








?AI智能体用户画像首次曝光,结果太意外
025年被业界称为“智能体AI元年”,随着AI技术从对话式大语言模型向能够自主执行任务的智能体演进,整个市场预计将从2025年的80亿美元增长到2034年的1990亿美元,相关经济贡献可能达到每年2.6-4.4万亿美元。然而,尽管市场前景广阔,关于人们如何实际使用AI智能体的系统性行为证据却非常有限。现有研究要么依赖非代表性的企业调查,要么专注于编程助手等特定领域,缺乏对通用AI智能体在开放网络环境中真实使用情况的全面了解。这种知识空白使得研究人员、企业和政策制定者难以准确评估AI智能体的实际影响和发展趋势,迫切需要基于真实用户数据的大规模实证研究来填补这一空白。
为解决这一研究空白,哈佛大学和Perplexity的研究团队进行了首个大规模现场研究,分析了Perplexity开发的AI浏览器Comet及其内置助手Comet Assistant的数亿次匿名用户交互数据。研究团队提出了一个创新的分层智能体分类法,将使用案例组织为三个层级:主题、子主题和任务。技术层面,研究采用了ReAct框架,该框架让智能体在思考、行动和观察三个迭代阶段中自动循环,以实现最终目标。思考阶段智能体解析查询目标并制定分步计划;行动阶段通过控制外部工具与环境交互;观察阶段处理环境反馈并调整计划。与传统的LLM聊天机器人相比,AI智能体不仅能够进行对话,更重要的是具备自主行动能力——大语言模型充当智能体的“大脑”,而工具则成为其“双手”,使其能够真正影响外部环境。
研究结果揭示了令人惊讶的用户行为模式:早期采用者、人均GDP和教育水平较高的国家用户,以及在数字技术、学术界、金融、营销和创业等数字或知识密集型行业工作的个人更倾向于采用或积极使用智能体。在具体使用场景方面,生产力与工作流、学习与研究两大主题占据了所有智能体查询的57%,而课程和商品购物两个子主题则占22%。在90个任务中,前10个任务就代表了55%的查询量。从使用目的来看,个人用途占55%,专业和教育环境分别占30%和16%。有趣的是,短期内使用案例表现出很强的粘性,但随着时间的推移,用户倾向于转向更具认知导向的主题。
Arxiv:2512.07828
关键词:AI智能体, 用户行为分析, 分层分类法
每天都有AI新发现,关注我
#LLM #大模型 #强化学习 #智能体 #多模态人工智能 #深度学习 #学术研究 #人工智能 #机器学习 #AI
025年被业界称为“智能体AI元年”,随着AI技术从对话式大语言模型向能够自主执行任务的智能体演进,整个市场预计将从2025年的80亿美元增长到2034年的1990亿美元,相关经济贡献可能达到每年2.6-4.4万亿美元。然而,尽管市场前景广阔,关于人们如何实际使用AI智能体的系统性行为证据却非常有限。现有研究要么依赖非代表性的企业调查,要么专注于编程助手等特定领域,缺乏对通用AI智能体在开放网络环境中真实使用情况的全面了解。这种知识空白使得研究人员、企业和政策制定者难以准确评估AI智能体的实际影响和发展趋势,迫切需要基于真实用户数据的大规模实证研究来填补这一空白。
为解决这一研究空白,哈佛大学和Perplexity的研究团队进行了首个大规模现场研究,分析了Perplexity开发的AI浏览器Comet及其内置助手Comet Assistant的数亿次匿名用户交互数据。研究团队提出了一个创新的分层智能体分类法,将使用案例组织为三个层级:主题、子主题和任务。技术层面,研究采用了ReAct框架,该框架让智能体在思考、行动和观察三个迭代阶段中自动循环,以实现最终目标。思考阶段智能体解析查询目标并制定分步计划;行动阶段通过控制外部工具与环境交互;观察阶段处理环境反馈并调整计划。与传统的LLM聊天机器人相比,AI智能体不仅能够进行对话,更重要的是具备自主行动能力——大语言模型充当智能体的“大脑”,而工具则成为其“双手”,使其能够真正影响外部环境。
研究结果揭示了令人惊讶的用户行为模式:早期采用者、人均GDP和教育水平较高的国家用户,以及在数字技术、学术界、金融、营销和创业等数字或知识密集型行业工作的个人更倾向于采用或积极使用智能体。在具体使用场景方面,生产力与工作流、学习与研究两大主题占据了所有智能体查询的57%,而课程和商品购物两个子主题则占22%。在90个任务中,前10个任务就代表了55%的查询量。从使用目的来看,个人用途占55%,专业和教育环境分别占30%和16%。有趣的是,短期内使用案例表现出很强的粘性,但随着时间的推移,用户倾向于转向更具认知导向的主题。
Arxiv:2512.07828
关键词:AI智能体, 用户行为分析, 分层分类法
每天都有AI新发现,关注我
#LLM #大模型 #强化学习 #智能体 #多模态人工智能 #深度学习 #学术研究 #人工智能 #机器学习 #AI


