构建AI Agent最难的部分:Cloudflare给出的真实答案
这是一篇来自Cloudflare产品副总裁Rita Kozlov的实战分享整理。文章聚焦一个被低估的问题:AI Agent真正难的不是模型,而是系统设计、工具调用和人类参与。你将看到真实数据、架构拆解,以及为什么“把Agent跑起来”远比想象中复杂。
这是一篇来自Cloudflare产品副总裁Rita Kozlov的实战分享整理。文章聚焦一个被低估的问题:AI Agent真正难的不是模型,而是系统设计、工具调用和人类参与。你将看到真实数据、架构拆解,以及为什么“把Agent跑起来”远比想象中复杂。
在这场分享中,FactSet 的 Yogendra Miraje 直面一个企业级 AI 的核心难题:Agent 越聪明,越难控制。他提出“Agentic Workflow”这一折中路径,用规划、子目标拆解和蓝图设计,在自治性与可预测性之间建立工程化的平衡。
这场演讲从一个哲学问题出发:什么是“商店”?Adam Behrens给出的答案并不止于零售形态的变化,而是指出AI正在把买卖双方本身数字化。文章将带你理解:从实体店到电商,再到AI Agent,交易的本质如何被重塑,以及这对未来商业意味着什么。
LangChain创始人Harrison Chase分享了构建企业级AI Agent时最容易被忽视的核心问题:不是能力,而是可靠性。他用概率、风险感知和工程模式三个视角,拆解了为什么Agent在企业环境中“看起来聪明,却不敢用”。
Retool 产品负责人 Donald Hruska 直言:企业在 AI 上已经投入了半万亿美元,却大多停留在聊天机器人和代码补全阶段。真正的拐点,是“能接入生产系统、带护栏的 AI Agents”。这场演讲系统讲清了 agents 为什么今年才成立、难点在哪,以及企业该如何在“自建还是买平台”之间做出理性选择。
OpenAI发布ChatGPT Agent,被认为是迄今最强的智能体形态。本篇文章基于Sequoia AI Ascent的深度对谈,梳理其背后的关键洞见:为什么多轮对话只是起点,为什么“产品洞察”正在追上算力,以及AI开始真正接管长任务意味着什么。
Zep创始成员Daniel Chalef提出一个尖锐观点:AI Agent的记忆问题不在于检索不够聪明,而在于记忆建模从一开始就错了。他通过真实演示说明,单纯用向量数据库和RAG存“事实”,只会让无关信息污染记忆,最终放大幻觉。
这场演讲从一个现实问题出发:在复杂、密集的企业知识中,单纯依赖向量检索的RAG正在失效。Sam Julien结合真实系统演进过程,讲述了他们为何转向Graph-based RAG,以及这一转折带来的方法论启示。
这场演讲中,WhyHow 的 Tom Smoker 讲述了他们如何在诉讼与法律发现中使用知识图谱与多智能体系统。核心不在于更大的模型,而在于把零散、混乱的法律文本转化为可被 AI 推理、裁剪和决策的结构化图,从而真正影响律师的判断。
在这场由Neo4j三位核心成员分享的实践演讲中,GraphRAG被视为解决RAG幻觉、相关性不足和不可解释性的关键路径。文章梳理了GraphRAG的动机、方法论、技术流程与真实演示,解释为何“向量相似≠业务相关”,以及知识图谱如何让LLM变得更可靠。