# 大语言模型代理：知识管理的下一波浪潮 Published at: 2026-01-10 00:00:00 ## 标题 大语言模型代理：知识管理的下一波浪潮 ## 摘要 Gartner预测2026年搜索引擎使用量将下降25%，因生成式AI驱动的搜索引擎兴起。客户更倾向于使用类似ChatGPT的界面，因其便利高效。LLM智能体有望成下一大趋势，将提升人类生产力，改变数字工作。 ## 封面图外部URL https://dagle.baklib.com/-/dam/assets/organization_vd3cg8--main-version/eyJfcmFpbHMiOnsiZGF0YSI6eyJpZCI6NjIyNzYsInBhdGgiOiJvZy0xNzM1NTY3MDgzODIzLmpwZyIsInRpbWVzdGFtcCI6IjIwMjUtMDItMjAgMTQ6NTA6MjkgKzA4MDAifSwicHVyIjoib3JnYW5pemF0aW9uX3ZkM2NnOC0tbWFpbi12ZXJzaW9uIn19--dec54aa3d9b2dd5571eebb233c0e1f0cb9894e8ff3c551cd4ba3d8e4b3f227d6/og-1735567083823.jpg ## 页面内容 ![Baklib Dagle Tanmer CMS DXP DAM](https://dagle.baklib.com/-/dam/assets/organization_vd3cg8--main-version/eyJfcmFpbHMiOnsiZGF0YSI6eyJpZCI6NTY2NDIsInBhdGgiOiJvZy0xNzM1NTY2MzY2NzIxLmpwZyIsInRpbWVzdGFtcCI6IjIwMjUtMDItMDcgMTE6MDI6MTggKzA4MDAifSwicHVyIjoib3JnYW5pemF0aW9uX3ZkM2NnOC0tbWFpbi12ZXJzaW9uIn19--c619dbd886df65eaf3f538bbc4d860bc57f8800605519aa14fa5ee15da92408c/og-1735566366721.jpg) [Gartner](https://www.gartner.com/en/newsroom/press-releases/2024-02-19-gartner-predicts-search-engine-volume-will-drop-25-percent-by-2026-due-to-ai-chatbots-and-other-virtual-agents)预测，到2026年，搜索引擎的使用量将下降高达25%。这是由于ChatGPT、Gemini、Perplexity、You.com等由生成式人工智能驱动的搜索引擎的出现。客户更倾向于使用类似ChatGPT的界面来寻求答案，这些界面由大型语言模型提供支持，因其便利性和易用性。更重要的是，它节省时间且效率更高。研究表明，大多数知识工作者每天至少使用ChatGPT 4到6次。这足以形成习惯；最终，客户将放弃搜索引擎！许多公司利用基于生成式人工智能的代理，如聊天机器人和辅助搜索，以提供丰富的[客户体验](https://www.baklib.com/s/cx)。谷歌最近宣布了其[搜索生成体验](https://blog.google/products/search/generative-ai-search/)，该体验通过生成搜索查询的快速概览，而不是使用搜索引擎结果页面列出排名靠前的网页。 许多这类生成式人工智能工具都是在[外部知识库](https://www.baklib.com/?utm_source=zhihu&utm_medium=article&utm_campaign=ai)和[内部维基](https://www.baklib.com/?utm_source=zhihu&utm_medium=article&utm_campaign=ai)上实施的。许多公司正在利用生成式人工智能技术实施企业级搜索引擎，以利用跨越不同[知识孤岛](https://www.baklib.com/?utm_source=zhihu&utm_medium=article&utm_campaign=ai)的知识！对这些生成式人工智能工具的需求正在增长，许多人正更快地采用这些技术。在Baklib，我们已经采用了生成式人工智能功能，例如[Baklib AI助手](https://www.baklib.com/?utm_source=zhihu&utm_medium=article&utm_campaign=ai)，以提供增强的搜索体验和内容工具，帮助技术作者提高生产力。 ## 生成式人工智能搜索与聊天机器人的演进 检索增强生成（[RAG](https://www.baklib.com/glossary/rag)）方法支撑着[生成式人工智能搜索引擎](https://www.baklib.com/?utm_source=zhihu&utm_medium=article&utm_campaign=ai)的工作原理。[RAG](https://www.baklib.com/glossary/rag)方法利用向量嵌入和语义搜索来缩小内容范围，并使用第三方API生成响应。[RAG](https://www.baklib.com/glossary/rag)方法简单而优雅。对对话式界面的需求导致许多公司采用像LangChain这样的开源框架。许多聊天机器人都是基于LangChain构建的。[MongoDB](https://github.com/mongodb/chatbot)也开源了其方法。无论是[生成式人工智能驱动的搜索引擎](https://www.baklib.com/?utm_source=zhihu&utm_medium=article&utm_campaign=ai)还是聊天机器人，都在精通技术并希望更快完成工作的新一代客户中获得了巨大的关注！这些工具的好处是多方面的，例如： - 通过迭代探究帮助更好地学习 - 协助准确回答客户问题 - 对话过程感觉自然 随着客户技术素养越来越高且时间紧迫，他们总是希望自行解决问题。企业必须通过像聊天机器人这样的合适工具来赋能客户，使其能够自助服务。企业组织主要使用生成式AI搜索和聊天机器人来转移支持工单。许多企业在产品和信息门户中引入聊天机器人后，客户满意度得分有所提高，取得了成功。通过应用内体验解决客户查询，可以提供丰富的搜索体验。聊天机器人为客户提供了良好的知识体验并激发学习。 ## 超越AI：LLM智能体将塑造未来 LLM智能体有望成为下一个重大趋势。LLM正推动这些智能体变得更加智能并能够采取行动。这些智能体可能会被要求在决策前让人参与进来，因此在设计这些系统时应采用人在回路的原则。鉴于LLM智能体的崛起，未来令人兴奋，它们被编程来执行任务、做出决策，并与其他LLM智能体进行信息交流。这些LLM可以利用协作智能的力量，更快更轻松地完成复杂任务。 想象一下，向一个由生成式AI驱动的搜索引擎询问一个“如何操作”的步骤。例如，在[Baklib帮助文档](https://www.baklib.com/)中，你可以询问Baklib，“如何将[业务术语](https://www.baklib.com/blog/business-glossary-management/)插入到文章中”。 Baklib AI 提出了完成此任务需要执行的四个步骤。这些步骤是连续的，它们可能/可能不需要人工输入才能继续。如果基于 GenAI 的搜索能够生成执行任务的步骤序列，那么 LLM 智能体就能够理解这些步骤并在产品内部执行它们。这可以通过两种方式实现： - **传统的 UI 自动化** 可以使用机器人流程自动化（RPA）等传统技术来自动化 UI 操作。这些 LLM 智能体在执行 UI 自动化和按照另一个 [基于 GenAI 的智能体](https://www.baklib.com/blog/structuring-tables-for-gen-ai-based-agents/) 的指令执行步骤方面会更加通用。这个过程涉及识别不同的 UI 元素，以及理解这些元素可以执行哪些操作的能力。像 [AskUI](https://www.askui.com/) 这样的工具可以根据指令自动化 UI 交互！ - **通过 API 利用函数调用** 根据客户需求，您可能希望在后台使用不同的 API 来完成任务。[函数调用](https://platform.openai.com/docs/guides/function-calling) 使您能够根据场景调用不同的 API。 LLM 智能体可以根据以下内容执行任务： - 分配的角色和职责 - 必须遵守的行为准则 - 可以接受哪些输入，不能接受哪些输入 - 任务的预期结果是什么 - 是否需要人工干预 这些流程可以通过三种方式完成。 - **顺序型** 这种类型适用于步骤的顺序对完成特定任务至关重要的场景。在[Baklib知识库](https://www.baklib.com/?utm_source=content_platform&utm_medium=article&utm_campaign=translation)中，它非常适合执行“操作指南”类流程。 - **分层型** 这种类型适用于管理层次结构，其中任务被委托给其他LLM代理，并根据特定命令执行。它更有利于以异步方式执行步骤来完成特定任务。 - **共识型** 这种类型适用于涉及协作决策的任务。它非常适合任何需要利用来自其他LLM代理输出的各种输入进行决策的任务。 ## 结论 LLM代理将极大地提升人类生产力，并有望在企业中得到广泛应用。基于[RAG](https://www.baklib.com/glossary/rag)的信息检索系统将在这些LLM代理如何执行指令并赢得客户信任方面发挥作用。未来令人兴奋，LLM代理将彻底改变数字工作。这些LLM代理将成为“数字工作者”，增强“人类”的价值创造过程。 * * * [Baklib](https://www.baklib.com/) 新一代数字内容体验云平台，帮助企业管理一站式内容中台，构建一体化数字体验站点。知识不需要管理，需要体验，通过[Baklib](https://www.baklib.com/) 创建多场景、多站点、一致性的数字体验。