AI行业市场前景及投资研究报告：工具生态完善，通用Agent曙光.pdf

投资评级

计算机行业推荐维持

工具生态逐步完善，通用Agent曙光已现

——AI行业专题报告

证券研究报告2025年3月27日

目录

•第一部分：Agent是人类的模仿者，调用工具来完成复杂任务

•第二部分：模型与工具并举，助力Agent成熟与普及

•第三部分：GUIAgent浪潮迭起，自主性通用性不断提升

•风险提示

2

1Agent是人类的模仿者，调用工具来完成复杂任务

1AIAgent能够自主使用工具完成目标

AIAgent能使用工具来在现实世界中获取实时信息或给出行议，为此，模型需要访问外部工具，自主规划和执行任务。

宽泛地来说，生成式AIAgent可以被定义为一个应用程序，通过观察周围世界并使用可用的工具来实现其目标。

Agent是自治的(autonomous)，只要提供了合适的目标，它们就能独立行动，无需人类干预；即使是模糊的人类指令，Agent也可

以推理出它接下来应该做什么，并采取行动，最终实现其目标。

图：AIAgent的运作范式图：AI模型的运作范式

资料：YuHuang,Roboraction.AI《LevelsofAIAgents:from资料：YuHuang,Roboraction.AI《LevelsofAIAgents:fromRulestoLargeLanguage

RulestoLargeLanguageModels》，国元证券研究所Models》，国元证券研究所

33

1Agent是人类的模仿者，调用工具来完成复杂任务

1AIAgent能够自主使用工具完成目标

AgentVSLLM：模型的知识仅限于其训练数据，AIAgent通过工具连接外部系统，在模型自带的知识之外，实时、动态扩展知识。

模型缺乏原生逻辑层，需借助提示词工程或使用推理框架（CoT、ReAct等）来形成复杂提示，指导模型进行预测，而AIAgent自

带原生认知架构，内置CoT、ReAct等推理框架或LangChain等编排框架。

表：AIAgent与AI模型的区别

模型AIAgent

通过工具连接外部系统，能够在模型自带的知识之外，实时、

知识范围知识仅限于其训练数据

动态扩展知识

无状态，每次推理都跟上一次没关系，除非在外部给模型加有状态，自动管理会话历史，根据编排自主决策进行多轮推

状态与记忆

上会话历史或上下文管理能力理

原生工具无有，自带工具和对工具的支持能力

无。需要借助提示词工程或使用推理框架（CoT、ReAct等）有，原生认知架构，内置CoT、ReAct等推理框架或

原生逻辑层