文 | 黄锦辉

今年国家《政府工作报告》提出“持续推进人工智能 + 行动”，锐意提升工商业界“新质生产力”，稳固及促进国家内外经济循环战略的发展。在近期复杂多变的世界营商环境之下，这些政策对国家尤其关键。“人工智能+”目标是推动业界善用人工智能技术，因时制宜，研发创新应用，为业界用户的生产链和服务链提效、提质、提量。有效研发“人工智能+”系统，须利用相关的领域知识做训练，定制专用的大数据模型。

然而，以应用主导所开发的人工智能系统的应用范围自然有所局限。这样“专学专用”的做法对提升生产力无可厚非，但却难以满足科研界的期望。例如，OpenAI、DeepSeek、谷歌等公司的研究团队均以研发“安全可靠、造福人群的人工智能技术”为己任。就此，各公司都努力研发“多任务”运行算法，生成“大型语言模型”。以“大型语言模型”为知识库的人工智能系统，提供通用智慧的功能，能同时提供例如“问与答”、“讯息检索”、吟诗作对、作曲作词、编写程序等服务，业界称之为“通用人工智能”（AGI）。

因应不同场景处理任务

与“通用人工智能”相比，透过“推进人工智能+行动”，业界会产出不同领域特定的知识库，以及相应的垂直型“人工智能代理”。由于“AI代理”非常聚焦，它可就所属领域提供高效、可靠的服务，能避免AGI因背景资料不足而经常产生“幻觉”的不良效果。所以，“人工智能代理”贵专，利用它来提升特定应用效能在业界日益普及；与此同时，科学家亦努力研究“既专且通”、知识“既深且广”的代理人架构，利用“多模型”系统操作，推出“代理式人工智能”。

简单而言，“代理式人工智能”是由多种特定应用领域及功能的模型或“AI代理”而组成，可以因应不同应用场景及用户“提示”处理不同任务。它能将任务拆解为一个个子任务，一方面因应不同领域需求而作出任务（“AI代理”）调动，另一方面透过资料检索、工具操作、计算机运算、生成图表等功能去执行任务，提供高质高效的回应。同时，“代理式人工智能”会持续对这些多模型进行迭代与优化，不断地提升回应的准确性与效率。

系统操作主要三个步骤

在系统结构上，“代理式人工智能”系统的操作主要包括3个步骤：

（1）指令：系统从应用场景中接收输入讯息，例如用户的提示、环境资讯（如天气、交通）等，继而进行分析、理解和优化，最后转化成为“机器可读”的指令。这步骤需要系统的“短期记忆”的扶持，使分析器可以利用“背景”资料，避免系统与现实应用环境脱节，发错指令（问错问题），回应便难免会离题万丈。

（2）策划：在这步骤因应指令需求，系统自主决定采用哪些“AI代理”及工具，并制定工作流程。就此，系统会利用自身的知识库（即“大型语言模型”）来作决策。这里要注意的是“冷起动”的问题。创科日新月异，人工智能的新代理、新工具层出不穷，“系统”必须跟上潮流，经常更新，并把新部件的资料融入现有操作环境中。然而，这样的内部软件系统嵌入及资料更新并不是轻而易举之事。

（3）执行：系统最后在执行指令时，还要谨慎，必须做好评测，确保执行及回应的可靠性。再者，系统会纪录所有指令及回应，经整理之后构建与任务相关的“思维链”（Chain of Thoughts, CoT），以作下一步推理之用，以及向用户提供“可解释人工智能”服务，提升“系统”的可信性。

概括而言，“代理式人工智能”和“人工智能代理”密切相关。前者能自主策划工作流及任务，而后者则负责任务的具体实行。从工程管理学看，“代理式人工智能”犹如工程项目经理，负责策划项目流程，派发工作予不同工程师（“AI代理”）、推动执行、然后监督他们的进度，有需要时作出适当的策划调整。

最后，香港政府正积极地推行“AI+政府”行动，笔者建议政府也可多采用“代理式人工智能”架构。政府可以利用自己研发的HKAGI“大型语言模型”为基础，针对性地为不同部门制造垂直型的“AI代理”，然后组织一个政府“代理中心”，把各部门的“AI代理”集中管理，向用户提供“代理为服务”（Agent as a Service, AaaS）。与此同时，利用政府自己研发的HKAGI开发一个策划引擎，透过政府AaaS平台，统筹及调用各部门的“AI代理”，从而促进政府部门与部门之间的人工智能系统之“互操作性”，提升政务效率。

（作者系全国政协委员、香港立法会议员，文章仅代表作者个人观点）