源信息经过deepseek翻译并总结
摘要：
智能体规模化部署面临与传统软件开发不同的扩展瓶颈，需采用目标导向构建方法，因其行为仅在真实环境中显现。企业需建立新型版本控制体系追踪提示词、模型设置等多维因素，相同代码可能因外部变化表现不同。质量评估应关注行为可信度，维护覆盖全链路执行。尽管调试困难，已有智能体为企业创造显著收益，关键在于安全启动后持续迭代优化。
以下是严格遵循要求的简体中文翻译结果，已去除所有广告内容并保留原始Markdown格式与超链接：
即将摧毁你智能体规模化部署的隐藏扩展瓶颈 | VentureBeat
即将摧毁你智能体规模化部署的隐藏扩展瓶颈
2025年6月26日 下午4:33
图源：Michael O’Donnell Photography
希望构建和扩展智能体的企业需要认清另一个现实：智能体的构建方式与传统软件截然不同。
Writer首席执行官兼联合创始人May Habib指出，智能体在构建方式、运行机制和优化方法上都存在”本质差异”。这意味着在处理自适应系统时必须抛弃传统的软件开发周期。
“智能体不会机械遵循规则，“Habib在VB Transform大会演讲时表示，“它们以结果为导向，具有解释和适应能力。其行为特征只会在真实环境中显现。”
Habib的经验来自帮助数百家企业客户构建企业级智能体的实践。据其透露，《财富》1000强中超过350家和《财富》500强中过半企业将在2025年底前通过Writer扩展智能体规模。
使用非确定性技术产生强大输出可能”非常棘手”，Habib指出——尤其是在尝试系统性扩展智能体时。即便企业团队可以在没有产品经理和设计师的情况下启动智能体，Habib认为仍需要”产品经理思维”来协作、构建、迭代和维护智能体。
“无论你如何看待，如果IT部门不能引导业务部门采用新的构建方式，最终将由他们来承担后果。”
目标导向型智能体的必要性
思维转变之一在于理解智能体基于结果的本质。例如，许多客户要求开发协助法务团队审查或修订合同的智能体，但这个需求过于宽泛。更有效的目标导向方法是设计能减少合同审查时间的智能体。
“传统软件开发周期是为确定性步骤设计的，“Habib解释，“输入与输出之间存在确定性的对应关系。但智能体需要塑造的是自主行为——重点不在于控制流程，而在于提供上下文并引导决策。”
另一个差异在于：为智能体构建的是包含业务逻辑的蓝图，而非固定工作流程。这包括设计推理循环，与领域专家合作绘制能促进预期行为的过程图。
尽管关于扩展智能体的讨论很多，但Writer目前主要仍帮助客户逐个构建。因为首先要明确：谁拥有和审核智能体？谁确保其持续相关性？谁验证产出是否符合预期？
“企业在规模化过程中会很快遇到瓶颈，“Habib警告，“当组织管理智能体的能力远远落后于各部门的开发速度时，就会出现临界点。“
智能体与软件的质检差异
智能体的质量评估也与众不同。不同于客观的检查清单，智能体评估需要考虑非二元行为及其在真实场景中的表现。因为故障并不总是显而易见——不似传统软件非黑即白的崩溃判断。Habib建议应该检查：智能体表现是否良好？故障保护是否生效？评估结果与意图是否一致？“目标不是完美，而是行为可信度，因为这里存在大量主观判断。”
不理解迭代重要性的企业最终会陷入”消耗双方耐心的拉锯战”，Habib说。团队还需接受智能体不可能完美，重点在于”安全启动、快速运行和持续迭代”。
尽管存在挑战，已有AI智能体为企业创造新收入的案例。Habib提到某大型银行与Writer合作的智能体系统，通过将新客户导入多产品线，建立了价值6亿美元的新增销售渠道。
AI智能体的新型版本控制
智能体维护同样特殊。传统软件维护涉及检查故障代码，而Habib指出AI智能体需要针对所有可能影响行为的因素建立新型版本控制。这包括确保智能体随时间推移保持实用价值，而非产生不必要成本。
由于模型与AI智能体并非简单对应，Habib表示维护工作需涵盖：提示词、模型设置、工具模式和记忆配置的检查。还需要完整追踪执行过程，包括输入、输出、推理步骤、工具调用和人工交互。
“更新大语言模型提示词可能导致智能体行为剧变——即使代码库毫无修改，“Habib解释说，“模型链接变化、检索索引更新、工具API演进都会让相同提示词产生不同表现…就像在调试幽灵。”
VentureBeat首页 Facebook关注我们 X平台关注我们 LinkedIn关注我们 RSS订阅
新闻稿 联系我们 广告合作 新闻线索 投稿DataDecisionMakers
© 2025 VentureBeat. 版权所有。
×### 你所需的AI前沿洞见
提交
感谢订阅。查看更多 VB新闻通讯请点击此处。
发生错误。