在生成式AI火爆的當下，AI智能體（AI Agents）不斷湧現，成為一股新的風潮。與此同時，研究人員也在試圖改變手工方式設計智能體系統的現狀。
智能體系統（Agent System）是由一個或多個智能體（Agent）組成的集合，這些智能體能夠在特定環境中感知資訊、進行推理決策，並采取行動以實作特定目標，且能夠與環境和其他智能體進行互動通訊。
以往，以手工方式設計智能體系統，研究人員往往需要投入大量的人力和時間，且必須不斷嘗試各種新的構建模組和組合方式。這種傳統的設計模式不僅效率低下，而且難以滿足日益增長的多樣化需求。隨著套用場景的逐漸增多，手工方式為每個特定任務設計智能體變得愈發不切實際。不同的任務要求千差萬別，手工設計難以快速適應變化，導致智能體系統的開發周期漫長，成本居高不下。
日前，一篇以【智能體系統的自動設計】（Automated Design of Agentic Systems，簡稱ADAS）為題的論文發表在arXiv上，為智能體系統的設計帶來了全新的思路。該研究致力於探索一種自動化的方法，旨在針對不同任務快速生成智能體系統，並使其能在相關套用場景的反饋中不斷實作自我前進演化。
在這項研究中，南方科技大學本科校友、加拿大卑詩大學博士胡聖然作為第一作者發揮了關鍵作用。胡聖然博士帶領團隊深入研究智能體系統自動設計的難題。他們運用先進的演算法和模型，試圖讓智能體系統的設計擺脫手工操作的束縛。透過自動化技術，智能體系統能夠根據任務的具體要求，快速整合合適的模組和元件，實作高效的構建過程。
ADAS演算法在閱讀任務與數學任務領域展現出了非凡的實力，為相關領域帶來了顯著的提升。在閱讀任務方面，ADAS演算法能夠將效能分數提高13.6/100（F1）。這意味著在處理文本資訊時，該演算法能夠更精準地理解和分析內容，有效提升資訊提取、語意理解等關鍵能力，為諸如文獻研究、資訊檢索等眾多依賴閱讀準確性的任務提供了強有力的支持。
而在數學任務中，ADAS演算法更是實作了25.9%的效能提升。不僅如此，ADAS演算法的優勢還體現在其卓越的泛化能力上。透過該演算法自動發現的智能體系統，能夠在不同任務和不同模型之間靈活遷移套用，展現出良好的適應力和通用性。
在與套用場景的互動中，智能體系統可以收集反饋資訊，不斷調整自身的參數和結構，從而實作自我最佳化和前進演化。這一創新成果有望在多個領域產生深遠影響，如智能交通、醫療保健、金融服務等。
AI智能體的頻繁現身，有望催生出「殺手級套用」，改變人們的使用習慣，甚至行業的格局。而智能體系統則關系到各個AI職能體之間的整體系統架構和執行機制，以實作相互協作、通訊、協調行動和互動，重要性同樣不言而喻。
