吴恩达讲Agentic AI：如何用评估驱动构建高价值智能体应用

当"Agentic"从技术概念沦为营销标签

吴恩达在这门Agentic AI课程的开场中坦言了一件颇具反思意味的事：当他最初提出"agentic"（智能体化）这个词，用来描述他观察到的一种在大模型应用构建中快速增长的重要趋势时，他没有料到大批营销人员会抓住这个词，把它当作贴纸贴到几乎所有能看到的产品上。

这直接导致了Agentic AI的炒作热度飙升。不过吴恩达也给出了一个乐观的判断：如果抛开这些噪音，真正有价值、有实用性的Agentic AI应用数量同样在快速增长——尽管增速没有炒作那么夸张。这种"泡沫与真实需求并存"的现象，正是当前AI落地阶段的典型写照。

Agentic工作流到底能做什么

吴恩达没有停留在概念层面，而是直接列举了一批已经在生产环境中运行的应用场景，这些例子勾勒出Agentic工作流的实际能力边界：

• 客户支持智能体：处理复杂的用户咨询，替代或增强传统客服;
• 深度研究（deep research）：帮助撰写有深度、有洞察的研究报告;
• 法律文档处理：应对棘手的合同、条款等专业文本;
• 医疗辅助诊断：分析患者输入信息，给出可能的诊断建议。

他特别强调，在他带领的多个团队中，很多项目如果没有Agentic工作流根本无法实现。这句话的分量在于——Agentic AI并非锦上添花的技巧，而是让某些应用从"不可能"变为"可能"的关键能力。

**Agentic工作流（Agentic Workflow）**与传统的单次大模型调用的核心区别在于：它允许模型在一个任务中多次迭代推理、自主调用外部工具（如搜索引擎、代码执行环境、数据库）、并根据中间结果动态调整后续步骤。吴恩达曾用"写作类比"来解释这种差异——传统调用像让人一次性写完整篇文章不能修改，而Agentic方式则允许起草、查资料、自我审阅、反复修订的完整流程。正因为引入了这种"思考-行动-观察"的循环机制，Agentic工作流才能处理需要长程推理或依赖动态信息的复杂任务，这类任务在单次调用模式下往往因上下文限制或信息缺失而失败。

拉开高手与新手差距的关键：评估驱动的开发流程

课程中最值得关注的观点，是吴恩达对"什么样的人才能真正做好Agentic工作流"的回答。他观察到，真正懂得构建Agentic工作流的人，与那些相对低效的人之间，最大的区别并不在于是否会调用某个框架或API。

真正的分水岭，是能否推动一个有纪律的开发流程（disciplined development process），尤其是围绕评估（evals）和错误分析（error analysis）展开的流程。

这一点其实与传统软件工程和机器学习工程的经验高度一致。Agentic系统由于涉及多步推理、工具调用和不确定的中间状态，出错点分散且难以定位。如果没有系统化的评估体系，开发者往往只能靠"感觉"调优，反复试错却抓不住根本问题。

而评估驱动的方法论意味着：为智能体的表现建立可量化的指标，通过错误分析定位失败的具体环节，再针对性地迭代改进。这种工程纪律，才是把Demo级原型推向可靠生产系统的核心能力。

**评估（Evals）**在大模型工程中是一套专门用于衡量模型或系统输出质量的测试框架，类似于传统软件工程中的单元测试和集成测试，但针对的是非确定性输出。具体实践中，开发者会构建一批"黄金标准"输入-输出对，或设计自动化评判指标（如GPT-as-Judge、人工标注等），定期跑通整个智能体流程并打分，从而追踪每次迭代后性能是否真正提升。对于Agentic系统而言，评估的难度远高于单次问答场景——一个包含5步工具调用的工作流，任何一步的轻微退化都可能导致最终结果崩溃，而不做分步评估就几乎无法定位是哪一环出了问题。这正是吴恩达所说的"工程纪律"的核心：没有可量化的评估体系，开发过程本质上是在黑暗中摸索。

为什么这项技能如今如此重要

吴恩达把"构建Agentic工作流的能力"称为当今AI领域最重要、最有价值的技能之一。他给出的理由既现实又直接：掌握这项能力，会带来大量新的机会——无论是求职机会，还是自己动手构建出色软件的机会。

从行业视角看，这个判断并不夸张。当基础模型能力逐渐趋同、API调用门槛不断降低时，真正的竞争力开始从"会不会用模型"转向"能不能把模型可靠地编排成解决真实问题的系统"。Agentic工作流正处于这个转变的中心。

小结：抛开炒作，回归工程本质

这门课程的开场传递了一个清晰的信号：Agentic AI值得学习，但学习的重点不应该是被营销包装过的花哨概念，而是背后扎实的工程方法论。

吴恩达的核心主张可以概括为三点——承认炒作的存在但不被其裹挟、认识到Agentic工作流的真实价值、并把评估与错误分析作为构建高质量智能体的根本纪律。对于想在大模型时代构建实用应用的开发者来说，这套以评估驱动的开发思路，或许比任何一个具体框架都更值得投入。