2025年作为Agent发展元年，Manus敲响了AI 应用大发展的号角，各种Agent应用层出不穷。这些智能体基本框架是怎样的，哪些更有前景？

最近在海外看到一张「2025 年 AI Agent 技术趋势全景图」，觉得非常精彩，分享出来和大家交流。

这张图是《Agentic AI：利用 AI 代理重塑商业与工作》作者拉凯什·戈赫尔所做，看趋势图之前，可以先看这张涵盖LLM Workflow、RAG、AI Agent、Agentic AI等常见概念名词的解读。

再来重点看这张趋势图，把未来一年最有可能落地的 Agent 形态、核心协议栈、工程框架与典型场景全部压缩在一张图里，非常清晰明了帮助大家完整理解Agent。

1

中心主题

中间的圆环标明了 2025 AI Agent Trends 的六大类趋势：

• Agentic RAG（推理型检索增强生成）

• Voice Agents（语音智能体）

• CUA（Computer Using Agents，能像人类一样操作电脑的智能体）

• Coding Agents（代码智能体）

• Deep Research Agents（深度研究型智能体）

• Agent Protocols（智能体协议）

六大Agent趋势的外圈是代表产品，圆圈四周是每个Agent的流程图。我们来具体解读下，这里在每个Agent领域，鲸哥增加了国内这个类型的代表产品。

6大 Agent 模式

1

Agentic RAG

定义：一种结合检索与推理的 AI 智能体工作流，用于实时数据检索和生成。

流程：

• Memory（记忆）：保存上下文信息

• Planning（规划）：确定任务步骤

• System Prompt（系统提示）：定义任务逻辑

• Agent（智能体）：执行任务

• Tools（工具） + Vector Search（向量搜索） + Knowledge DB（知识库）：从外部数据库检索信息

• Generate（生成）：输出结果

国外代表：

• PerplexityAI：主打即时信息检索+引用来源，类似搜索引擎+AI顾问

• Harvey：面向法律行业的专业推理与检索

• Glean：企业内部知识检索与智能问答

国内代表：

• 秘塔AI搜索：聚焦本地化搜索+实时问答

• 百度文心一言 + 搜索增强：结合百度搜索做事实检索

• 360纳米搜索：整合360搜索的即时信息流

2

Voice Agents

定义：通过自然语言与用户交互的智能体，支持语音输入与输出。

• STT（Speech-to-Text） 将语音转文字

• Embedding Model + Retrieval API + Vector DB 处理信息

• Agent 进行任务执行

• TTS（Text-to-Speech） 将结果转为语音

• 可接入 Gmail、Telephony 等渠道

场景：智能客服、语音助理、电话机器人

国外代表：

• OpenAI GPT-4o Voice：多模态对话，低延迟语音交互

• Alexa LLM（亚马逊）：智能家居+语音助手

• Apple Siri（升级版）：与Apple Intelligence结合的智能助手

• Meta’s Voicebox（研发中）：多语言语音生成

国内代表：

• 豆包：强实时语音识别与合成

• 小爱同学（小米）：深度嵌入IoT生态

• 天猫精灵（阿里）：智能家居+购物语音控制

• 华为小艺：跨设备语音助手

3

CUA（Computer Using Agents）

定义：能够像人类一样操作电脑的软件和界面。

• 使用 语言模型 解析用户指令

• 获取 桌面环境数据（Desktop Sandbox）

• 结合 Vector DB、Memory、第三方工具（如 Stripe、DoorDash） 执行任务

场景：自动化办公、桌面软件操作、RPA（机器人流程自动化）

国外代表：

• Devin（Cognition AI）：能直接在电脑环境中开发、调试、部署代码

• MultiOn：能代替用户操作网页、表格、日历等

• Adept ACT-1（研发暂停）：早期探索自动化办公

国内代表：

• 扣子空间（字节跳动）：低代码构建多场景桌面操作

• MuleRUN：具备系统级操作的能力

• Fellou：网页与桌面操作的自动化执行

  

4

Coding Agents

定义：能 10 倍速构建和调试应用的 AI 智能体。

• 用户提出 Query

• Agent 选择合适工具执行（代码生成、调试、测试）

• 输出成品代码或测试结果

工具链：

• Code Generator：生成代码

• Code Debugger：调试代码

• Test Runner：自动化测试

场景：软件开发、自动化调试、代码审查

国外代表：

• GitHub Copilot Workspace：支持从需求到部署的全链路编码

• Cursor：IDE级AI编程助手

• Replit Agents：可多步生成、运行、调试代码

国内代表：

• 通义灵码（阿里）：嵌入IDE的代码生成与调试

• 百度Comate：结合文心大模型的智能编程工具

• 字节Trae：全流程的AI IDE产品

5

Deep Research Agents

定义：多智能体协作，构建深度研究型报告。

• 用户需求 → Aggregator（聚合器）

• 分发给多个 Sub-Agent（子智能体）

• 各自检索、引用（Citation Agent）、分析

• 聚合输出报告

场景：市场调研、学术研究、情报分析

国外代表：

• OpenAI Deep Research（2025新功能）：多Agent长期调研

• Perplexity Pro Search：支持多步调研与引用

• LangChain + Agents：自定义研究工作流

• Vulcan Research AI：行业情报自动生成

国内代表：

• 夸克深度搜索：支持多轮长程研究

• 阿里通义助理 Deep Search：针对行业报告和市场分析

• 百度文心智研：自动生成调研大纲与全文

6

AI Agent Protocols

定义：统一的多智能体通信协议，简化跨平台协作。

关键技术：

• MCP、ACP、A2A（Agent-to-Agent） 协议

• Google ADK、LangGraph、Cisco SLIM

• Agent 发现与连接

• 任务流转与结果回传

• 支持流式与非流式数据处理

意义：打通不同智能体和工具间的交互，形成互通生态

国外代表：

• Google AI Device Kit（ADK）：多Agent跨设备调用

• LangGraph：可视化多智能体协作编排

• Cisco SLIM：企业级Agent通信标准

• OpenAI MCP（Model Context Protocol）：跨模型的上下文共享

国内代表：

• 字节跳动Coze协议层：支持不同Bot的消息与任务协作

• 阿里云AgentFlow：跨Agent编排与协议转换

• 腾讯云智链协议：支持企业多Agent互通

• 华为MetaAgent标准：IoT与大模型互通协议

整体趋势总结

戈赫尔还制作了Agent L1-L5的发展标准：

Level 5 – 完全自治智能体

• 具备自我改进能力，完全自主

• 持续学习与推理

• 无需人工干预

---

Level 4 – 半自治智能体

• 以目标为驱动，具备多模态感知

• 能感知复杂环境

• 能基于过往经验进行规划

---

Level 3 – 智能体工作流

• 能基于反馈进行推理和学习

• 具备自然语言理解

• 工具编排

---

Level 2 – 智能自动化

• 基础AI系统，自治性有限

• 简单机器学习用于模式识别

• 提供部分决策支持

---

Level 1 – 基于规则的自动化

• 刚性、基于规则的系统，无学习能力

• 简单的 if-then 逻辑

• 手动使用工具完成操作

• 无适应性和智能

   如何学习AGI大模型？

  作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

  因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

  **

  一、2025最新大模型学习路线

  一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

  我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

  

  L1级别:AI大模型时代的华丽登场

  L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

  

  L2级别：AI大模型RAG应用开发工程

  L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

  

  L3级别：大模型Agent应用架构进阶实践

  L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

  

  L4级别：大模型微调与私有化部署

  L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

  

  整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

  二、大模型经典PDF书籍

  书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

  

  三、大模型视频教程

  对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

  

  四、大模型项目实战

  学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

  

  五、大模型面试题

  面试不仅是技术的较量，更需要充分的准备。

  在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

  
  因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取