摘要：Agentic AI，这场自 Anthropic 和 Manus 而始的风暴，成功成为 2025 最热的 GenAI 讨论方向与技术投资领域。某种程度上，Agentic AI 代表了 AI 降本提效的“终极形态”——阶段性的完全替代人工，自主规划流程完成复杂任

作者 | 王一鹏

Agentic AI，这场自 Anthropic 和 Manus 而始的风暴，成功成为 2025 最热的 GenAI 讨论方向与技术投资领域。某种程度上，Agentic AI 代表了 AI 降本提效的“终极形态”——阶段性的完全替代人工，自主规划流程完成复杂任务。Sam Altman 甚至宣称，未来 AI 将接管人类经济社会中 30%-40% 的工作。

不过，在接近一年的实践后，Agentic AI 对产业和用户的实际影响却不如预期，新诞生的“杀手级应用”凤毛麟角。大部分 Agent 作品集中在智能客服、问答助手等传统场景，对于医疗、教育、泛互行业的创新场景，则显得渗透度较低。

1 从愿景到现实，哪里出了问题？

一个较为可靠的答案是：要孵化现象级应用，仅有创意和模型本身是不够的。MaaS（Model As A Service） 是个刚需，所谓的 AI builders 或者叫“超级个体”，必须得到更系统的支持和更广泛的赋能。

这种赋能既包括新的 AI 开发者生态，也包括成熟的 Agent 开发平台。

坏消息是，无论是生态还是平台，都处于早期阶段，创新仍有成本，实践案例是稀缺的。

好消息是，许多企业与从业者正投入于此，比如 2025 令人眼花缭乱的各式 AI Agent Hackathon，以及更为系统的生态动作，如应用孵化、交流培训和系列沙龙，后者甚至已经诞生了颇具商业前景的 AI Agent，如果说 Agentic AI 是只“螃蟹”，那么这些开发者已经坐上了餐桌。

我们希望对这些开发者进行采访，以便了解开发者落地 Agentic AI 面临的真实困难，服务行业生态建设。

阿里云 Agent 创客征集令是其中较为典型，且连续性较好的行动。这是一个由阿里云 AI 实训营推出的 Agent 创作者征集计划。开发者通过参与实训课程，完成配套实验，提交 Agent 作业，参加创客评选等动作参与其中。

InfoQ 邀请了其中几位最为典型的 Agent 创客，在 2025 云栖大会上进行了采访，希望对 Agentic AI 落地的可能有更为准确的评估。

2 实践经验，可能是最宝贵的资产

我们采访了共计四位开发者，其中包括专家级 AI Agent 开发人员兼阿里云 Agent 创客征集令导师：银海与云中江树；也包括本职工作是运维，但初次接触 AI Agent 开发的学员笨笨；另外还有 B 站 UP 主兼创客同济子豪兄。

出乎我们预料的是，在谈及 Agentic AI 落地的核心助力时，四位首先谈到的并非平台能力、模型能力，反而认为对“实践经验的分享”，是一个关键。

在天津某互联网企业从事运维工作多年的笨笨，是这一认知的直接受益者。他因银海的介绍加入阿里云 AI 实训营，其作品先后两次获得比赛冠军。

AI 大模型出现之后，他在公司内部搭建了一套基于大模型的本地知识库，偶尔会给部门同事培训 AI 相关内容。

相比一般的“Agent 票友”，笨笨技术基础好，上手更快——他了解 Agent 开发中常用的 API 调用流程，也能很快掌握 MCP 这类核心开发工具的搭建逻辑，可以独立完成简单 Agent 的部署调试。

不过，入门之后，理想与现实的差距逐渐显现。笨笨直言：“不像想象中那样，只要说出诉求，AI 就能全部搞定，目前还达不到这个水平。”

更实际的问题在于资源与落地环节。即便 AI 能够生成系统对接、架构搭建的方案，方案中提及的服务器配置、数据库版本等要求，也常与现有资源不匹配，且 AI 不会考虑成本，最终还是需要人工干预才能落地。

比如，笨笨曾尝试开发旅游助手 Agent，虽然可以生成北京到杭州的行程规划，但对很多细节考虑不周。比如景点门票是否售罄、周末是否限流等细节问题，智能体是无法实时获取的；即便想接入外部工具，如果没有已经开发出的成熟插件，也无法实现。

更麻烦的问题是，对于工作流模式智能体而言，很多节点看似已经连接，但在测试中却无法跑通。这其实是个平台配置问题，但对于新人而言，要耗费大量的时间进行调试。笨笨在创客群中求助，银海一句话就解答了其疑问，节省了大量的开发时间。

这是“实践经验分享”，在当前 Agentic AI 落地进程中的价值。

表面上，大模型的普及似乎让 Agent 创意落地成为易事，但当一位新人创客兴致勃勃冲进来，才发现看似平坦的开发之路，处处是拦路虎。放眼整个行业，缺乏系统的认知学习和开放的交流环境，开发者只能在零散信息中拼凑认知，增加了很多试错成本，与低门槛的愿景背道而驰。

这时，是否有成熟的 Agent 开发者愿意解答问题，就变得尤为重要。

3 平台能力，决定创新速度

作为新人创客，笨笨遇到的问题，恐怕只是冰山一角，水面之下，是对无数落地场景的经验和认知积累。

在过往的编程思想中，一个函数的输入确定，则输出也确定。

而大模型的智能涌现，实际上可理解为：推测与生成，其输出结果天然存在不确定性，即幻觉问题。这意味着，一款模型能否完成某一场景下的具体任务，需要实际验证与调优，无法通过“说明书”确定。

这一方面对 Agent 开发平台提出了要求——能帮助开发者快速验证模型的能力边界，用低成本试错替代盲目摸索。

另一方面则对开发者生态提出了要求——开发者需要同时理解应用场景与 Agent 开发，能快速验证模型能力，并分享实践经验，探索进一步调优的可能，制造共识。

云中江树与银海，就是这样的专家级创客，他们的体验更具行业普遍性。

云中江树是一名 AI 智能体设计师，也是畅销书《智能体设计指南》的作者。银海是一名 AI 产品经理、通往 AGI 之路社区共建者，也是多家大模型厂商的讲师。

两人还有一个共同身份——阿里云 AI 实训营的讲师创客。在 AI 实训营，他们将阿里云百炼平台的技术能力与 Agent 落地经验相结合，为开发者提供从技术到场景的指导。

云中江树直言，技术方面，AI Agent 开发最核心的问题，是 AI 能力边界的不确定性：“一方面，我们看到了社交媒体上宣传的 AI 的‘能’，但在实践中，我们遇到的是它的各种‘不能’，很多时候你不知道是模型真的做不到，还是说自己的能力有问题。”

“LLM Arena 这样的榜单，有指导意义，但大模型没有一个确定的产品说明书。”

或许这是一个真正的技术混沌时代，我们无法从文档上确认模型的能力边界。

银海从应用场景的角度，对这一问题作了补充：“大模型迭代日新月异，以前十步完成的工作，今天可能因为模型迭代，一步到位。若想避免工作被‘折叠’，就必须深入千行百业，了解行业 Know-How，否则，技术与业务就会脱节。”

要解决云中江树与银海遇到的问题，需要有布道师，乃至咨询专家般的角色，率先实践，大胆分享。

云中江树表示：“在企业落地 Agentic AI，要做哪方面的能力储备？要找什么样的人？怎么用 AI，谁能用 AI，在哪些事上用 AI？这一整条链路其实都是问题，都缺乏行业的认知和实践。”

云中江树与银海，就是在做这样的布道与分享。在阿里云 AI 实训营里，倾听他们分享的人，年纪最小的还不到 10 岁，年纪最大的已经超过 70 岁。抛开单纯的好奇不谈，大家研究 Agentic AI，共同的目标是“搞钱”。银海分享，有的人一开始就会问怎么用 Agentic AI “搞钱”，有人是学习一段时间后，再问该怎么“搞钱”。

4 搞钱，Agentic AI 落地最实际的问题

这不意味着创客们太过“功利”，恰恰相反，这代表 Agentic AI 在各行业的渗透度正在加深，因此，效益和 ROI，成了逃不开的灵魂之问。

实际上，无论是笨笨的经历，还是银海和云中江树的观察，都是 Agent 落地困境的行业缩影。随着行业走过创意为王的发展初期，生态培育的紧迫性愈发凸显。

阿里云 Agent 创客征集令的推出，恰好提供了一条将技术、行业与生态有机结合的破局路径。

在技术支撑层面，该计划整合了阿里云百炼平台的全栈模型服务。百炼平台提供的可视化低代码 Agent 开发平台 ADP，降低了 Agent 开发门槛，无论是零基础创客还是企业非技术岗人员，都能搭建基础 Agent；多环境高代码 Agent 开发框架 ADK，则面向资深开发者，满足企业级 Agent 的深度定制需求。

全栈模型则包含了文本、音频、视频、图文、编程等完整的能力谱系，可以帮助开发者快速明确 Agent 的能力边界和适用范围。

在阿里云栖大会上，首次集结了 10 名 Agent 创客。他们包括云中江树、银海、张梦飞、许键、蓝衣剑客等社区资深版主开发者，以及同济子豪兄这样抢鲜体验新玩法的科技 KOL，乃至从阿里云 AI 实训营成长起来的学员创客如笨笨、元子、鱿鱼、孙啸寒等。

他们都有一个共同点——在阿里云百炼上有 Agent 实战经验，且部分作品已上架阿里云百炼应用广场，真正实现了从 Demo 开发到商用落地的跨越。

在云中江树和银海看来，Agent 创客计划的核心价值就在于为行业提供了“实践 + 输出”的窗口，这样一个由模型方、平台方、应用者和布道者协同共创的模式，能够推动行业生态的认知统一。

而这些 Agent 创客塑造了 Agentic AI 落地的“土壤”，正在吸引更多有好奇心、有产品能力、有 AI 能力的 Agent 创客加入。

今年 9 月，B 站科技 UP 主同济子豪兄 与 DataWhale 发起的开源学习活动吸引了 180 名学员报名，共同学习阿里云百炼平台上的千问 Qwen-Image、千问 Qwen3-coder、千问 Qwen-Image-edit 等开源模型，创作出不少优质作品。

作为最早接触 AIGC 的开发者之一，同济子豪兄亲历了大模型越来越通用化的整个过程。他说，在一两年前想制作一张吉卜力画风的海报，需要在 Stable Diffusion 或 ComfyUI 中调试大量节点、配置环境；但现在，只需打开阿里云百炼，调用千问 Qwen-Image，用纯自然语言描述需求就能实现。

开发者需要的不是大模型，而是 MaaS，对于阿里云而言，就是百炼平台。

而阿里云百炼，也反过来重塑了 AI 行业的价值分配——从基础设施，逐步转向 MaaS 服务和上层应用。这种转变也意味着，我们或许正在见证传统的应用形态被完全颠覆。

从 AI 实训营的经验传递，到 Agent 创客征集令的生态激活，通过生态共建，阿里云不仅为 Agent 落地搭建起完整的支撑体系，更在一定程度上为行业提供了启蒙意义，为未来 AI 原生应用的爆发奠定了认知与实践基础。

站在 Agent 即将重塑生产力范式的节点上，首批 Agent 创客的故事只是序章。未来，当更多开发者加入 Agent 创客生态，当技术赋能与生态共建的红利持续释放，Agentic AI 的“落地革命”终将从愿景走向现实。

来源：InfoQ