大多数AI智能体失败的原因在于人们像构建聊天机器人那样构建它们

我经常看到一个模式：人们把“AI智能体”构建得像只带有工具的聊天机器人。这在演示中可行。但当工作流需要超过一个会话时就会崩溃。例如：客户入职智能体不应该“记住”它已经发送了欢迎邮件，因为那只是发生在聊天历史的某个地方。它应该知道是因为有一个明确的状态，比如：LEAD_CAPTURED PLAN_SELECTED CONTRACT_SENT CONTRACT_SIGNED PAYMENT_RECEIVED ONBOARDING_STARTED COMPLETED 这个状态应该存在于你的数据库中，而不是模型的记忆里。模型可以推理、写作、总结、调用工具，并决定下一步做什么。但业务流程必须是确定性的。我喜欢的实用架构：使用LLM进行推理和语言。使用工具执行动作。使用状态机管理工作流进度。使用网络钩子/事件来唤醒智能体。使用日志/评估来证明它没有跳过步骤。对于昂贵或高风险的操作，使用人工审批。一个好的智能体不是“一个巨大的提示词”。它更像是一个围绕模型的小型操作系统。这就是一个酷炫的演示和企业真正可以信赖的东西之间的区别。