我要投稿

智谱GLM-PC发布 | 未来的Agent应用范式是左右脑协作

发布日期：2025-02-22 07:36:51 浏览次数： 1801 作者：AIGC新知

斯佩里的左右脑分工理论是心理学和神经科学领域的一个重要里程碑。

Roger Wolcott Sperry的研究表明，大脑的两个半球在功能上存在显著差异，并对理解大脑如何处理不同类型的信息产生了深远的影响。

斯佩里的割裂脑实验

斯佩里的实验涉及对癫痫患者进行的“割裂脑”手术，这种手术切断了连接两个大脑半球的胼胝体，以减少癫痫发作。结果发现，尽管手术有效地控制了癫痫发作，但患者的行为表现出了显著的变化，这表明大脑的两个半球在功能上是分离的。

左右脑的功能分工

斯佩里的研究揭示了左右脑在功能上的分工，尽管这种分工并不是绝对的，也不是所有功能都严格地局限于一个半球：

左脑：通常被认为是“理性脑”，主要负责逻辑推理、语言处理、数学计算、分析和细节处理等任务。它更擅长处理线性和序列化的信息，如阅读和写作。
右脑：通常被认为是“感性脑”，主要负责空间感知、音乐、艺术、情感表达和直觉等任务。它更擅长处理整体和视觉信息，如面部识别和理解非语言信号。

左右脑的协同工作

尽管左右脑在功能上有所分工，但它们通过胼胝体紧密相连，能够协同工作。这种协同工作使得大脑能够处理复杂的任务，如解决问题、创造艺术作品或进行复杂的决策。大脑的两个半球通过胼胝体交换信息，每秒可以交换高达10亿位元的信息，这使得大脑能够作为一个整体来工作。

智谱的研究者认为，一个完备的 Agent 需满足以下条件：

在感知层面，能接收文字、图像、视频、音频等多元信号；
在思维层面，具备逻辑思维、任务规划能力及高效感知、灵活操作能力；
在执行层面，完成 GUI 空间操作，接收环境反馈，自我纠正。

新版GLM-PC智能体模仿人脑的左脑逻辑和右脑创造性，通过结合代码生成和图形界面理解，帮助完成复杂任务。

它使用了智谱AI开发的CogAgent和CodeGeex模型，可以自动执行代码、规划任务、反思并优化执行过程。

下载体验：https://cogagent.aminer.cn

GLM-PC的“左脑”

主要负责严谨的逻辑推理与任务执行，其核心功能包括规划和循环执行。

1、规划（Planning）

GLM-PC能够根据用户的任务需求，迅速制定出详细的任务规划方案。它会综合分析目标以及可用资源，生成执行路线图，并将大型任务自动分解为可管理的子任务，以构建出清晰的执行路径。

2、循环执行（Looping Execution）

规划阶段结束后，GLM-PC将启动代码生成模块，执行逻辑循环，逐步推进任务完成。该循环机制确保了任务的精确执行与高度自动化，从而实现从输入到输出的完整闭环，无需人工干预。

例如，在获取商品信息并将其加入购物车的任务中，GLM-PC能够自动提取图片中的商品数据，存储至Excel，并自动将商品加入淘宝购物车，实现一站式购物流程。

3、长思考能力

GLM-PC的“左脑”功能中的长思考能力，即动态反思、纠错与优化，是其智能体在执行任务时的重要特点。这一能力使得GLM-PC不仅能够按照预先设定的计划执行任务，还能够在遇到问题或环境变化时进行自我调整和优化。以下是这一能力的两个具体表现：

灵活应对中断

在执行任务的过程中，可能会遇到各种外部因素导致的中断，如网络问题、系统错误、用户操作失误等。GLM-PC的“左脑”能够迅速识别这些中断，并重构逻辑路径，以适应新的情况。这种能力使得GLM-PC能够灵活应对各种意外情况，确保任务能够顺利进行，而不会因为一次中断就完全失败。

例如，如果GLM-PC在执行一个自动化的数据处理任务时，突然遇到了网络中断，它能够识别这个问题，并尝试重新连接网络，或者寻找其他可行的数据源，以确保任务能够继续进行。

主动信息完善

在执行任务的过程中，GLM-PC可能会遇到信息缺失的情况，这可能会影响任务的执行效果。在这种情况下，GLM-PC的“左脑”会主动与用户进行交互，通过提问来获取缺失的信息。这种主动的信息完善能力使得GLM-PC能够更加灵活地适应不同的任务需求，提高任务执行的准确性和效率。

例如，如果GLM-PC在执行一个自动生成报告的任务时，发现缺少某些关键数据，它可能会主动询问用户这些数据的具体内容，或者请求用户提供相关的数据文件，以便生成完整的报告。

总的来说，GLM-PC的“左脑”功能中的长思考能力，使得它能够在执行任务的过程中进行动态反思、纠错与优化，从而提高任务执行的灵活性和准确性。这种能力是GLM-PC作为智能体的重要特点，也是其在各种应用场景中发挥作用的关键。

GLM-PC的“右脑”

专注于深度感知和交互体验，它通过模拟人类的视觉感知和认知能力来处理和理解图形用户界面（GUI）。以下是“右脑”的核心功能：

1、GUI图像理解

“右脑”能够准确识别图形界面中的各种元素，例如按钮、图标、布局等，并理解这些元素的功能和交互逻辑。这意味着GLM-PC可以像人类用户一样，通过视觉识别来与计算机界面进行交互。

2、用户行为认知

通过学习用户界面和历史操作信息，“右脑”能够理解用户的行为模式，并根据这些信息为用户提供当前界面的智能推荐操作。这种能力使得GLM-PC能够更加个性化地适应用户的需求和习惯。

3、图像语义解析

“右脑”能够对复杂图像进行深入的语义分析，提取关键信息，如文字、标识符以及数据可视化图表中的趋势和指标。这种能力对于理解和处理包含丰富视觉信息的数据至关重要。

4、多模态信息融合

“右脑”能够将图像信息与文字信息融合，形成全面的感知结果。例如，在用户界面中同时识别按钮的位置和文字标签，这种多模态信息的融合有助于“左脑”制定更加精准的操作计划。

通过这些功能，GLM-PC的“右脑”不仅能够处理视觉信息，还能够理解和预测用户的交互行为，从而提供更加自然和直观的用户体验。这种深度感知和交互体验的能力，使得GLM-PC能够在各种复杂的计算机环境中执行任务，无论是简单的点击操作还是复杂的多步骤任务。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-04-28

百度全面接入MCP生态，成为继阿里、腾讯、字节后又一国内科技巨头

2025-04-28

金融大模型推理能力瓶颈如何突破？通义点金提出 DianJin-R1 框架，点石成金！

2025-04-28

深入解读MCP协议最新版本的4大升级【上】：传输机制与安全授权

2025-04-28

一文了解：为什么大模型 Agent框架（A2A）采用 JSON-RPC 2.0？

2025-04-28

拨开MCP的迷雾，聊聊LLM工具调用的本质（一）：Function Calling

2025-04-28

推荐支持MCP的六大AI框架

2025-04-27

一文了解Text Embedding模型：从text2vec、openai-text embedding到m3e、bge（上）

2025-04-27

RollingAI创始人刘开出席2025年中国绿公司年会，解读AI商业化落地新思维

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

本地部署大模型？看这篇就够了，Ollama 部署和实战

2024-08-13

16个具有“联网搜索”功能的AI：总有一个适合你！

2024-06-13

Cursor 一个真正让程序员产生危机感的 AI 编程工具

2024-08-21

OpenAI o1与GPT4o的对比分析

2024-09-23

大模型｜“上下文长度”和“上下文窗口”不再傻傻分不清楚！

2024-07-31

一文带你了解大模型——智能体（Agent）

2024-05-28

50+个AI大模型在不同领域的应用案例

2024-08-04

全面对比dify、coze、streamlit、chainlit

2024-04-26

【深度】AI搜索产品深度分析-搜索原理和商业模式分析

2024-07-09

一文读懂OpenAI新发布o1系列大模型

2024-09-17

大家都在问

一文了解：为什么大模型 Agent框架（A2A）采用 JSON-RPC 2.0？

2025-04-28

一文了解：大模型 Agent 开发框架有哪些？它们的区别是什么？

2025-04-27

为什么一定要做Agent智能体？

2025-04-25

除了MCP我们还有什么？

2025-04-24

LLM 推理引擎之争：Ollama or vLLM ?

2025-04-24

专题策划（下）| 如何实现大模型与行业的深度耦合？

2025-04-23

OpenAI：就你们也配做智能体？

2025-04-23

白话解析 DPO：如何让 AI 直接学习人类偏好？

2025-04-22

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB