文章详解了2025年AI Agent六大技术趋势：Agentic RAG、Voice Agents、CUA、Coding Agents、Deep Research Agents和Agent Protocols，涵盖定义、流程、应用场景及国内外代表产品。提出Agent L1-L5发展标准，指出其正朝多智能体协作、多模态交互、工具链集成、跨协议互通和高自动化方向发展，为AI应用开发提供全景视角和实用参考。

2025年作为Agent发展元年，Manus敲响了AI 应用大发展的号角，各种Agent应用层出不穷。这些智能体基本框架是怎样的，哪些更有前景？

最近在海外看到一张「2025 年 AI Agent 技术趋势全景图」，觉得非常精彩，分享出来和大家交流。

这张图是《Agentic AI：利用 AI 代理重塑商业与工作》作者拉凯什·戈赫尔所做，看趋势图之前，可以先看这张涵盖LLM Workflow、RAG、AI Agent、Agentic AI等常见概念名词的解读。

再来重点看这张趋势图，把未来一年最有可能落地的 Agent 形态、核心协议栈、工程框架与典型场景全部压缩在一张图里，非常清晰明了帮助大家完整理解Agent。

1

中心主题

中间的圆环标明了 2025 AI Agent Trends 的六大类趋势：

• Agentic RAG（推理型检索增强生成）

• Voice Agents（语音智能体）

• CUA（Computer Using Agents，能像人类一样操作电脑的智能体）

• Coding Agents（代码智能体）

• Deep Research Agents（深度研究型智能体）

• Agent Protocols（智能体协议）

六大Agent趋势的外圈是代表产品，圆圈四周是每个Agent的流程图。我们来具体解读下，这里在每个Agent领域，鲸哥增加了国内这个类型的代表产品。

6大 Agent 模式

1

Agentic RAG

定义：一种结合检索与推理的 AI 智能体工作流，用于实时数据检索和生成。

流程：

• Memory（记忆）：保存上下文信息

• Planning（规划）：确定任务步骤

• System Prompt（系统提示）：定义任务逻辑

• Agent（智能体）：执行任务

• Tools（工具） + Vector Search（向量搜索） + Knowledge DB（知识库）：从外部数据库检索信息

• Generate（生成）：输出结果

国外代表：

• PerplexityAI：主打即时信息检索+引用来源，类似搜索引擎+AI顾问

• Harvey：面向法律行业的专业推理与检索

• Glean：企业内部知识检索与智能问答

国内代表：

• 秘塔AI搜索：聚焦本地化搜索+实时问答

• 百度文心一言 + 搜索增强：结合百度搜索做事实检索

• 360纳米搜索：整合360搜索的即时信息流

2

Voice Agents

定义：通过自然语言与用户交互的智能体，支持语音输入与输出。

• STT（Speech-to-Text） 将语音转文字

• Embedding Model + Retrieval API + Vector DB 处理信息

• Agent 进行任务执行

• TTS（Text-to-Speech） 将结果转为语音

• 可接入 Gmail、Telephony 等渠道

场景：智能客服、语音助理、电话机器人

国外代表：

• OpenAI GPT-4o Voice：多模态对话，低延迟语音交互

• Alexa LLM（亚马逊）：智能家居+语音助手

• Apple Siri（升级版）：与Apple Intelligence结合的智能助手

• Meta’s Voicebox（研发中）：多语言语音生成

国内代表：

• 豆包：强实时语音识别与合成

• 小爱同学（小米）：深度嵌入IoT生态

• 天猫精灵（阿里）：智能家居+购物语音控制

• 华为小艺：跨设备语音助手

3

CUA（Computer Using Agents）

定义：能够像人类一样操作电脑的软件和界面。

• 使用 语言模型 解析用户指令

• 获取 桌面环境数据（Desktop Sandbox）

• 结合 Vector DB、Memory、第三方工具（如 Stripe、DoorDash） 执行任务

场景：自动化办公、桌面软件操作、RPA（机器人流程自动化）

国外代表：

• Devin（Cognition AI）：能直接在电脑环境中开发、调试、部署代码

• MultiOn：能代替用户操作网页、表格、日历等

• Adept ACT-1（研发暂停）：早期探索自动化办公

国内代表：

• 扣子空间（字节跳动）：低代码构建多场景桌面操作

• MuleRUN：具备系统级操作的能力

• Fellou：网页与桌面操作的自动化执行

4

Coding Agents

定义：能 10 倍速构建和调试应用的 AI 智能体。

• 用户提出 Query

• Agent 选择合适工具执行（代码生成、调试、测试）

• 输出成品代码或测试结果

工具链：

• Code Generator：生成代码

• Code Debugger：调试代码

• Test Runner：自动化测试

场景：软件开发、自动化调试、代码审查

国外代表：

• GitHub Copilot Workspace：支持从需求到部署的全链路编码

• Cursor：IDE级AI编程助手

• Replit Agents：可多步生成、运行、调试代码

国内代表：

• 通义灵码（阿里）：嵌入IDE的代码生成与调试

• 百度Comate：结合文心大模型的智能编程工具

• 字节Trae：全流程的AI IDE产品

5

Deep Research Agents

定义：多智能体协作，构建深度研究型报告。

• 用户需求 → Aggregator（聚合器）

• 分发给多个 Sub-Agent（子智能体）

• 各自检索、引用（Citation Agent）、分析

• 聚合输出报告

场景：市场调研、学术研究、情报分析

国外代表：

• OpenAI Deep Research（2025新功能）：多Agent长期调研

• Perplexity Pro Search：支持多步调研与引用

• LangChain + Agents：自定义研究工作流

• Vulcan Research AI：行业情报自动生成

国内代表：

• 夸克深度搜索：支持多轮长程研究

• 阿里通义助理 Deep Search：针对行业报告和市场分析

• 百度文心智研：自动生成调研大纲与全文

6

AI Agent Protocols

定义：统一的多智能体通信协议，简化跨平台协作。

关键技术：

• MCP、ACP、A2A（Agent-to-Agent） 协议

• Google ADK、LangGraph、Cisco SLIM

• Agent 发现与连接

• 任务流转与结果回传

• 支持流式与非流式数据处理

意义：打通不同智能体和工具间的交互，形成互通生态

国外代表：

• Google AI Device Kit（ADK）：多Agent跨设备调用

• LangGraph：可视化多智能体协作编排

• Cisco SLIM：企业级Agent通信标准

• OpenAI MCP（Model Context Protocol）：跨模型的上下文共享

国内代表：

• 字节跳动Coze协议层：支持不同Bot的消息与任务协作

• 阿里云AgentFlow：跨Agent编排与协议转换

• 腾讯云智链协议：支持企业多Agent互通

• 华为MetaAgent标准：IoT与大模型互通协议

整体趋势总结

戈赫尔还制作了Agent L1-L5的发展标准：

Level 5 – 完全自治智能体

• 具备自我改进能力，完全自主
• 持续学习与推理
• 无需人工干预

---

Level 4 – 半自治智能体

• 以目标为驱动，具备多模态感知
• 能感知复杂环境
• 能基于过往经验进行规划

---

Level 3 – 智能体工作流

• 能基于反馈进行推理和学习
• 具备自然语言理解
• 工具编排

---

Level 2 – 智能自动化

• 基础AI系统，自治性有限
• 简单机器学习用于模式识别
• 提供部分决策支持

---

Level 1 – 基于规则的自动化

• 刚性、基于规则的系统，无学习能力
• 简单的 if-then 逻辑
• 手动使用工具完成操作
• 无适应性和智能

并认为得益于 GPT-5、Claude 4.1、Grok 4 和其他内置Agent的基础模型突破，当下Agent正朝着以下模式发展：

• 多智能体协作化：从单一 AI 升级到多智能体分工协作。

• 多模态输入输出：语音、文本、代码、桌面操作都可以接入。

• 工具链深度集成：每类智能体都配合检索、数据库、测试和第三方 API。

• 跨协议互通：通过标准化协议让不同厂商、不同类型智能体无缝交流。

• 高自动化程度：很多智能体可直接替代人工执行复杂任务。

---

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2025最新大模型全套学习资源》，包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】