访谈 | 吴恩达全景解读 AI Agents 发展现状：多智能体、工具生态、评估体系、语音栈、Vibe Coding 及创业建议一文尽览
在最新的 LangChain Interrupt 大会上（2025），LangChain 联合创始人 & CEO Harrison Chase 与吴恩达（Andrew Ng）就 AI Agnets 的发展现状，进行了一场炉边谈话。
吴恩达回顾了与 LangChain 的渊源，提出用 “Agenticness” 来终结“是否为智能体”的争论，阐述了当前构建智能体的机会与挑战，强调构建端到端系统、评估框架及工具使用等技能重要性。
还提及被低估的工具如语音栈，探讨 AI 辅助编码、MCP 标准、多智能体系统、Vibe Coding 等话题。
最后吴恩达对创业公司给出速度与技术知识方面的建议。
“Agenticness” 的提出与演变
在 AI 领域，什么才算是“Agent”？这个问题曾经引发了无数争论。吴恩达提出，与其纠结于定义 Agent 的边界，不如关注“Agenticness” —— 也就是系统自主性的程度。这一观点为社区带来了全新的视角。
他认为，Agentic 系统并不是非黑即白的存在，而是有不同的自主性层级。无论是高度自主的复杂系统，还是只具备部分自动化能力的简单流程，都可以被视为 Agentic 系统。关键在于，我们如何衡量和利用这种自主性。
这种思路的转变，极大减少了社区内部的无谓争论。大家不再纠结于“这是不是 Agent”，而是更关注如何提升系统的 Agentic 能力。这样一来，讨论的重心回归到实际应用和技术创新上，推动了整个行业的进步。
Agentic 系统在实际业务中的应用现状
在企业实际应用中，Agentic 系统的落地场景非常广泛。吴恩达观察到，目前大多数企业采用的 Agentic 工作流，往往是线性流程，或者只包含少量分支和循环。这种结构简单、易于实现，适合大部分业务需求。
当然，复杂的 Agentic 工作流同样具有巨大价值。比如在需要多轮推理、动态决策的场景下，复杂 Agentic 系统能够展现出更强的能力。不过，从数量上看，当前市场上仍以简单流程为主，复杂系统还未大规模普及。
将传统业务流程转化为 Agentic 工作流，依然面临不少挑战。比如，如何合理拆解任务、确定每一步的粒度、以及如何评估系统性能等。这些问题的解决，需要团队具备更系统的流程设计和技术能力。
构建 Agentic 系统所需的关键技能
要想高效构建 Agentic 系统，团队需要掌握一系列关键技能。首先是流程拆解能力，能够把复杂业务分解为可管理的微任务。其次是数据集成和“管道”搭建，确保各环节顺畅衔接。
评估体系（evals）的建立同样不可或缺。只有通过系统化的评估，才能及时发现和定位问题，持续优化每一个环节。吴恩达指出，很多团队在这方面投入不足，往往依赖人工评估，导致效率低下。
经验丰富的团队，往往能更快做出正确决策。他们善于判断哪些环节值得优化，哪些问题需要绕开。而新手团队则容易陷入“死胡同”，在某个细节上反复投入却收效甚微。这种“直觉”与“经验”，是 Agentic 系统开发中极为宝贵的财富。
AI 工具生态的丰富与“乐高积木”类比
随着 AI 技术的不断发展，相关工具也日益丰富。吴恩达形象地将这些工具比作“乐高积木”。每一种工具就像不同颜色、形状的积木，只有积木足够多样，才能拼出更复杂、更有创意的作品。
在实际开发中，团队往往需要灵活组合多种工具。比如，LangGraph、RAG、聊天机器人、记忆管理、评估体系、护栏机制等，每一种都是独特的“积木”。熟练掌握这些工具，能够极大提升开发效率和创新能力。
值得注意的是，随着技术进步，最佳实践也在不断变化。比如，随着大模型上下文窗口的扩大，RAG 的调优难度大大降低，更多数据可以直接放入上下文。这要求开发者持续学习，及时调整自己的工具组合和开发策略。
被低估的“乐高积木”：评估体系与语音栈
在众多 AI 工具中，评估体系（evals）和语音栈（voice stack）常常被低估。虽然社区讨论很多，但真正落地的团队并不多。吴恩达建议，评估体系不必一开始就追求完美，可以先做一个简单的自动化评估，逐步完善。
语音栈则在企业级应用中展现出巨大潜力。与文本输入相比，语音交互能显著降低用户门槛，让更多人愿意参与和表达。尤其是在大型企业和新兴应用场景中，语音栈有望带来全新的用户体验。
此外，语音交互还涉及到延迟控制、背景噪音处理等细节优化。通过这些“小技巧”，可以大幅提升用户体验，让语音 Agentic 系统更贴近实际需求。
AI 辅助编程与“Vibe Coding”现象
AI 辅助编程已经成为开发者日常工作的重要组成部分。吴恩达认为，AI 工具极大提升了开发效率，让团队能够更快实现想法。不过，“Vibe Coding”这个词容易让人误解，仿佛只需凭感觉编程，实际上这是一项高强度的智力劳动。
他强调，AI 辅助编程并不会取代人类的思考和判断。相反，开发者需要具备更强的抽象能力和问题拆解能力，才能充分发挥 AI 工具的价值。对于非工程师来说，学会基础编程同样能显著提升工作效率。
在 AI 时代，懂得如何与计算机沟通、如何精确表达需求，已经成为每个人都应具备的核心能力。无论是开发者还是其他岗位，只要掌握了这些技能，都能在工作中获得更高的生产力。
MCP 协议与多智能体系统的未来
MCP 协议的出现，为数据和工具的集成带来了新的标准。吴恩达认为，MCP 能够显著降低开发门槛，让不同模型和数据源之间的集成变得更加高效。不过，目前 MCP 还处于早期阶段，实际应用中还存在不少挑战。
多智能体系统（multi-agent）则是另一个值得关注的方向。虽然目前还没有大规模落地的案例，但随着协议和工具的完善，未来多智能体协作有望带来更多创新应用。
对于开发者来说，关注这些新兴标准和技术趋势，能够帮助团队在未来竞争中占据先机。持续学习和尝试，是应对技术快速演进的最佳策略。
创业建议：速度与技术深度为王
在 AI 创业领域，吴恩达总结了两条最重要的成功经验。首先是执行速度，优秀团队往往能以惊人的速度推进项目，远超传统企业。其次是技术深度，真正懂技术的人，才能在关键时刻做出正确决策。
当然，市场、销售、定价等商业知识同样重要，但这些知识相对容易获得。相比之下，技术的快速演进和复杂性，使得技术型人才成为最稀缺的资源。
他鼓励有志于 AI 创业的人，不断提升自己的技术能力，勇于试错、快速迭代。只有这样，才能在激烈的市场竞争中脱颖而出。
视频链接：Andrew Ng: State of AI Agents | LangChain Interrupt
AI 技术日新月异，我们都应该持续学习和拥抱变化。
只有不断尝试新工具、学习新理念，才能在这个时代保持竞争力。
如果觉得文章对你有帮助，👏 欢迎点赞、分享、推荐，让更多朋友知道。