AI代理如何重塑数字工作流程

主动式AI代理的技术实现

在Yutori公司，我们正在构建主动式AI代理。与传统的反应式代理不同，主动式代理能够在用户指定关注内容后持续监控网络。从技术角度看，这可以理解为“封装在定时任务中的智能搜索”。

多模态LLM与浏览器自动化

我们使用多模态大语言模型（LLM），因为网站是为人类消费设计的，代理必须像人类一样“看到”网页。当API接口可用时（例如通过模型上下文协议MCP），代理会直接通过API获取信息。但对于长尾网站，我们开发了内部浏览器使用代理，这些代理通过截图感知网页，点击按钮并操作表单。

长期运行的强化学习代理

我们的Scouts产品展示了长期强化学习的能力。有些代理已经连续运行了10周，跟踪特定主题的叙事演变。这种持久运行的实体与典型的短寿命编码代理形成鲜明对比，后者通常只存活几次交互。

技术挑战与优化策略

• 智能频率调整：根据查询类型智能决定检查频率
• 沙盒环境：为写操作创建安全练习环境
• 错误成本控制：从只读产品开始，逐步扩展到写操作

未来技术方向

我们正在重新构想人类与数字世界的交互界面，需要两个关键技术组件：智能系统和生成式用户界面。未来的界面将根据用户查询动态生成，整合来自多个网站和来源的信息。

经济模型与技术整合

随着AI代理流量的增长，需要重新思考价值交换机制。当代理代表具有高度意图的人类访问网站时，可能产生新的经济激励，如代理付费访问或网站付费吸引相关意图的代理。