朝乐门：Agentic AI驱动经济社会高质量发展的机制与路径

9月29日，2026中国互联网基础资源大会智能经济创新发展论坛在北京举办，中国人民大学智慧城市研究中心副主任、智能信息分析研究中心副主任朝乐门教授发表主旨演讲《AgenticAI驱动经济社会高质量发展的机制与路径》。

演讲聚焦AI演进主线：从LLM大语言模型、独立AIAgent，走向多智能体协同的AgenticAI新阶段，提出AI发展重心正在从零散试点，转向规模化、体系化的高质量落地，从闭环机制、人机协同、行业资产、组织生态四个维度给出落地框架。

一、演进判断：AI从问答工具，升级为多智能体协作体系

朝乐门提出，AI已经跨过单纯对话生成的初级阶段。第一代以大模型为核心，擅长应答、生成内容，但缺少自主规划与执行能力；第二代是单体AIAgent，具备感知、调用工具、分步执行任务的能力；而AgenticAI是更高形态，核心特征是多个角色智能体相互配合、自主分工，形成一套持续运转的智能协作体系。

当前行业普遍痛点是大模型幻觉、输出不稳定、任务落地不可控，很多项目停留在演示试点，难以嵌入生产业务。AgenticAI的核心价值，就是用体系化协作弥补单模型短板，把AI能力从“出答案”升级为“闭环完成复杂业务”，为产业、政务、互联网基础设施等场景提供新的生产力底座。

二、核心机制一：搭建多智能体闭环反馈，降低幻觉、提升可靠性

闭环纠偏是AgenticAI最重要的底层机制。方案不再依赖单个智能体一次性输出结果，而是分工设置生成、核验、修订三类角色智能体：生成智能体负责方案产出，核验智能体主动质疑、排查错误与风险，修订智能体根据核验意见迭代优化，多轮循环校验，形成内生纠错链路。

演讲以Aletheia系统为例，这套生成-校验-修订架构，在复杂推理、数理求解场景中已经验证了效果。这套机制也适配域名解析监测、网络威胁研判、基础设施运维等互联网基础资源场景，通过多智能体交叉复核，减少误报、漏判，提升安全研判的稳定性。

三、核心机制二：重构人机协作范式，推行“宏观委派、微观引导”

朝乐门指出，当下很多人的AI使用方式仍停留在浅层提示词提问，把AI当成直接产出成品的工具，缺少目标约束、边界定义和评价标准，输出质量波动大。

理想的人机分工模式应当是：人负责顶层的目标定义、价值判断、风险把关，把完整复杂任务委派给AgenticAI体系自主规划、分步执行；人类只在关键节点做方向校准，而不是把任务拆成细碎指令交给AI。这一模式可以充分释放智能体长链条推理、自主调度工具的优势，避免过度拆解任务带来的效率损耗，适合政企流程自动化、供应链调度、基础设施巡检等长流程场景。

四、核心机制三：技能沉淀与长期记忆管理，沉淀可复用行业资产

通用大模型的短板在于缺少行业专属经验，很难深度扎根垂直赛道。AgenticAI规模化落地的关键，是把企业流程、业务经验、历史案例转化为可沉淀、可复用的行业技能库与持久记忆体系。

AI价值衡量标尺，也从“能不能生成文字”转向“能不能沉淀行业能力”。企业在落地时，持续记录任务执行轨迹、沉淀成功范式、固化业务规则，形成专属Skills资产。这套资产可以在同类型任务中反复调用，让智能体越用越贴合业务，而不是每次都从零开始推理，这也是AI从试点走向规模化商用的核心条件。对于域名、DNS、网络安全这类基础设施赛道，意味着运维经验、应急处置预案、漏洞研判经验都可以数字化沉淀为智能体能力。

五、核心机制四：倒逼组织生态变革，匹配智能协作新模式

AgenticAI带来的改变不只是技术层面，更是组织管理模式的重塑。竞争的胜负不再只取决于基础大模型参数和算力，更取决于组织能不能重构流程、权责、协作机制，适配智能体深度参与业务运转的新模式。

传统岗位分工、审批流程、绩效考核方式，都会随着智能体介入而调整。企业需要同步搭建配套管理体系：明确智能体权限边界、操作留痕、风险卡点、责任归属。基础设施服务商、注册局、解析平台在引入智能体运维、智能风控时，同样需要配套组织制度，避免技术能力和管理体系脱节。

六、行业启示：互联网基础资源领域迎来AgenticAI落地窗口

放在域名、互联网基础资源赛道来看，AgenticAI有着清晰的落地场景：DNS异常监测、DDoS攻击研判、域名合规巡检、注册信息风险筛查、故障自动定位与应急处置。

同时也要守住边界：AgenticAI是协同体系，不是完全无人自治。闭环校验、人工关键节点把关、业务知识沉淀、组织制度配套，缺一不可。朝乐门总结，AgenticAI标志着AI从单点工具，走向人机协同的智能协作体系，未来产业落地的重点，是技术、应用模式、人机分工、组织机制协同创新，稳步赋能经济社会高质量发展。