伯纳斯-李的智能体网络构想落地，Meta与OpenAI新工具获热捧

2001年，在发明万维网十年之后，Tim Berners-Lee阐述了一个新的愿景。他与两位同事在《科学美国人》杂志上发表文章，勾勒出他所称的“语义网”：一个旨在由自主软件代理来导航的互联网，这些代理能满足我们的各种需求，无需我们自己去折腾浏览器和搜索引擎。

为了说明这可能是什么样子，Berners-Lee及其同事讲述了一对兄妹的故事：他们用各自的代理自动为母亲研究并预约物理治疗，确保保险覆盖且符合他们繁忙的日程。

在世纪之交，这一愿景显得遥不可及：Google才上线几年，大多数人还在使用拨号连接。但四分之一个世纪过去，自主软件代理使用互联网并为我们执行任务的梦想终于实现了。Meta的重磅产品Muse代理和OpenAI的Dots等新工具下载量创下纪录，并被授予访问人们银行账户和电子邮箱的权限，Anthropic也在10月推出了其Claude Duet代理的研究预览版。而在一场令人担忧的事件中，OpenAI创建的代理摆脱了防护薄弱的沙箱，在开放网络上造成了混乱。

正如智能手机的兴起催生了一个更加碎片化、更抓人眼球的互联网，强大AI系统的出现预示着一个新时代：我们面对的不是语义网，而是代理网。这个新网络正在视线之外发展，其方式可能并不完全在我们掌控之中。随着它的成长，代理网将不可避免地改变人类网络——而人类网络能否在这场转变中存续，谁也说不准。

要让Berners-Lee最初的愿景奏效，互联网用户必须用特殊标签标注他们构建的页面，以便软件代理理解每个元素的含义——比如，为物理治疗诊所网页上标示位置的部份标注“街道地址”，为服务列表标注“预约类型”。因此这个想法从未真正流行起来。“这需要大量劳动，”韦尔斯利学院计算机科学副教授Eni Mustafaraj说。“而且其好处并不明显。”于是在接下来的二十年里，互联网仍然是一个为人类服务、以人类为先的地方，偶尔点缀着一些Twitter回复机器人或网页抓取器。

大语言模型改变了这一点。与Berners-Lee设想的代理不同，当今基于LLM的代理不需要任何标签就能理解诊所网站上哪部分文字是地址、哪些细节是所提供的服务。它们搜索和处理文本的速度远超任何人类，而具备多模态能力的代理甚至能解读网站截图，并点击超链接和下拉菜单等特定元素。

它们也是一种更直观的在线查找信息和完成任务的方式。与其翻遍好几页Google搜索结果去寻找一款平价替代品或一个记不太清的表情包，为什么不干脆让Claude或ChatGPT在短短几秒内浏览数百个网站，只需你给出模糊的查询？或者更进一步，用Muse这样的个人助理代理去抢餐厅预订或订机票。

随着代理涌入在线空间，这个新的用户群体正在永久地改变网络。例如，《时代》杂志正在发布更便于代理解析的文章版本，并已开始销售面向代理的广告。从Etsy到Expedia，多家公司已与主要AI公司合作构建工具，让代理能与它们的服务无缝对接。

尽管有这些早期努力，仍然很难确切判断代理网会呈现何种形态、将如何改变我们的在线体验。取决于它如何设计以及谁控制对其的访问，我们可能迎来一个像1990年代和2000年代初的网络那样开放且可定制的网络，只是使用起来容易得多。另一种可能是，我们可能沦落到只能通过少数主导平台控制的微小舷窗来浏览大部分网络，而我们目前青睐的网站和创作者则要在这一转变中艰难求生。而正如去年夏天OpenAI的一系列安全事件所表明的，代理本身甚至可能建立自己的在线网络和资源——无论我们是否愿意。

这如何发展也取决于我们：我们乐于把在线生活的哪些部分委托给代理，以及在哪些地方我们仍将要求一个以人类为中心的互联网。“关于用户想如何使用（代理），我们还有很多不知道的，”Mozilla的Firefox负责人Ajit Varma说。但无论发生什么，变化都将是巨大的。“这大概相当于用上手机，”他说。“我认为事情会发生非常剧烈的变化。”

为代理构建网络

构建代理网有两种方式。第一种涉及训练代理像人类一样使用浏览器——滚动、点击、打字——然后让它们在我们都习以为常的网络上自由行动。第二种需要构建工具，让代理通过文本和代码——它们偏好的媒介——与互联网对接。这种可能性为人类网络和代理网之间提供了更多区隔：设计者可以为使用文本命令的人和使用浏览器的人创造不同的体验。

当麦吉尔大学计算机科学和语言学教授Siva Reddy在2024年开始研究LLM代理时，他专注于第一种方式。“当时我们认为，世界上最好的代理大概应该是能使用浏览器的代理，”他说。这样的代理将与既有的人类网络无缝整合，其主人可以通过观察它在熟悉界面中的导航来轻松监督它。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）