機器之心報道

編輯：杜偉

2025 年被很多人稱為 Agent 爆發(fā)元年，它們可以極大地具像化大模型的能力，并改變 PC、移動等端側(cè)人機交互的范式，尤其是跨場景的多任務(wù)自動執(zhí)行顯著提升了操作的便捷性和智能化程度。

自年初首個通用 Agent 產(chǎn)品 Manus 出現(xiàn)以來，Agent 受到了前所未有的關(guān)注，互聯(lián)網(wǎng)大廠和大模型初創(chuàng)企業(yè)將它作為競逐的 AI 重心之一，并利用MCP、A2A 等協(xié)議擴展 Agent 的能力邊界以及賦能的應(yīng)用場景。

昨日，在火山引擎 Force 2025 大會上，除了最新版本的豆包大模型 1.6 系列之外，Agent 成為另一個焦點。

大會開發(fā)者主論壇以「基于 AI 云原生的 Agent 開發(fā)新范式」為主題，展示了全面升級的「扣子」如何利用 Agent 來重塑生產(chǎn)力。

扣子羅盤技術(shù)負責人王新盟

全新升級后的扣子已經(jīng)由原來的 Agent 開發(fā)平臺進化為了一個「全生命周期平臺」，覆蓋了以下四大組成部分：

• 扣子開發(fā)平臺，低代碼 Agent 開發(fā)；
• Eino框架，開源的大模型應(yīng)用開發(fā)框架，全代碼開發(fā)；
• 扣子羅盤，Agent 效果調(diào)優(yōu)；
• 扣子空間，Agent 協(xié)作。

可以說，更完備的扣子產(chǎn)品矩陣進一步適應(yīng)大模型時代多樣化的 Agent 開發(fā)、調(diào)優(yōu)需求，最大可能地提供智能化的體驗。

我們接下來一一來看。

Agent 終于有了「全生命周期」平臺

首先是扣子開發(fā)平臺，作為新一代 AI 應(yīng)用開發(fā)平臺，旨在讓沒有任何代碼開發(fā)經(jīng)驗的人也能快速、低門檻地構(gòu)建基于大模型的 Agent 或應(yīng)用，并支持一鍵發(fā)布到飛書、微信公眾號、豆包等渠道。

總結(jié)一波，扣子開發(fā)平臺從智能體 IDE、應(yīng)用 IDE、豐富的插件和工作流模板以及企業(yè)級安全能力四大方面來賦能 Agent 開發(fā)體驗。

其中智能體 IDE 方便開發(fā)者高效地開發(fā)、調(diào)試 Chatbot 類的 Agent，還提供上千個插件供開發(fā)者使用，支持搭建工作流并利用基于火山引擎搭建的知識庫；同時基于火山方舟平臺，支持了業(yè)界大多數(shù)模型；打通主流發(fā)布渠道，尤其是 C 端，比如豆包、飛書、微信、抖音、小程序等渠道，讓用戶更方便地使用基于扣子搭建出的 Agent。

此外，一些開發(fā)者仍然希望通過拖拉拽的方式搭建 GUI 形態(tài)的應(yīng)用，針對這種特定的開發(fā)需求，2024 年上線的應(yīng)用 IDE 賦予了大模型的能力。企業(yè)級安全與數(shù)據(jù)保護能力支持私網(wǎng)連接客戶的 VPC（虛擬私有云），避免了公網(wǎng)訪問帶來的一些潛在風險。

不僅如此，為了達到低門檻、零門檻構(gòu)建 Agent 的目的，預置的大量 Agent 模板讓開發(fā)者可以一鍵復制，快速構(gòu)建一個成熟可用的 Agent，比如智能客服助手模板、文章轉(zhuǎn)博客模板、智能助教模板，實現(xiàn)了開箱即用。

扣子開發(fā)平臺讓零基礎(chǔ)開發(fā) Agent 成為了可能，而面對更習慣寫代碼的開發(fā)者，同樣推出了一個Agent 構(gòu)建框架 ——Eino，并進行開源。

作為一個用 Go 語言編寫的 LLM 應(yīng)用開發(fā)框架，Eino 既從 LangChain 和 LlamaIndex 等開源社區(qū)的優(yōu)秀框架中汲取靈感，又借鑒了實際應(yīng)用，兼顧簡潔性、可擴展性、可靠性與有效性。

Eino 的亮點之一在于將 Agent 開發(fā)的一些核心模塊，比如 Chat Template、Document 解析、Embedding 模型、Retriever 檢索等提煉成了一些標準化組件。這樣一來，無論是對于開源或閉源模型，還是在代碼中處理文檔或者向量數(shù)據(jù)，都可以通過抽象好的統(tǒng)一接口進行調(diào)用。

同時面對復雜任務(wù)拆解和多工具協(xié)同，Eino 提供了靈活的編排能力，通過可視化拖拽或者代碼開發(fā)的方式來輕松編排一個 Agent 流程。此外還支持完善的流處理功能，并提供了極強的工具鏈。

目前，字節(jié)內(nèi)部基于 Eino 開發(fā)的系統(tǒng)數(shù)量已經(jīng)超過了 300，在 GitHub 上的星標數(shù)量達到了 4.3k，這表明越來越多的內(nèi)外部開發(fā)者都開始對使用該框架開發(fā) Agent 產(chǎn)生了興趣。以抖音電商為例，基于 Eino 搭建的智能客服工作流程可以讓 Agent 代替人工客服，整體效率提升了 50% 以上。

GitHub 地址：https://github.com/cloudwego/eino

上面這些內(nèi)容都是關(guān)于 Agent 的搭建，但搭建成功只是完成了第一步，還需要持續(xù)的優(yōu)化迭代以及全生命周期的運用。火山引擎通過扣子羅盤構(gòu)建了 Agent 全生命周期體系，貫穿 Agent 開發(fā)、效果評測、線上觀測和效果優(yōu)化等四個階段。

其中開發(fā)階段主要涉及撰寫和調(diào)試 Prompt、搭建工作流（知識庫、MCP）， 可以選擇以低代碼或全代碼方式完成；接著進入評測階段，通過 Agent 的效果量化來判斷是否達到了準出標準；在發(fā)布上線之后進入第三個階段 —— 觀測，通過實時收集和分析線上運行的數(shù)據(jù)，讓 Agent 從黑盒運行變成透明決策；最后到了線上調(diào)優(yōu)階段，針對暴露出的每一個問題進行精準的分析與解決。

當然，并不是到調(diào)優(yōu)階段就停止了，相反優(yōu)化后的 Agent 會重新進入到新一輪的開發(fā)、效果評測、線上觀測以及效果優(yōu)化，如此循環(huán)往復，達到用戶滿意為止。

再具體到效果評測階段，扣子羅盤在評測流程方面做到了以下四點：

• 靈活的評測集版本管理，讓開發(fā)者方便地管理和生成評測集。未來也會預置更多評測集，并開箱即用；
• 評測對象支持 Prompt、扣子 Agent，未來還將基于A2A協(xié)議支持自定義 Agent；
• 預置大量開箱即用的評估器，覆蓋通用 Agent 評測的各個方面，包括任務(wù)完成度評估、正確性評估、工具選擇評估以及軌跡評估等，并成為國內(nèi)首家支持 Agent 軌跡評估的線上商業(yè)化平臺；
• 豐富的評測報告以供直觀的查看與分析。

到了線上觀測階段，則需要一整套的觀測體系來洞察 Agent 的運行情況，包括運行性能（token 消耗、請求量和能力）、運行效果以及用戶的問題以及分類。綜合下來，開發(fā)者可以更有針對性地根據(jù)用戶興趣來調(diào)整 Agent。對于一些細節(jié)問題，比如針對線上運行的一些 Bad case，進行問題點定位并展開定向優(yōu)化。

為此，扣子羅盤提供了一整套的 AI Agent 觀測功能。在數(shù)據(jù)上報方面，針對扣子的 Agent 進行提前預置，系統(tǒng)可以自動上報數(shù)據(jù)，因而可以在羅盤上查看這些 Agent 的所有數(shù)據(jù)。另外針對全代碼開發(fā)者自定義的 Agent，同樣提供了 SDK，供他們按照協(xié)議上報數(shù)據(jù)。同時針對開發(fā)者用得比較多的其他框架（比如 LongChain）也進行適配，支持一鍵將數(shù)據(jù)上報至扣子羅盤。

不僅如此，火山引擎認為線上運行數(shù)據(jù)的價值遠不止用來觀測。在扣子羅盤上，開發(fā)者可以根據(jù)線上用戶的 query 分析與分組，獲得用戶行為的分析報告；也可以將線上的 query 進行自動評測以獲得線上效果的報告。這樣一來，開發(fā)者可以實時掌握 Agent 線上運行效果的優(yōu)劣變化，并通過多種方式（比如用戶的點踩）來識別 Bad case。

當然這些 Bad case 也可以基于預置的評估器來識別，過程中構(gòu)建 Agent 的 Bad case 集，這些集在經(jīng)過系統(tǒng)預置的人工標注之后可以沉淀為評測集，為后續(xù)的例行迭代和評測提供支持。

此外，扣子羅盤還將與火山方舟的 Prompt 優(yōu)化能力和模型微調(diào)能力貫通。王新盟表示，以上這些功能已在本周正式發(fā)布上線，并開啟了企業(yè)灰度測試。總之，有了扣子羅盤，Agent 的迭代與調(diào)優(yōu)進入到了透明可視化時代，告別了「盲人摸象」。

最后是扣子空間，它是一個通用 AI Agent 平臺，今年 4 月首次上線，并拿下了當月國內(nèi) AI 產(chǎn)品增速榜的第一。扣子空間并不是一個 Agent，而是一群高質(zhì)量 Agent 的協(xié)同辦公場所，集中了精通各項技能的通用實習生以及各行各業(yè)的領(lǐng)域?qū)＜摇Ｔ诟鞣N Agent 的協(xié)作下，用戶可以更高效地解決實際工作任務(wù)。

利用扣子空間，用戶可以分析市場調(diào)研報告、選擇高考院校和專業(yè)，還能夠獲得專家能力的深度支持。此外通過 MCP 協(xié)議來不斷地擴展能力邊界，比如聯(lián)動高德生成旅游攻略、聯(lián)動飛書進行文檔撰寫等。接下來，火山引擎還將上線更多高質(zhì)量、覆蓋各行各業(yè)的專家 Agent。

可以預見，未來更加完善的扣子平臺將成為大模型時代 Agent 發(fā)展的「基礎(chǔ)設(shè)施」。