大模型 Copilot 和 Agent 有什么区别？

大模型对产业的变革带来深远的影响

大模型发展到现在，对IT这个产业影响逐渐显现。搞应用的还没有赚到钱，卖铲子的英伟达发了，英伟达发布的最新的 Q1 财报，实现营收260亿美元，较去年同期增长262%，Q1净利润148.1亿美元，同比上升628%。也让英伟达的突破 1000 亿美金，市值超过 2.6 万亿美金。

当能正常情况下，未来应用才是大头，应用这块各种新的概念也层出不穷,目前主流应用分两类，一类是 copilot，一类是 Agent。那这两个分别是什么？对应有什么区别？本文简单来介绍下。

大模型典型技术栈

讲 copilot 和 Agent 的区别之间，大家需要对 AI 原生应用有一些基础了解，如果很熟悉的同学可以跳过往下翻。如果不了解的同学，可以再把我前面写的爆火文章看下：一次性把“AI 原生应用技术栈”说明白

（这个文章阅读量非常高，说明大家还是对这个话题非常感兴趣。）

大模型应用 Copilot 和 Agent 有什么区别

AI Agent（人工智能代理）和AI Copilot（AI 助手或搭档）都是人工智能技术的应用，但它们在功能和应用场景上有所不同。

AI Agent 是一种智能实体，它能够感知环境、进行决策和执行动作。AI Agent 通常具有自主性，能够根据给定的目标或任务，独立地进行规划、执行和反思。它们可以分解复杂任务，自我批评和自我反思，从错误中学习，并改善结果。AI Agent 可以被视为具有一定程度自主性和复杂推理能力的系统，它们可以在没有人类直接干预的情况下完成任务。

AI Copilot，另一方面，通常是指一个通过AI技术赋能的智能助手，它协助人类完成各种任务。AI Copilot 可能在特定领域（如编程、写作、驾驶等）提供帮助，通过与人类的交互来提高效率和创造力。AI Copilot 可能更多地依赖于人类的输入和指导，而不是完全自主地完成任务。

简而言之，AI Agent 更强调自主性和独立完成任务的能力，而 AI Copilot 更侧重于作为人类的助手，协助完成特定任务。AI Agent 可能在复杂性和自主性方面更为先进，而 AI Copilot 则更注重与人类的协作和辅助。

如果要详细对比，大模型agent和copilot的区别主要体现在交互方式、任务执行和独立性等方面。

交互方式：copilot需要用户给出清晰明确的prompt，即需要用户具体详细地描述任务或问题，copilot才能根据prompt给出有用的回答。相比之下，大模型agent的交互方式更为灵活，它可以根据给定的目标自主思考并做出行动，无需用户给出过于详细明确的prompt。

任务执行：copilot在接收到清晰明确的prompt后，可以协助完成一些任务，但它的执行能力相对有限。而大模型agent则可以根据目标自主规划并执行任务，还能连接多种服务和工具来达成目标，执行任务的能力更强。

独立性：copilot被视为一个“副驾驶”，在完成任务时更多的是起辅助作用，需要用户的引导。而大模型agent则更像一个初级的“主驾驶”，具有较强的独立性，可以根据目标自主思考和行动。

大模型agent和copilot的主要区别在于交互方式、任务执行和独立性。copilot需要依赖清晰明确的prompt来发挥作用，而大模型agent则可以根据目标自主思考和行动，具有更强的独立性和任务执行能力。

Copilot和 Agent 的一些最新进展

前面讲完 copilot 和 Agent，接下来简单介绍下两者的一些最新业界进展，供大家参考。

微软的 AI PC 具体是什么

应该说 copilot 更成熟，ChatGPT 出来的时候就是一个对话机器人形式，在 Copilot 这块玩得如火如荼的还是微软。

5 月 22日，微软的 build 2024 大会上，微软发布了下一代 AI PC，核心内涵就是 Copilot+PC。

微软直接在新的 PC 上提供了一个超级的 NPU（40TOPS），将 AI 的能力下沉到PC 中，本地模型和云上模型联动。

会上演示两个 demo，一个是玩游戏的过程，AI 能理解游戏的内容，并辅助给出指导

另外一个demo 是 recall，它能记录你在电脑上看到和做过的所有事情，并能让你搜索和检索你在设备上做过的任何事情。

Agent设计的四范式

相比而言，Agent 目前还处在很多探索中，相对而言不是那么成熟。

吴恩达教授最近在红杉 AI 峰会上讲述了他对 Agent 的一些看法，提出了四范式：

1. Reflection（反思）：类似于AI的自我纠错和迭代。例如，AI系统会检查自己编写的代码，并提出修改建议。

2. Tool Use（工具使用）：大语言模型调用插件，扩展了其能力。例如，使用Copilot进行联网搜索或调用代码插件解决数理逻辑问题。

3. Planning（规划）：AI根据用户输入的任务，拆解流程、选择工具、调用、执行并输出结果。例如，根据一张图片中的姿态生成一张新图片，并进行描述。

4. Multi-agent（多智能体协作）：多个Agent协作完成任务，每个Agent可能扮演不同的角色，如CEO、产品经理或程序员。这种模式模拟了现实生活中的工作场景，能够处理复杂系统

而且吴恩达认为，Agent 用得好，会让现在 OpenAI 3.5 的能力超过 OpenAI 4.0。

所以总的来说，现在业界对 Agent 都在积极探索中。后面有时间再给大家分享下 Agent 最新的一些发展。

好了，这次的关于 Copilot 和 Agent 的区别和最新进展的分享就到这里。

-----------------

欢迎加作者微信交流！

大模型长文本技术会颠覆 RAG 和 向量数据库吗？

一次性把“AI 原生应用技术栈”说明白

典型向量数据库 RAG E2E 能力