智東西AI前瞻（公眾號：zhidxcomAI）
作者 | 江宇
編輯 | 漠影
智東西AI前瞻5月(yue)26日消(xiao)息(xi)，Plexe AI作(zuo)為Y Combinator的(de)孵化(hua)(hua)項目(mu)(mu)，近(jin)日正式(shi)公開(kai)亮相。 這(zhe)家入選Y Combinator 2025年(nian)春季批(pi)次(ci)孵化(hua)(hua)項目(mu)(mu)的(de)初創(chuang)公司，正專注于開(kai)源智能體（Open-source Agent）開(kai)發，以(yi)簡化(hua)(hua)機器學習（LM）模型的(de)創(chuang)建與應用流程(cheng)。
在當前人工智能(neng)技術(shu)快速發(fa)(fa)展的(de)背景下，機器學習模(mo)型(xing)(xing)的(de)開發(fa)(fa)與部署對非專業(ye)人員(yuan)而言仍存在一(yi)定技術(shu)門檻。Plexe AI正(zheng)致(zhi)力于解決這一(yi)痛點，據(ju)其官方資料顯示，其智能(neng)體已能(neng)幫助企業(ye)將從想(xiang)法到部署模(mo)型(xing)(xing)的(de)時間縮短10倍。
一、用自然語言生成模型，Plexe AI要讓AI人人可用
Plexe AI的(de)核(he)心愿景是創建一個(ge)開(kai)源智能(neng)體，能(neng)夠(gou)將自然語(yu)言的(de)任務描述轉(zhuan)化(hua)為可用(yong)的(de)機器學習模型。
這意味著，用戶無(wu)需深入了(le)解(jie)復(fu)雜的編(bian)程語言、算(suan)法(fa)原理(li)或專業(ye)數據(ju)科(ke)學知識，即可讓AI完成數據(ju)分析或預(yu)測任務。
例如，用戶(hu)可(ke)以通過(guo)日常語言(yan)表達“我(wo)想分析一下客(ke)戶(hu)購買行(xing)為，找出哪些因素會影響購買量(liang)”，Plexe AI便能(neng)自動(dong)構建并部(bu)署一個機器學習模型來(lai)完成該任務。
而Plexe AI的(de)這項核心(xin)能力，正是由其(qi)兩位(wei)聯合創始人Vaibhav Dubey和(he)Marcello De Bernardi所(suo)搭建。
兩位創(chuang)始人在機(ji)器學(xue)習領域(yu)擁有豐富(fu)經驗，Vaibhav Dubey曾(ceng)任職(zhi)于Proofpoint和Expedia，并畢業于倫敦帝(di)國理工學(xue)院(yuan)；Marcello De Bernardi曾(ceng)任職(zhi)于AWS和Expedia，并畢業于牛津大學(xue)。
根據Y Combinator的介(jie)紹，他(ta)們(men)此(ci)前在為一家大型銀行構建(jian)聊天機器(qi)人時(shi)相(xiang)識(shi)，并積累了企業級機器(qi)學習解決(jue)方案的經驗。
二、具有自糾正能力的多智能體系統
Plexe AI的核心技術是(shi)一個多(duo)智能體(ti)系(xi)統（multi-agent system）。這并非簡單的腳本自動化，而是(shi)一個“自糾正的機器學習工程智能體(ti)團隊”。
它模擬(ni)了機器學習工程(cheng)師的工作流程(cheng)，將復(fu)雜任務(wu)拆解并自動(dong)化，具體步驟如下：
? 1、連接數據源并發現相關字段：
以一名營銷(xiao)負責(ze)人為例，他即便手頭積累了大量客戶(hu)數據(ju)，但(dan)也并非數據(ju)專(zhuan)家。
當他(ta)提(ti)出(chu)“預測(ce)哪些客戶(hu)最有可能(neng)(neng)復購”的需(xu)求時(shi)，Plexe AI能(neng)(neng)夠智能(neng)(neng)地(di)連接到企(qi)業的CRM或銷售數據庫，并自(zi)動識別出(chu)與(yu)客戶(hu)購買行為相關的關鍵字(zi)段(duan)，如購買頻率、上次購買時(shi)間(jian)、產品偏好等。
這(zhe)意味著用戶(hu)無需手動進行繁瑣(suo)的(de)數(shu)據清洗(xi)和預處(chu)理，系(xi)統已完成了第一(yi)步的(de)數(shu)據“理解”。
? 2、研究與實驗多種模型架構：
針對該復(fu)購預測問題，Plexe AI的(de)(de)智能(neng)體團隊會像真正的(de)(de)ML工程師(shi)一樣，研究并(bing)實驗多(duo)種潛在(zai)的(de)(de)機器學習模型架構(gou)。
這包括探索不同(tong)的算法(fa)(fa)（如分類(lei)算法(fa)(fa)、回歸(gui)算法(fa)(fa)）、特征工(gong)程方法(fa)(fa)（如何從現(xian)有(you)數據(ju)中生成新特征）等，以尋(xun)找最(zui)佳的預測方案。
3、評估、提煉并部署最優模型：
在實驗過(guo)程中(zhong)，Plexe AI會不斷(duan)評估這(zhe)些模型(xing)的(de)性能，進行(xing)迭代優化和提(ti)煉(lian)，最終選擇出表現最佳的(de)模型(xing)。通過(guo)歷史數(shu)據驗證，確定哪個(ge)模型(xing)在預測(ce)復(fu)購(gou)率上最準確。
這(zhe)個最優模型隨后會(hui)通過API端點部署，讓營(ying)(ying)銷(xiao)負責(ze)人(ren)可以(yi)直(zhi)接調(diao)用(yong)和使用(yong)，將其預測能力(li)集成到日常的客(ke)戶管理或營(ying)(ying)銷(xiao)活動中。
這種“從描(miao)述到部(bu)署”的(de)自動(dong)化(hua)流程，極(ji)大(da)地降低了(le)機器學(xue)習的(de)門檻(jian)。它使(shi)得用戶的(de)銷(xiao)售數(shu)(shu)據、用戶行為數(shu)(shu)據、庫存(cun)數(shu)(shu)據等不再是靜(jing)態信息，而是能夠轉(zhuan)化(hua)為可操作的(de)洞察和預測，支持更明智的(de)決策、優化(hua)運營并識別新的(de)商機。
面對快速變化(hua)的(de)市(shi)場(chang)，Plexe AI的(de)自動化(hua)能(neng)力使得用戶能(neng)夠更快速地測試不同(tong)假設并(bing)調整策略。
作(zuo)為一款(kuan)開源工(gong)具(ju)，Plexe AI不僅服務于企業，也(ye)為廣大開發(fa)(fa)者和個人提供(gong)了AI工(gong)具(ju)，使非(fei)專業的開發(fa)(fa)者也(ye)能(neng)(neng)通(tong)過(guo)Plexe AI的接口將AI能(neng)(neng)力集成(cheng)到其應(ying)用中，實現創新。
結語：當AI打造AI，定制化AI之路能否走通？
PlexeAI的出現，為機器學(xue)習領域(yu)降(jiang)低技術門檻，并加速定制化AI部(bu)署提供了新(xin)的思(si)路(lu)。
其通過(guo)開源(yuan)智能體實現自(zi)然(ran)語言(yan)到ML模型的(de)轉(zhuan)化，這與當(dang)前市場(chang)上的(de)自(zi)動化機器學習（AutoML）平臺（如Google Cloud AutoML、DataRobot）和低(di)代碼/無代碼AI平臺（如Microsoft Power Platform、Obviously.ai）在目標上有(you)所重合。
然(ran)而，Plexe AI的(de)(de)差異(yi)化(hua)在于(yu)其直接通過自然(ran)語言提(ti)示驅(qu)動端(duan)到端(duan)模型構(gou)建(jian)，并采用了開源智能體這一獨特的(de)(de)模式，有望實現更深層次的(de)(de)自動化(hua)和更高的(de)(de)開放性(xing)。
根據(ju)其Y Combinator頁面信息，他們正在積極尋(xun)求與擁有大量數據(ju)但尚(shang)未構建機器(qi)學習(xi)功能的公(gong)司(si)進行合作(zuo)，以推動(dong)其技術的實際應(ying)用(yong)。
Plexe AI能否在日(ri)益(yi)增(zeng)長的AI智能體和自動(dong)化工(gong)具市場中脫穎而出，推動(dong)定制化AI的廣泛應(ying)用，值得行業持續關注。
