本演讲将探讨智能体（Agent）技术的发展历程和未来方向。首先回顾 LLM 时代主要开源项目，分析过去两年 Agent 领域的实质性进展，包括推理能力、记忆机制等；探讨多 Agent 协作的潜力及其对社会的影响。最后，分享在 AI 快速发展的时代，智能体技术将如何塑造我们的未来，我们又该如何引导其发展，给出我的思考的判断。

演讲提纲

1. 过去两年的 LLM 和 Agent

   1.1 LLM 是什么

   1.2 过去两年 Benchmark 的变化

   1.3 业界发展：Foundation Multi-Agent、推理、世界模型、长期记忆、动作记忆、

   1.4 MetaGPT：我们在做什么，从底层结构看什么是对的

   1.5 学术工作一瞥：自动实验系统；自动 SOP 生成；FACT；MetaGPT X

2. LLM Agent 相关的开源项目

   2.1 思考：Agent 热潮的到来和方向

   2.2 MetaGPT：发展历程，我们做对了什么

3. 通往 Multi-Agent 结局的一些想法

   3.1 业界：人类社会的终局，Life 3.0，怎么对待智能体，智能体怎么互相对待，世界需要什么样的智能体？

   3.2 思考：多 Agent 协作会给我们带来什么？

   3.3 Agent Protocol

4. 参与开源 Agent 项目的一些建议

实践痛点
Agent 协作的复杂性与可控性：随着多 Agent 系统的发展，协调多个智能体高效协作同时保持系统稳定性和可控性成为一大挑战。这涉及到任务分配、冲突解决、信息共享和整体性能优化等多个方面，需要更先进的协作框架和管理策略。

演讲亮点

• o1 推理突破：探讨最新的推理技术（包括开源 o1），如何显著提升 Agent 的问题解决能力
• 记忆机制创新：介绍情境记忆、程序记忆和动作记忆等新型记忆机制，及其对 Agent 性能的革命性影响
• 自动化学术研究：展示自动实验系统和自动 SOP 生成等前沿应用，揭示 AI 如何加速科研进程

听众收益

• 洞悉 Agent 技术发展趋势：了解从单一智能体到多智能体协作的演进，把握行业最新动向
• 深入理解技术突破：掌握 Agent 领域近两年的关键进展，包括推理能力、记忆机制等核心技术的发展
• 前瞻性思考与实践指导：探讨多 Agent 协作对未来的影响，获得参与开源 Agent 项目的实用建议