技術(shù)創(chuàng)新的步伐總是在震蕩中持續(xù)向上，機(jī)遇也總是誕生于悲觀之時和守舊的框架之外。8月，大模型下半場拉開序幕。OpenAI創(chuàng)始成員Andrej?Karpathy就在黑客馬拉松演講中表示，相比大模型訓(xùn)練，OpenAI內(nèi)部目前更關(guān)注Agent領(lǐng)域。站在了偉大變革的時代，Agent成為最受重視的方向。

什么是Agent？

在大模型語境下，可以理解成能自主理解、規(guī)劃、執(zhí)行復(fù)雜任務(wù)的系統(tǒng)。以AutoGPT和BabyAGI為代表的技術(shù)演示型項目，今年4月短暫地火了一陣，但離真正應(yīng)用到業(yè)務(wù)中還有一段距離。但其瞬間爆火確實揭示出：將大模型與電腦操作結(jié)合起來，解決腦力勞動端到端的智能化和自動化是人工智能最值得探索的方向。

現(xiàn)在，Agent第二輪爆發(fā)正在醞釀中，標(biāo)志就是新一輪應(yīng)用與場景結(jié)合更緊密了。在科技新銳公司中，也不乏有深耕AI領(lǐng)域的企業(yè)開始在Agent發(fā)力，推出先鋒之作。

Agent，AI應(yīng)用是新時代的起點。

以實在智能基于自研的TARS垂直大模型推出的行業(yè)首個Agent產(chǎn)品——TARS-RPA-Agent產(chǎn)品為例，TARS-RPA-Agent不僅有著強(qiáng)大的意圖理解能力，還可以在復(fù)雜操作系統(tǒng)及桌面軟件環(huán)境下精準(zhǔn)的電腦操作能力——但并不是類似“播放歌曲、播報天氣、網(wǎng)頁訂票”等可以通過解析網(wǎng)頁源代碼、或調(diào)用API接口方式所實現(xiàn)的簡單人機(jī)交互。

基于“TARS+ISSUT（智能屏幕語義理解技術(shù)）”雙模引擎，TARS-RPA-Agent是一個有“大腦”，更有“眼睛和手腳”的超自動化智能體。同時，也是能夠自主拆解任務(wù)、感知當(dāng)前環(huán)境、執(zhí)行并且反饋、記憶歷史經(jīng)驗的RPA全新模式。

例如，“我明天要去醫(yī)院看病，幫我在釘釘上請個假?！?/p>

依照理解-執(zhí)行的操作流程，只能選擇通過RPA方式模擬人類的動作，對電腦軟件進(jìn)行操作。但如何在理解意圖的基礎(chǔ)上，對所要操作的軟件界面精準(zhǔn)識別？實在智能基于計算機(jī)視覺（CV）大模型的“智能屏幕語義理解”技術(shù)（ISSUT）為TARS-RPA-Agent裝上了感知世界的眼睛，使其可以“秒懂”屏幕畫面，第一時間完成自動解析，帶來真正基于人類視覺的電腦屏幕和操作對象理解。

TARS-RPA-Agent讓大模型不僅能?“聽得懂，想明白”，更可以“看得見，動起來”。當(dāng)然，不論實在智能是創(chuàng)新的推動者還是變革的見證者，它都邁出了這一步，即使Agent不能成為大模型浪潮的佼佼者，至少應(yīng)當(dāng)成為其中的弄潮兒。