简介
Langchain调研千余人发现，Agent技术已过概念炒作阶段，大厂(67%)和小团队(50%)均有生产应用，客服和数据分析是主要场景。质量问题和延迟是最大挑战，89%团队采用可观测性但评估体系不完善。多模型混用成常态，日常应用以代码工具和聊天助手为主，真正的"Agent everywhere"尚需时日。
元旦了，Langchain的年末总结来了，调研了1000多位一线人士。
结论很简单：Agent已经过了炒概念的阶段，大家在意的不是要不要做，而是怎么做稳、做好、做大。
整体来看，对于去年，跑到生产环境的Agent有一定的提升。
大厂跑得更快
万人以上的大企业，67%已经上了生产，还有24%在开发中准备上线。
百人小团队，50%上生产，36%还在开发。
差距不大，但大厂明显在从PoC到真正落地的路上走得更快，大厂平台、安全体系、测试这些基建，本身会有优势一些。
主要落地场景
客服排第一（26.5%）
研究和数据分析紧随其后（24.4%）。
这俩加起来占了一半以上。
内部流程自动化也有18%，用来给员工提效。
有意思的是，今年的用例分布比去年更散了，Agent正在渗透到更多场景。 大厂更多的是选择提升自己的内部生产力，先搞定自己人，在对外服务。
质量，质量，质量！
和去年一样，质量问题卡住了三分之一的团队。准确性、一致性、幻觉、语气控制，这些都是坑。
第二大问题是延迟（20%）。Agent做得越复杂，推理步骤越多，速度就越慢。
用户体验和质量之间的trade-off挺难搞的。
成本反而没这么担心了，开源模型性价比（又不是不能用~）。
大厂更担心的是安全（24.9%）。
可观测性
89%的团队已经上了可观测性，其中62%能追踪到Agent的每一步调用。
没法看到Agent怎么推理、怎么调用工具，根本没法debug，也没法优化。这些都应该是共识，没啥好分析的。
Eval方面就差很多了，只有52%做离线评估，37%做在线评估。
做Eval的团队里，大部分用LLM-as-judge（53.3%）和人工复核（59.8%）配合着来。
ROUGE、BLEU 之类的指标，基本没人用了，毕竟Agent的输出太开放，没有标准答案。
多模型混用
OpenAI的GPT系列还是用得最多，但超过四分之三的团队在用多个模型。
根据任务复杂度、成本、延迟来选模型，这才是正确姿势。没人all-in一家。
三分之一的团队自己部署开源模型，可能是为了成本，也可能是隐私安全之类的。
不微调成为常态，前期靠Prompt + 上下文工程，足够应付了。
每天在用的Agent是什么？
代码很集中。 Claude Code、Cursor、GitHub Copilot、Windsurf这些代码工具，几乎人手必备。
ChatGPT、Claude、Perplexity用来做调研、总结长文档、跨资料分析。
但也有不少人说，自己日常还没用上真正的Agent，只是聊天+代码助手。Agent everywhere还早着呢。
如何学习AI大模型？
如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！
这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
100套AI大模型商业化落地方案
大模型全套视频教程
200本大模型PDF书籍
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
LLM面试题合集
大模型产品经理资源合集
大模型项目实战合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
