生产端的应用
相比于消费端，AI智能体作为生产力工具的潜力则更为巨大。在现实中，很多工作需要专业化的数据作为支撑，通用化大模型显然不能胜任，这就给专用型的AI智能体留下了空间。在实践中，人们已经用大模型训练了不少专用的AI智能体。比如，不久前北京大学团队发行了一款法律领域的AI智能体Chat Law，这款模型在大模型的基础上，投喂了大量的法律文本和判决文书进行训练，其专业能力已经可以满足一般性的法律咨询和文书写作的需求。
除了单一作业的AI智能体外，多智能体配合的模型也正在显现出越来越高的实用价值。
早在今年3月底，就有开发者在GitHub上挂出了一款名为AutoGPT的AI智能体模型。这款AI智能体可以调用GPT的能力支持，用户只需对其设定AI角色，以及需要达成的目标，它就可以自动地调动现在网上已有的各种大模型来共同完成人类安排的任务。很多人感叹，AI完全替代人类工作的时代可能真要来了——毕竟，GPT虽然可以替代人们完成很多任务，但任务的规划和调度还需要人来完成，而AutoGPT却把这些工作都直接接管了。不过，可能是由于模型性能的问题，当时的AutoGPT并没有能像预期的那样自动完成所有人们交给的任务，所以那些忧心AI会彻底替代人类的人才暂时把心放了下去。
原文链接：https://blog.csdn.net/qinglingye/article/details/132325921?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170018760416800188556576%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=170018760416800188556576&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-5-132325921-null-null.nonecase&utm_term=AI%E6%B3%95%E5%BE%8B%E5%92%A8%E8%AF%A2
