通信人家园

标题: 颠覆互联网的下一波浪潮：Agentic Web来了！  [查看完整版帖子] [打印本页]
时间:  2025-8-8 15:42
作者: see122     标题: 颠覆互联网的下一波浪潮：Agentic Web来了！






你不会再「上网」，而是说出一个目标，然后由一群 AI 自动完成。
——未来互联网使用场景设想
过去三十年，互联网经历了从静态网页到智能推荐的深刻演变。如今，我们正站在互联网的另一个重大转折点上。

这一转折，来自一种全新的范式设想 ——Agentic Web，一个由 AI 智能体组成的、目标导向型的互联网系统。在这个新框架中，用户不再手动浏览网页、点击按钮，而是通过自然语言向智能体发出一个目标，AI 会自主规划、搜索、调用服务、协调其他智能体，最终完成复杂任务。

这不是幻想，而是由UC Berkeley、UCL、上海交通大学、上海创智学院等机构的研究者联合提出，并在论文中系统论述的 Web 重构方案。





这是一次对互联网底层逻辑的全面「改写提案」：人类不再是唯一的网络使用者，智能体将成为 Web 的主要操作者。任务由人类发起，但由 AI 执行。在这个新架构中，网页、服务、平台不再是面向人的交互界面，而是为智能体而生的协作接口。

本文将从技术架构、理论模型、系统协议、典型应用与挑战五个方面，深度解析这场关于「智能体驱动互联网」的范式革命。

一、三次范式跃迁：Web 正在走向「自动化」

互联网的演化是一部「人–信息」关系的技术史。过去三十年，Web 主要经历了三次范式转变：





PC Web：关键词驱动的「目录网络」


在 PC Web 时代，网页以静态内容为主，信息由机构集中生成，并通过人工分类和超链接构成一个「数字黄页」。用户必须主动发起搜索、点击浏览，任务执行线性、明确但效率不高。

商业模式以关键词搜索广告为主，代表性系统如Google AdWords，依赖点击率 (CTR) 和每次点击成本 (CPC) 来衡量效果，形成了基于「人类意图」的搜索营销生态。

Mobile Web：推荐驱动的「内容爆炸」


伴随社交平台、短视频、电商 UGC 的激增，信息量呈指数增长。传统搜索引擎难以应对如此庞大的内容分发压力，取而代之的是推荐系统主导的信息分发范式。

用户逐渐从「搜索者」变为「消费者」，算法根据行为数据动态推荐内容，平台从内容聚合器变为算法中介。商业模型转向精准推荐与信息流广告，强调停留时间、转化率和千次展示成本 (eCPM)。

Agentic Web：智能体驱动的「行动网络」


如今，我们正步入第三次变革浪潮：AI 智能体成为主角，Web 从「人读内容」转向「智能体执行任务」。信息不再静态储存在网页中，而是被嵌入 LLM 参数中，被智能体调用、组合与再加工。

Web 的角色不再是信息仓库，而是一个充满「可行动资源」的生态系统，供智能体发现、协调、调用。任务不再依赖用户逐步操作，而是由 AI 智能体全流程完成，从发现信息到调用服务再到反馈结果。





这一趋势预示着：未来的 Web，将由 AI 智能体构建、运营与使用。我们需要重新理解什么是「网页」、什么是「流量」、甚至什么是「用户」。

互联网不再只是人类的空间，它正逐步变成一个由智能体共同参与、协作、创造价值的生态系统。

二、什么是 Agentic Web？

论文中的定义指出：

简言之，它是一个由 AI 来「上网」、执行任务、人类只是「发出指令」的网络形态。





Agentic Web 的核心在于「委托 + 执行」

在 Agentic Web 中，用户不再需要手动搜索、点击、复制或粘贴内容，而是可以通过与智能体的对话来委托任务。比如用户只需说：

「帮我规划一个周末东京行程，预算 3 千元，要避开台风。」
之后，剩下的所有工作都由智能体自动完成—— 从查询天气、搜寻航班、比对价格，到预定酒店、整合日程，整个过程完全自动化。而且，这些智能体可以与其他智能体 (如航司 API、酒店 API、旅游数据智能体等) 协作与谈判，实现任务目标。这不仅仅是像 ChatGPT 那样的单轮问答，而是通过多个步骤和多智能体协作来完成的，代表着 AI 真正参与到了Web 的操作层面。

Agent 在系统中的身份是「双重」的：

如同人类访问网页一样，智能体可以模拟点击、填写表单、读取接口，进行市场分析、数据抓取、自动交易等任务。

智能体也可以作为「超级助手」，接收用户的自然语言指令，自动解析、调用多个服务、整合结果，执行多步流程。

一个完备的智能体，常常同时具备这两个角色：既能代表人类与系统交互，也能作为系统对人类的接口，真正实现「意图—执行」的闭环。

三、理解 Agentic Web 的「三个核心维度」





论文从三个核心维度全面理解 Agentic Web 的结构：

这些能力意味着智能体不是被动的「响应工具」，而是具有持续学习和自主策略的「数字行动体」。

智能体之间不是「调用」，而是协商、协同执行，如一个旅游智能体主动向天气智能体请求数据，再联动地图与订票工具，完成任务。

Agentic Web 中，最具突破性的设想是：Agent Attention Economy (智能体注意力经济)


传统广告模型追求「人类点击」；Agentic Web 中，资源方争夺的对象变成「AI 智能体的调用」。

这意味着未来将出现：

智能体的调用频次、完成率、效率将成为新的「流量指标」，商业竞争的重心也将从争夺用户注意力，转向争夺智能体「注意力」。

四、应用场景：从搜索替代到智能事务系统

为了更好地理解它的实际价值，我们可以将 Agentic Web 的核心能力拆解为三大类：事务型 (Transactional)、信息型 (Informational) 和交流型 (Communicational)。它们共同构成了智能体参与数字世界的三种基本方式。





事务型：从「点击下单」到「全自动完成任务」


传统 Web 中，用户需要逐页浏览、搜索信息、逐步操作才能完成一项任务，例如订酒店、买机票、办签证。而在 Agentic Web 中，你只需告诉智能体一句话：

「帮我订一个下周三从上海到东京的往返机票，经济舱，避开台风。」
剩下的 —— 查询航司、比价、确认时间、填写资料、支付确认 —— 都由智能体自主完成。它不仅调用航司 API，还能根据你过往偏好 (如信用卡积分、环保航线) 进行权衡，甚至在发生变更时自动重订。

这种智能化的事务处理能力，正在由「Mobile Agents」「App Agents」进一步延展到设备层。例如，智能体可以在你的手机上同步日程、修改会议安排、甚至整合多个应用自动执行跨平台任务。

信息型：从「搜索引擎」到「持续知识发现」


今天的信息检索依赖搜索引擎和社交推荐，但在数据过载的背景下，我们获取的是信息洪流。

Agentic Web 支持的「信息型智能体」，则更像是一个长期陪伴式研究助理。以「Deepresearch Agent」为例：

这种智能体并不是一次性地「查一查」，而是具备长期「认知记忆」和动态「学习能力」的信息分析引擎。它们协作构成一个持续进化的知识网络，大大提升了信息筛选和洞察能力。

交流型：智能体之间能沟通、协作、谈判


相比以人为中心的传统 Web，Agentic Web 真正的变革在于让智能体可以与其他智能体协作，形成类似「数字组织」的多体系统。

在科研领域，一个跨国研究项目中，不同学校的智能体可以：

在制造业或供应链中，不同企业的智能体可实时对接需求、响应变化、自主协商条款。这种跨智能体协同工作流，依赖于一整套新型通信协议 (如 MCP、A2A)，支持语义对齐、任务协同与多方自治。

简而言之：Web 不再是人和机器之间的桥梁，而是智能体之间的操作舞台。

五、挑战：Agentic Web 的复杂难题与未来瓶颈

虽然 Agentic Web 展现出令人兴奋的前景，但要真正落地为现实中的下一代互联网，它面临的是一组系统性、相互交织、跨学科的复杂挑战—— 远不只是提升 AI 智能体的能力，更关乎整个网络基础设施、经济体系与人机协作范式的重构。

这不仅是个技术性难题，更是一个需要全局观的系统性工程。构建Agentic Web的难题，远不仅仅是提高个体智能体的能力，而是如何在现有互联网基础上，架构出一个可靠、安全、可信的全新计算层。这些挑战跨越了多个领域，彼此之间存在深刻的相互依赖与关联。接下来，我们将逐一解析这些挑战。

智能体基础能力：推理、记忆与安全性

多步骤推理是 Agentic Web 的核心能力之一，它能够让智能体分解复杂问题、评估多个解决方案、做出合适的决策。然而，目前的推理系统仍然脆弱，容易出错，难以进行长远规划和持续反思。

记忆是智能体能否有效执行长时任务的基础。传统的大语言模型 (LLM) 是无状态的，智能体需要外部机制来保留上下文、历史记录和学习到的知识。然而，如何高效管理这些记忆，尤其是在复杂任务中有效衔接不同阶段的内容，依然是亟待解决的难题。

智能体依赖外部工具 (如 API、数据库、搜索引擎) 来与现实世界互动。然而，这也带来了极大的安全隐患：工具如果被黑客篡改或受到攻击，智能体可能会受到影响，甚至引发连锁反应。解决这个「工具使用悖论」，需要构建「零信任」架构，确保所有外部输入都经过严格验证。

学习与自我改进：从静态模型到动态学习者

强化学习 (RL) 是训练智能体的核心方法之一，它通过与环境的交互来优化决策过程。然而，设计一个既能引导智能体正确行为又不容易被滥用的奖励机制，依然是目前的瓶颈。

智能体需要具备持续学习的能力，以便随着时间积累新技能。但在学习新任务时，智能体常常会忘记之前学到的知识，这就是所谓的「灾难性遗忘」问题。如何让智能体在不忘记旧知识的情况下学习新内容，是目前面临的重大挑战。

通过与环境的互动来学习复杂任务是智能体成长的关键。然而，如何避免智能体过度依赖某一特定环境，或者过度拟合特定的输入，保持任务的灵活性和广泛适应性，仍是一个悬而未解的问题。

多代理协作：协调与信任的挑战

当多个智能体协同工作时，如何组织它们的结构成了关键问题：是采取平等对等的协作方式？还是分层领导？每种结构都有其利弊，如何找到最优解，仍需深入研究。

为了让全球的智能体能够有效沟通与协作，我们亟需统一的通信协议。这类似于互联网早期对 HTTP 协议的依赖。当前，像IBM ACP、Google A2A、Anthropic MCP等协议正在试图解决这一问题。如何建立一个既能满足复杂交互需求，又具备开放性、易扩展性的标准，将是 Agentic Web 成功的关键。

在去中心化的智能体生态中，如何确保代理之间的信任？如何构建去中心化的信任体系，让智能体在没有人工干预的情况下高效合作，是另一个亟待解决的问题。

人机交互：确保智能体与用户目标一致

人类语言本身就常常模糊不清，很多时候用户的指令包含不明确的目标或信息。智能体必须能够解读这种模糊的意图，并将其转化为可执行的目标和任务。

用户的偏好常常是变化的，甚至很多时候用户自己都不完全了解自己真正的需求。智能体需要通过与用户的互动，不断引导用户发现并明确自己的偏好。

尽管智能体在很多任务中表现出色，但对于关键任务或高风险决策，人类监督 (HITL)依然是不可或缺的。如何设计有效的监督机制，以确保智能体的决策能符合人类的最终目标，是一个至关重要的问题。

安全与鲁棒性：确保智能体系统的安全性与稳定性





代理型网络引入跨平台操作、交易执行和多会话记忆等新能力，带来目标漂移、服务污染、协调风暴等多维安全威胁。传统基于人工验证的信任模型已难以适应，需重构认知、交互、经济层的防护机制。

人工与自动红队测试成为识别漏洞的核心手段。尤其是自动红队利用 LLMs 构造复杂对抗场景，适应多设备与多代理协作，揭示隐藏威胁，已成为部署前安全评估的关键工具。

部署阶段的防御策略包括「推理防护栏」、「安全解码器」、访问控制等机制，提升 LLMs 与代理系统的稳健性与可控性。未来还需从架构、策略到系统范围全面升级，以应对级联攻击与持续学习挑战。

社会经济影响：重构商业模型与社会结构

当前的广告驱动型商业模式正在被Agentic Web持续冲击。代理不再是「为人类眼睛设计」的工具，而是直接与服务提供方交易、执行任务。因此，广告模式已经难以适应这一新生态。

交易型、订阅制、按结果收费等新型商业模型正在崛起，这为未来互联网的运营带来了全新的思路。未来的商业模式，可能会更多地依赖智能体作为服务提供者。

随着智能体的普及，很多职业可能被自动化替代，劳动市场将面临巨大的冲击。因此，如何平衡 AI 与人类就业，如何确保经济利益公平分配，成为全球关注的社会问题。

六、总结：Agentic Web 是 AI 真正连接现实的入口

我们正在见证互联网从「信息空间」迈向「行动空间」的转型。

Agentic Web并不是传统意义上的一次技术升级，而是一场范式革新 —— 它让网络从被动展示信息，转变为主动完成任务；让 AI 不再只是一个回答问题的工具，而是一个可以代表人类行动、协作、决策的「数字代理」。

这种变革所带来的，不仅是效率的提升，更是人与机器关系的重构、网络经济模式的重塑，以及全新社会秩序的建立。

但与此同时，Agentic Web 的前路充满挑战：技术仍需突破、标准尚未统一、安全风险不容忽视、经济模型有待探索。这不仅是工程问题，更是伦理问题、社会问题、治理问题。

无论结果如何，Agentic Web 已不再是科幻构想，而是迫在眉睫的系统挑战。

结语

Agentic Web，不只是「AI 代理能干更多事」，它是让整个 Web 变成一个「活的协作系统」，是 AI 与人类共创未来互联网的操作系统。

你未来不再「点网页」，而是让智能体帮你完成目标。网页正在变成智能体，搜索正在变成协同，点击正在变成意图。

我们正站在互联网的又一次巨大跃迁的门槛上。


来源：网易

时间:  2025-8-8 15:53
作者: 深圳普通用户

又来一个吹牛逼的。这有个屁的颠覆
时间:  2025-8-8 16:58
作者: 不吹不黑

终于来了！



通信人家园 (https://www.txrjy.com/) Powered by C114