人工智能Agent发展 - 大型语言模型（LLMs）为智能代理的发展带来希望，使其具备强大的学习和迁移能力[3] - LLM是Agent能力的增效器，提升了AI Agent的理解力和泛化能力，使其更好地处理多种任务和上下文信息[8] - AI Agent是Prompt工程的一种升级，核心在于自主性的增强，可有效完成某一工作点或工作单元，减少人的干预[9] - 大模型的Prompt工程将大模型视为工具来调用，通过描述角色技能、任务关键词等来实现输出[10] - Prompt工程的万能公式包括角色、角色技能、任务核心关键词、任务目标等，希望将其发挥到极致[11] AI Agent市场和应用 - AI Agent产品功能在商业产品落地中可能受限于市场发展早期，记忆和规划能力未必完全呈现[14] - AI Agent的长期记忆和短期记忆能力类似于人类的记忆分类，具有快速检索和持久存储的特点[16] - AI Agent的行动能力和记忆能力是学术概念下的关键功能点，商业概念也将逐步落地[14] - AI Agent的发展历程中，过去的AI Agent类型包括符号型智能体、反映型智能体等，强调智能体与环境的交互[5] - AI Agent的发展史上，研究者们一直在追求与人类相当甚至超越人类水平的通用人工智能[4] AI Agent在商业应用中的价值 - AI Agent在企业知识资产积累与复用中扮演着重要角色，能够建立有价值的企业流程知识库[35] - AI Agent能够快速提供知识资产给用户或系统，提高信息获取性和应用效率[35] - AI Agent依赖于大量数据进行训练和优化，通过与客户互动收集数据，为企业提供市场洞察和决策支持[39] - AI Agent可通过自动化完成繁琐的工作改善金融工作流程，嵌入工作流程中为公司生成文件和报告[48] - 金融领域中的AI Agent可参与的流程示例包括自动执行筛选股票、解析SEC文件和财报、投资者会议等任务[49]