2025 年也被叫做 Agent 元年，眼看年末将至，Agent 在实际生产环境中的真实落地的怎么样了？伯克利，IBM和斯坦福联手做了一份研究报告，基于 306 名一线从业者的调研数据与 20 个深度企业案例分析，不仅回答了这个核心问题，也着力缩小学术研究和实际部署之间的差距；
? 研究首先回答了几个问题：
- 使用Agent的动机是什么？
提高生产力和效率是 Agent 被采用的主要驱动力（72.7%），其次是减少人工任务工时（63.6%）和自动化常规任务（50.0%）
- 应用Agent的行业领域有哪些？
和学术研究中最高频提到的编程不同，实际部署最多的领域分别是金融与银行：39.1%，技术：24.6%，企业服务：23.2%，数据分析：13.0%
- Agent的最终用户是谁？
绝大多数部署的Agent是服务于人类用户（92.5%），其中内部员工占52.2%，C端用户占40.3%，企业部署倾向于内部部署，这样容错率较高，调整起来也比较灵活；
?关于Agent的实际部署，我总结了以下几点启示：
- 可靠性大于一切，需要有意识的限制Agent自主性：
实际部署过程更偏爱预定义的、结构化的静态工作流，而不是让模型动态自主规划；同时，大多数系统（68%）将Agent自主执行的步骤限制在10步以内；
- Prompt工程仍是主流，优先选择闭源模型：
与学术研究青睐开源模型 + SFT/RL训练不同，多数Agent部署依赖于闭源的前沿模型，，将重点放在提示工程，没有进行额外的权重调整；85% 团队选择从头构建定制的 Agent 应用，而不是使用第三方Agent框架；
- 评估体系仍是硬伤，人类评估不可或缺：
由于缺少具备行业特征的测试集，74.2% 的已部署的Agent仍然依赖于人工评估。就算有一半以上的团队用了 LLM-as-a-judge，最后也会用人工评估来兜底；
- 相比起系统延迟，更注重输出质量；
可能更多服务的是企业内部用户，所以，相比起延迟，大部分团队更看重输出的质量和实际能力，超过 60% 的系统都能接受分钟级的响应时间；
?在Agent未来发展上，有这么几点：
- 提升自主性和可靠性；
- 故障检测和观测机制；
- 样本效率更高的后训练方法；
- 更好的架构框架；支持多模态；
- 用于潜力更大的软件操作应用场景；
#chatgpt应用领域 #AI人工智能 #ai研究 #prompt #大模型
? 研究首先回答了几个问题：
- 使用Agent的动机是什么？
提高生产力和效率是 Agent 被采用的主要驱动力（72.7%），其次是减少人工任务工时（63.6%）和自动化常规任务（50.0%）
- 应用Agent的行业领域有哪些？
和学术研究中最高频提到的编程不同，实际部署最多的领域分别是金融与银行：39.1%，技术：24.6%，企业服务：23.2%，数据分析：13.0%
- Agent的最终用户是谁？
绝大多数部署的Agent是服务于人类用户（92.5%），其中内部员工占52.2%，C端用户占40.3%，企业部署倾向于内部部署，这样容错率较高，调整起来也比较灵活；
?关于Agent的实际部署，我总结了以下几点启示：
- 可靠性大于一切，需要有意识的限制Agent自主性：
实际部署过程更偏爱预定义的、结构化的静态工作流，而不是让模型动态自主规划；同时，大多数系统（68%）将Agent自主执行的步骤限制在10步以内；
- Prompt工程仍是主流，优先选择闭源模型：
与学术研究青睐开源模型 + SFT/RL训练不同，多数Agent部署依赖于闭源的前沿模型，，将重点放在提示工程，没有进行额外的权重调整；85% 团队选择从头构建定制的 Agent 应用，而不是使用第三方Agent框架；
- 评估体系仍是硬伤，人类评估不可或缺：
由于缺少具备行业特征的测试集，74.2% 的已部署的Agent仍然依赖于人工评估。就算有一半以上的团队用了 LLM-as-a-judge，最后也会用人工评估来兜底；
- 相比起系统延迟，更注重输出质量；
可能更多服务的是企业内部用户，所以，相比起延迟，大部分团队更看重输出的质量和实际能力，超过 60% 的系统都能接受分钟级的响应时间；
?在Agent未来发展上，有这么几点：
- 提升自主性和可靠性；
- 故障检测和观测机制；
- 样本效率更高的后训练方法；
- 更好的架构框架；支持多模态；
- 用于潜力更大的软件操作应用场景；
#chatgpt应用领域 #AI人工智能 #ai研究 #prompt #大模型
