企业在构建和扩展 智能体时需要认识到一个现实：智能体的构建方式与传统软件截然不同。

Writer公司首席执行官兼联合创始人May Habib表示，智能体在构建方式、运行机制和改进方法上都存在"本质差异"。这意味着在处理自适应系统时，传统的软件开发生命周期模式已不再适用。

"智能体无法可靠地遵循规则，"Habib在VBTransform大会上表示。"它们是结果驱动的，具备解释和适应能力，其行为只有在真实环境中才会显现。"

这些洞察来自Habib帮助数百家企业客户构建和扩展企业级智能体的实践经验。据透露，超过350家财富1000强企业是Writer的客户，预计到2025年底，超过一半的财富500强企业将通过Writer扩展智能体应用。

使用非确定性技术产生强大输出可能"极其复杂"，特别是在系统性扩展智能体时。即使企业团队可以在没有产品经理和设计师的情况下启动智能体，Habib认为在协作、构建、迭代和维护智能体时仍需要"产品经理思维"。

"无论是不幸还是幸运，如果IT部门不引导业务合作伙伴采用新的构建方式，最终将承担所有责任。"

目标导向智能体的优势

思维转变包括理解智能体的结果导向本质。例如，许多客户要求智能体协助法务团队审查或修改合同，但这种要求过于宽泛。相反，目标导向方法意味着设计智能体来减少审查和修改合同的时间。

"在传统软件开发生命周期中，你为一组确定性的可预测步骤进行设计，"Habib说。"输入输出更加确定性。但对于智能体，你需要塑造智能体行为，提供上下文并引导智能体的决策制定。"

另一个差异是为智能体构建包含业务逻辑的蓝图，而不是提供工作流程。这包括设计推理循环，与领域专家合作映射促进期望行为的流程。

虽然关于扩展智能体的讨论很多，Writer仍在帮助大多数客户逐个构建智能体。这是因为首先需要明确谁拥有和审计智能体，谁确保其保持相关性，以及谁检查是否仍在产生期望结果。

"如果没有新的构建和扩展方法，人们很快就会遇到扩展瓶颈，"Habib说。"当组织负责任管理智能体的能力超过各部门开发pace时，就会遇到这个瓶颈。"

智能体与软件的质量保证差异

智能体的质量保证也有所不同。智能体评估需要考虑非二进制行为，评估智能体在真实情况下的表现，而不是客观清单。失败并不总是明显的，也不像检查某些功能是否中断那样黑白分明。相反，Habib建议检查智能体是否行为良好，询问安全措施是否有效，评估结果和意图："目标不是完美，而是行为信心，因为这里存在很多主观性。"

不理解迭代重要性的企业最终会陷入"持续的网球比赛，直到双方都不想再玩"。团队接受智能体不完美也很重要，更多地关注"安全发布、快速运行和反复迭代"。

尽管面临挑战，已有AI智能体帮助企业带来新收入的实例。Habib提到一家大型银行与Writer合作开发基于智能体的系统，通过将新客户引入多个产品线，创造了价值6亿美元的新追销渠道。

AI智能体的新版本控制

智能体维护也不同。传统软件维护涉及在出现问题时检查代码，但AI智能体需要新的版本控制来管理所有可能影响行为的因素。这还需要适当的治理，确保智能体随时间保持有用性，而不是产生不必要的成本。

由于模型与AI智能体之间没有清晰映射，维护包括检查提示、模型设置、工具架构和内存配置。这也意味着完全跟踪输入、输出、推理步骤、工具调用和人机交互的执行过程。

"你可以更新大语言模型提示，观察智能体行为完全改变，即使git历史中实际上没有任何变化，"Habib说。"模型链接变化，检索索引更新，工具API演进，相同提示的行为突然不如预期...感觉像在调试幽灵。"