什么是 Agentic AI？

以下是 Agentic AI 系统的关键功能。

主动性

Agentic AI 会主动采取行动，而非等待直接输入。传统系统是被动系统，仅在触发并遵循预先定义的工作流程时才会进行响应。相比之下，智能体式系统可以预测需求，识别新出现的模式，并在潜在问题升级之前主动将其解决。其主动行为是由环境意识和根据长期目标评估结果的能力所驱动的。

例如，在供应链环境中，传统物流平台会在用户签到时或通过定期通知更新交付状态。但是，Agentic AI 系统可以监控库存水平，跟踪天气状况，并预测运输延迟。它可以主动发出警报，甚至改变运输路线，以减少停机时间。

适应性

Agentic AI 的一个关键特征是它能够适应不断变化的环境和特定领域。传统的 SaaS 解决方案专为跨行业扩展和处理重复性任务而构建，但它们通常缺乏深度，无法理解特定领域的特定情况。智能体系统通过使用背景感知和领域知识来填补这一空白，使智能体能够做出智能响应。其根据实时输入调整操作，可以处理标准解决方案无法处理的复杂场景。

例如，虽然通用客户服务平台可能会使用预定义的答案进行响应，但支持医疗保健提供者的 Agentic AI 系统可以理解医学术语并遵守医疗法规。它可以适应不断变化的患者担忧，并提供更准确、更符合背景变化的支持。

协作性

Agentic AI 旨在与人类和其他 Agentic AI 系统协作。智能体是更广泛团队的一员。它们可以理解共同的目标，解读人类的意图，并相应地协调行动。它们在需要人工监督或通过考虑多个来源的输入来做出决策的环境中表现良好。

例如，治疗规划智能体可以与多个不同的医疗团队进行协调，为癌症患者制定综合治疗和随访计划。

专业性

Agentic AI 通常构建在多个超专业智能体的基础之上，每个智能体都专注于一个狭窄的专业领域。这些由人工智能提供支持的智能体相互协调，共享洞察，并根据需要移交任务。这种方法可以显著提高特定领域的性能。

例如，在金融服务领域，一个智能体可能擅长监管合规，而另一个智能体擅长欺诈检测，另一个智能体擅长投资组合优化。通过合作，它们可以实时监控交易，标记异常情况，并提出投资调整建议，同时保持监管合规性。

使用 Agentic AI 为企业带来多种好处。

提高效率

智能体使企业能够通过自动化简化复杂性，从而应对各种挑战性或特殊任务。使用 Agentic AI 可以自动化繁琐的流程，而不是依赖人工驱动的手动操作，从而为员工腾出时间。您的员工可以将 Agentic AI 所节省出来的额外时间用于更艰巨的任务，例如解决问题、进行战略规划和发掘其他增长驱动力。

提高用户信任度

Agentic AI 在与客户互动时，可以提供更高程度的个性化设置。通过利用现有的客户数据，Agentic AI 可以快速生成量身定制的消息，以客户偏好的语气与客户互动，并提供实用的产品推荐。随着时间的推移，Agentic AI 改进了客户关系，并在客户与您的企业之间建立信任。

企业还可以利用智能体来分析客户反馈，识别最常出现的信息，并将其提供给产品工程师。它还可以直接回应那些留下反馈的用户，创建积极的反馈循环，让客户感到贵公司在认真对待他们的反馈。

持续改进

Agentic AI 可以不断学习和改进，适应分配给它的任何任务。它可以进行交互，从反馈中学习，并根据这种递归循环优化决策。对于企业而言，这意味着随着时间的推移，它将继续以越来越高的水平提供好处。

人工增强

Agentic AI 可以作为人类智能体的绝佳协作工具，提高其生产力，减少他们必须完成的繁重手动任务的数量。通过与 Agentic AI 模型合作，人类智能体可以应对复杂的挑战，自动化困难的决策路径，并提高其效率。

Agentic AI 智能体通过使用结构化的路径来运作，而该路径分为四个阶段：感知、推理、行动和学习。该过程的每个阶段都集成了几种先进的人工智能技术和方法。

感知

在感知阶段，智能体从一系列不同的来源收集实时数据，摄取结构化、半结构化和非结构化数据。智能体直接与 RESTful API、gRPC 服务和 GraphQL 端点进行交互，以便根据需要从云平台、企业系统和 SaaS 应用程序中摄取数据。

在某些遗留系统或需要与大量文档环境进行交互的系统中，最佳的字符识别技术（OCR）和自然语言处理可以帮助在扫描的文档中进行筛选，以获取相关信息。在感知阶段，智能体还会处理数据，根据其任务背景来确定哪些是有用数据。

推理

推理阶段由 LLM 提供支持，这些 LLM 帮助解释模型所拥有目标的背景，制定要遵循的行动计划，并使用通过感知阶段获得的新信息进行实时调整。LLM 采用了各类模型，这些模型利用语义推理、错误处理并根据任何模糊的用户输入进行调整。

除了在此阶段处理想法和制定策略外，一些 LLM 还使用预测性机器学习模型来管理复杂的问题。例如，预测性机器学习模型可以预测需求的激增，从而为未来的使用案例做好更充分的准备。

在此阶段，LLM 使用长期记忆系统来确保情境和背景相关的任务在整个过程中保持一致。

行动

在行动阶段，Agentic AI 采取行动，有效地实现推理阶段设定的目标。由于 Agentic AI 可以访问每个这些外部软件系统上管理员安装的插件，因此，它可以直接与这些第三方应用程序交互，并在这些第三方应用程序上运行任务。

行动阶段编排了智能体模型随后将按顺序处理的几个子任务，具体操作包括编译代码、与软件和文档进行交互、运行模拟、迁移应用程序，以及在第三方应用程序中执行功能。对于某些 Agentic AI 模型，操作由人机回圈系统进行控制，开发人员必须验证模型正在做什么并批准其操作。

模型所采取的行动都受到密切监控和记录，从而允许企业能够与治理保持一致，保护他们对这项技术的使用。

学习

Agentic AI 的学习阶段使这些模型能够不断改进其功能和有效性。该智能体利用近端策略优化（PPO）和 Q-learning 等强化学习技术，根据更广泛系统内特定任务的成功程度来完善行动。

智能体向自主智能体、LLM 学习，或通过人工反馈学习，所有这些都可以对系统进行微调，以改进其功能。模型可以使用几个指标来跟踪其性能，包括延迟、置信度和成功率。多智能体通常将学习分布在不同的智能体上，在公共记忆层中共享信息以增强整个系统的性能。

随着时间的推移，这种强化学习方式可以利用成功的迭代来改进其整体功能并不断提高效率。

Amazon Bedrock 是一项完全托管的服务，提供一系列行业领先的基础模型（FM），以及构建生成式人工智能应用程序所需的广泛功能。Amazon Bedrock 智能体使用 FM、API 和数据的推理，以分解用户请求、收集相关信息并高效地执行任务。构建智能体简单快捷，只需几步即可完成设置。Amazon Bedrock 支持：

• 记忆保留，以实现无缝的任务连续性
• 多智能体协作，在主管智能体的协调下建立多个专业智能体
• Amazon Bedrock 护栏，实现内置的安全性和可靠性。

AWS 推出了一个开源工具包，其中包含越来越多的入门智能体目录，专为医疗保健和生命科学使用案例而构建。

AWS Transform 是首款用于转换 .NET、大型机和 VMware 工作负载的 Agentic AI 服务。这项服务是基于 19 年来积累的丰富迁移经验而构建的，它部署了专用的智能体来自动执行复杂的任务，例如评估、代码分析、重构、分解、依赖关系映射、验证和转换规划。它可以帮助各个组织同时对数百个应用程序进行现代化改造，并保持高质量和控制力。

Amazon Q Business 是一款生成式人工智能助手，旨在帮助您在工作中查找信息、获得洞察和采取行动。它将 Agentic AI 创造的权力交到每一位员工手中。任何人都可以用它来创建轻量级 Agentic AI 应用程序，这些应用程序可以与常见的企业软件进行交互，并自动执行重复性任务。

立即创建免费账户，开始在 AWS 上使用 Agentic AI。