核心内容摘要
愁云惨雾里的成年人：男生女生的“共同焦虑”到底怎么破？
本文分析了AI Agent设计中三种关键人机协作模式HITL(人类介入循环)、HOTL(人类监督循环)和AITL(智能体介入循环)。
通过类比操作系统概念探讨了这些模式的架构设计与工程实践并详细解析了Manus、LangChain、Dify和CopilotKit等主流框架如何实现这些模式。
文章指出未来高级AI系统将是这些模式的融合体实现更动态和无缝的人机协作。
摘要自主 AI Agent 的设计核心在于其与人类的协作模式。
本文旨在分析人机协同光谱上的三种关键模式人类介入循环 (Human in the Loop, HITL)、人类监督循环 (Human over the Loop, HOTL) 以及智能体介入循环 (Agent in the Loop, AITL)。
本文通过类比操作系统中的概念并结合对 Manus、LangChain、Dify、CopilotKit 等框架的接口设计、
实现原理和用户体验的深入分析探讨这些模式的架构设计与工程实践。
人机协同的光谱从 Agent 主导到人类主导在 AI Agent 的设计中人机交互范式并非二元的而是一个连续的光谱。
光谱的两端分别是Agent 主导的自主系统和人类主导的辅助系统。
HITL、HOTL 和 AITL 是这个光谱上的三个关键坐标。
HITL vs HOTL vs AITL 架构对比图1HITL、HOTL 与 AITL 的架构对比。
HITL 将人类嵌入 Agent 循环HOTL 将人类置于监督层AITL 则将 Agent 嵌入人类的工作循环。
1.
Human in the Loop (HITL): 同步阻塞模型Human in the Loop (HITL)模式将人类视为 Agent 执行流程中的一个同步环节。
在此模型下Agent 在遇到预设的关键节点或不确定性时会暂停执行并等待人类的明确输入。
这在概念上等同于一个阻塞式 I/O 调用人类操作员成为 Agent 执行线程继续前进的必要条件。
1.
Human over the Loop (HOTL): 异步中断模型Human over the Loop (HOTL)模式赋予 Agent 更大的自主权使其能够独立完成端到端任务。
人类的角色从流程中的“必经节点”转变为更高维度的监督者 (Supervisor)。
这种关系可类比于操作系统的中断机制 (Interrupt Mechanism)人类可以随时发出“中断信号”触发异步的干预但不会阻塞 Agent 的常规执行。
1.
Agent in the Loop (AITL): Copilot 辅助模型Agent in the Loop (AITL)是一个与 HITL/HOTL 方向相反的模式 [1]。
它不是将人类置于 Agent 的循环中而是将 Agent 嵌入到人类的工作循环中。
这正是Copilot 模式的精髓人类是主驾驶 (Pilot)Agent 是副驾驶 (Copilot)负责在人类的工作流中提供建议、自动完成和信息增强 [2]。
特征Human in the Loop (HITL)Human over the Loop (HOTL)Agent in the Loop (AITL)主导者AgentAgent人类交互模型同步 (Synchronous)异步 (Asynchronous)嵌入式 (Embedded)系统影响阻塞式 (Blocking)非阻塞式 (Non-blocking)辅助式 (Assistive)人类角色操作员 (Operator)监督者 (Supervisor)主导者 (Pilot)Agent 角色执行者 (Executor)自主执行者 (Autonomous Executor)副驾驶 (Copilot)OS 类比阻塞式 I/O中断处理用户空间应用Agent 控制层级CPU 特权环类比为了在 Agent 内部融合 HITL 与 HOTL 模式其架构可借鉴 x86 CPU 的特权环 (Privilege Rings)模型构建一个从内到外的分层控制结构以平衡自主性与安全性 [4]。
AI Agent 控制层级特权环类比图2AI Agent 控制架构的特权环类比。
权限由中心的自主内核Ring 0向外围的用户空间Ring 3逐级递减。
Ring 0自主决策内核 (Autonomous Agent Core)Ring 1工具执行层 (Tool Execution Layer)Ring 2人类确认门控 (Human Confirmation Gate)(HITL 模式的核心体现)Ring 3用户空间 (User Space)通过此机制Agent 大部分时间在 Ring 0 和 Ring 1 之间高效自主地运行HOTL 状态仅在触及关键节点时才进入 Ring 2 的同步等待状态HITL 状态。
工程实践主流框架的人机协同实现
3.
Manus系统级的、细粒度的 HOTL 实现Manus 的架构选择了一条更底层的路径其 HOTL 模式通过纯粹的软件工程机制和交互设计在系统执行层实现其核心是将 Agent 的执行环境本身作为状态管理和交互的核心[5]。
Manus 底层 HOTL 架构图3Manus 的 HOTL 架构。
接口设计与用户体验Manus 没有为开发者提供显式的 HITL/HOTL 编程接口。
相反它的协同机制体现在产品交互层面自然语言交互用户通过发送消息与 Agent 交互。
每一条新消息都被视为一个高优先级的异步中断Agent 必须暂停当前任务来处理。
实时可见性用户可以随时查看 Sandbox 中的文件系统或直接向 Agent 查询其内部状态提供了极高的透明度。
24/7 执行由于 Agent 在云端 Sandbox 中运行用户可以关闭界面Agent 仍会继续执行长耗时任务实现了真正的异步协作。
实现原理机制实现细节系统级中断用户的任何新消息都会触发一个中断信号强制 Agent 暂停当前工具调用或推理步骤转而处理用户输入。
持久化沙箱为每个任务分配一个完整的、隔离的云虚拟机 (Sandbox)包含文件系统、进程和网络。
Agent 的所有状态都隐式地保存在这个环境中而非显式的 Checkpoint。
状态管理状态管理是操作系统级别的。
恢复任务时是恢复整个虚拟机的状态而非仅仅恢复几个高层变量。
这使得 Manus 能处理需要复杂环境依赖的任务如软件开发。
这种设计的用户体验更接近于与一个真正的人类助手协作你可以随时打断他给他新的指令检查他的工作进度而他拥有自己独立的“电脑”来完成工作。
3.
LangChain (LangGraph)框架级的、显式的 HITLLangChain 的 LangGraph 库通过中断 (Interrupts)机制为开发者提供了在框架层实现HITL的直接工具 [3]。
LangGraph 中断机制流程图图4LangGraph 的中断机制流程图。
接口设计核心接口是interrupt()函数和Command(resume...)对象。
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line from langgraph.types import interrupt, Command def approval_node(state: State): # 暂停执行Do you approve? 会返回给调用者 approved interrupt(Do you approve?) # 恢复时Command(resume...) 的值会成为 interrupt() 的返回值 return {approved: approved} # 恢复执行 config {configurable: {thread_id: thread-1}} graph.invoke(Command(resumeTrue), configconfig)
实现原理机制实现细节动态中断interrupt()可以在节点的任何位置被调用允许基于运行时逻辑的条件性暂停。
Checkpointer必须配置一个 Checkpointer 来保存图的状态。
状态以 JSON 格式保存通常存储在内存、SQLite 或其他数据库中。
Thread IDthread_id是恢复状态的关键。
同一个thread_id对应一个持久化的执行线程。
节点重启恢复时包含interrupt()的节点会从头开始重新执行。
因此interrupt()调用之前的代码必须是幂等的。
用户体验开发者体验类似于在代码中设置断点。
控制粒度非常精细但需要开发者对图、状态和幂等性有清晰的理解。
最终用户体验取决于开发者如何处理中断。
通常是在一个 Web 界面上看到一个提示如“是否批准”然后点击按钮来恢复流程。
3.
Dify应用级的、可视化的 HITLDify 在应用层通过一个原生的“人工输入”(Human Input) 节点将 HITL 的实现方式产品化让非技术人员也能通过图形化界面构建包含人类审批环节的 AI 应用 [6]。
接口设计与用户体验接口是完全可视化的。
开发者或业务人员从节点库中拖拽一个“人工输入”节点到画布上然后通过表单配置其属性输入字段定义需要向用户收集的信息文本、数字、文件等。
字段属性设置标签、是否必填等。
对于最终用户体验通常是一个 Web 表单。
当工作流执行到该节点时会生成一个表单页面等待用户填写并提交。
实现原理工作流引擎Dify 的后端工作流引擎在执行到“人工输入”节点时会将当前任务的状态标记为“暂停”并记录下需要等待的输入。
前端交互当用户通过 API 或 Web 界面请求该任务时Dify 会返回一个需要人工输入的信号。
前端应用负责渲染表单并将用户提交的数据发送回 Dify 以恢复工作流。
限制这种模式的暂停点是静态的只能在节点之间发生无法在节点内部的任意逻辑处暂停。
3.
CopilotKitUI 层的 AITL 实现CopilotKit 是AITL 模式的典型代表。
它专注于在前端 UI 层实现人机协作其核心设计思想是将 Agent 作为可交互的前端组件嵌入到现有的用户应用中[9]。
接口设计CopilotKit 提供了一套 React 组件和 Hooks如CopilotKit、CopilotPopup和useCopilotAction。
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line import { CopilotKit } from copilotkit/react-core; import { CopilotPopup } from copilotkit/react-ui; function App() { return ( CopilotKit url/api/copilotkit MyApp / CopilotPopup / /CopilotKit ); }开发者通过useCopilotAction定义 Agent 可以调用的前端函数从而让 Agent 能够操作 UI 或访问前端状态。
实现原理机制实现细节前端优先Agent 的能力通过前端组件和 Hooks 暴露使得 Agent 与 UI 的集成非常紧密。
解耦协议通过 Agentic Protocols (如 AG-UI) 与后端 Agent 框架如 LangChain通信实现了前后端的解耦。
状态同步useCopilotReadableHook 允许 Agent 读取前端应用的状态而 Agent 的行为可以通过前端事件来响应。
用户体验开发者体验非常接近于现代前端开发。
通过引入几个 React 组件和 Hooks就可以为现有应用“注入”一个 Copilot。
最终用户体验是无缝的。
Agent 就像是应用的内置功能可以在用户当前的工作上下文中提供帮助而不是把用户带到一个独立的聊天界面。
结论人机协同的架构分野与融合通过对上述框架的分析可以观察到人机协同模式存在于一个二维的光谱中控制主导方Agent 主导 vs. 人类主导和实现抽象层级系统层 vs. UI 层。
人机协同实现的抽象层级与主导方向图5人机协同模式的两个维度抽象层级与控制主导方。
未来的高级 AI 系统必然是这些模式的融合体。
一个理想的系统可能以 AITL 模式嵌入到用户的日常应用中但在需要执行某个复杂子任务时会动态地切换到 HOTL 模式生成一个自主的子 Agent 来完成任务并在关键节点通过 HITL 模式请求用户的确认。
在这种架构下人与 Agent 的关系将变得更加动态和无缝。
如何系统的学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。
但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。
这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。
我在一线互联网企业工作十余年里指导过不少同行后辈。
帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新更多的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】
大模型风口已至月薪30K的AI岗正在批量诞生2025年大模型应用呈现爆发式增长根据工信部最新数据国内大模型相关岗位缺口达47万初级工程师平均薪资28K数据来源BOSS直聘报告70%企业存在能用模型不会调优的痛点真实案例某二本机械专业学员通过4个月系统学习成功拿到某AI医疗公司大模型优化岗offer薪资直接翻3倍
大模型 AI 学习和面试资料1️⃣ 提示词工程把ChatGPT从玩具变成生产工具2️⃣ RAG系统让大模型精准输出行业知识3️⃣ 智能体开发用AutoGPT打造24小时数字员工熬了三个大夜整理的《AI进化工具包》送你✔️ 大厂内部LLM落地手册含58个真实案例✔️ 提示词设计模板库覆盖12大应用场景✔️ 私藏学习路径图0基础到项目实战仅需90天第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。
大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-
5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。
快速开发一个完整的基于 agent 对话机器人。
掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。
为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。
到此为止大概2个月的时间。
你已经成为了一名“AI小子”。
那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。
硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。
天道酬勤你越努力就会成为越优秀的自己。
如果你能在15天内完成所有的任务那你堪称天才。
然而如果你能完成
% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】