落地的诸多实例。Dify是一个开源的LLMOps平台，旨在帮助开发者和非技术人员更快、更简便地构建生成式AI应用，融合了后端服务、视觉化流程编排与RAG（检索增强生成），允许用户通过可视化界面定义prompt、上下文、插件、数据等元素，轻松生成并部署AI应用。Dify可实现可视化流程构建拖拽组件、编排节点，快速完成prompt调试、RAG管道设置和Agent工作流设计。还内置了强大的RAG引擎，支持文档自动提取，检索数据库或外部知识库，提升生成内容准确性。平台还有强大的工具API支持，可引入海量种类的外部工具帮助Agent实现更加丰富的功能。Dify作为一个开源的低代码生成式AI平台，适合非开发背景用户，并且兼顾灵活性与易用性，是构建LLM应用的高效解决方案。Dify平台不仅支持手动拖拽组件来构建应用，还提供了一种更智能的自主规划模式选项。在这种模式下，用户只需输入任务目标或需求描述，Dify会借助大语言模型自动分析任务逻辑，并生成一套完整的工作流结构。
应用案例
课程还通过多个实际案例，介绍了AI Agent在生产场景中的应用，与传统自动化工具不同，Agent拥有记忆能力和执行逻辑，可以根据实时环境和上下文完成复杂任务，广泛应用于以下几个关键领域：
风控与反欺诈：AI Agent可以自动监控交易行为、识别可疑模式，并实时触发预警或冻结操作。相比传统规则系统，它能动态学习和适应新型欺诈手段，提升检测准确率与响应速度。
智能营销：通过用户画像分析和内容生成，Agent能自动策划营销活动、生成文案、推荐产品，实现千人千面的精准触达，极大地提高了营销转化率。
智能客服：Agent能结合公司内部知识库进行多轮对话，并自动调用工具解答用户问题，大幅减轻人工客服压力，并保持高效响应。
这些应用场景充分体现了AI Agent的实际价值，不仅提升了传统工作的效率，更在准确性、个性化、响应速度等方面实现了质的飞跃。
总结
在课程的最后，范力欣博士还简要介绍了联邦学习这一关键技术。它是一种在保障数据隐私的前提下进行分布式模型训练的方法，相比传统的集中式训练，联邦学习允许多个设备或组织在不共享原始数据的情况下协同训练模型。这项技术的提出与应用，对于医疗、金融等高度敏感的数据场景具有重要意义。人工智能的发展不仅关乎算法能力，更需要重视隐私保护、数据安全与多方协作。联邦学习正是这一理念的体现，它为未来构建安全、可信的AI系统提供了重要的技术支撑。
