让 AI 代理工作比许多公司预期的要困难得多。幸运的是，他们有帮助在路上：一批新创公司正在寻求在代理部署之前找到更好的测试和训练方法，特别是在现代企业的复杂性上。Arga 就是其中之一。该初创公司周三表示，它在一轮由 General Catalyst 主导的种子融资中筹集了 1000 万美元，参与者包括 Box Group、Emergence、Gradient 和 SV Angel。Arga 为企业软件（如 Salesforce、Workday 和电子邮件客户端）构建训练环境。大多数测试环境提供无状态 API 端点，而 Arga 则建立了程序的完整数字双胞胎，有效地克隆整个软件，权限系统和 web hook 完整保留。最终的结果是跨多个系统训练代理的更强大方法。该初创公司的 CEO 兼联合创始人 Philip Li 举例说明了他的产品，潜在客户在 Salesforce 中创建线索，而同事则通过 Hubspot 另行联系。“代理能否正确识别这两者是同一家公司？”Li 说，“它们能否核实是否只发送过一次电子邮件？它们能否识别在这两个机会中要将电子邮件发送给谁？”代理系统在处理这种模糊性时仍然面临挑战，Li 认为 Arga 的工具对于帮助它们改进至关重要。通常，AI 代理可以通过强化学习（RL）对这种任务进行训练：运行这种场景数万次，并仅让成功的策略通过。但企业软件的性质使得这种规模的测试几乎不可能。当你需要再次运行同一场景时，根本没有简单的方法来“重置”像 Salesforce 或 Outlook 这样的系统，更不用说克隆它了。Arga 的解决方案是通过复制软件的结构来数字化重建该软件，就像撞击测试假人应该代替一个人一样。由于 Arga 对环境拥有完全控制权，生成的重建环境易于重置或修改。该公司还可以同时运行多个环境，以训练代理在不同程序之间的复杂交互。其想法是复制一个人的完整工作环境，其中特定任务跨不同程序和知识系统重叠。可以将其视为缩小编码与其他应用之间的强化差距。从某种程度上来说，AI 编码工具快速发展的原因之一是，我们已经拥有用于部署、逆向和分析新代码的复杂工具。这些工具使得设置编码的 RL 环境变得更加容易，这让我们能够在越来越复杂的编码任务上测试和训练 AI 系统。这些工具在大多数商业软件中尚不存在 — 但一旦出现，AI 系统可能会在使用那些程序方面变得更出色，像它们革命化编码一样，革命化其他行业。General Catalyst 的管理董事 Yuri Sagalov 也负责该公司的种子投资计划，他表示他看到对像 Arga 这样的代理测试工具的需求日益增长。“我认为，代理带来的经济价值大部分来自于使用商业应用，”Sagalov 告诉 TechCrunch。“拥有一个可重复的沙盒环境非常重要，对代理来说比对人类更重要。”当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。Russell Brandom 自 2012 年以来一直报道科技行业，专注于平台政策和新兴技术。他曾在 The Verge 和 Rest of World 工作，并为 Wired、The Awl 和 MIT 的《技术评论》撰稿。他可以通过 russell.brandom@techcrunch.com 或在 Signal 上 412-401-5489 联系。查看个人简介