139. 【Agent的综述】和苏煜聊Agent技术史、OpenClaw Moment、边界的消弭和社会的辐射

HD851373z:娓娓道来

Bibli:大学老师你以为白当的

GOOD棒:🈶逐字稿 有没听清楚的地方可以看看🍻 🔗: https://pan.baidu.com/s/1ZY1D1XrbFFQWyOSqHJPoAw?pwd=7ypx 提取码: 7ypx

RegisK:请问是用什么方法转录到文稿的

RayHu:分享嘉宾：苏煜（俄亥俄州立大学计算机系教授、Neo Cognition 创始人、2025年斯隆研究奖得主） 核心主题：从技术史视角复盘 Agent 演进，解析 Language Agent 的范式革命与 2026 年技术趋势。 一、 Agent 的本质定义与核心要素 Agent（智能体）并非新概念，而是贯穿 AI 发展始终的主线。一个完备的 Agent 需具备三个要素： 实体性（Entity）：具有明确的边界。 环境交互性（Environment）：在特定环境中工作。 目标导向性（Goal-directed）：其活动并非随机，而是为了达成特定目的。 Agent 能力的两个维度： Memory（记忆）：涵盖知识的表达、获取、更新与遗忘。包括语义记忆（知识）、情景记忆（经历）和过程性记忆（技能）。 Autonomy（自主性）：包括感知（Perception）、推理（Reasoning）、决策（Decision making）和行动（Action）。 二、 Agent 的技术演化简史 逻辑智能体（1950s - 1990s）：以专家系统为代表，基于逻辑语言进行推理。瓶颈在于知识获取极其低效，无法表达复杂世界。 神经智能体 / 深度强化学习（2010s）：以 AlphaGo 为代表。虽然在游戏等受限环境中表现强大，但其推理是隐式的，计算量固定且样本效率低下。 语义解析时代（2000s - 2020）：关注如何将人类语言转化为机器可读的正式表达，扩大了 Agent 的行动空间，为后续大模型时代积累了技术先验。 语言智能体（2022 至今）：基于 LLM 的新范式。核心变化是将语言作为“脚手架”（Scaffold），用于支撑感知、推理与行动。 三、 核心观点：语言是进化的加速器 压缩即智能：大语言模型的训练本质上是对世界信息的压缩，从表层符号压缩为对世界模型的内部表达。 符号化进化的“新赛道”：人类文明的爆发源于语言的出现，它允许信息跨越时空和代际传递。当前 Agent 经历的正是类似的“语言/符号化”进化节点。 语言作为脚手架：语言不仅是沟通工具，更是推理的媒介（如 Chain of Thought）。它让计算变得自适应，复杂的任务可以分配更多的 Token（即计算量）。 四、“OpenClaw Moment” 与范式转移 2025-2026 年出现的 OpenClaw Moment 与 ChatGPT Moment 具有高度相似性： 交互形式的质变：技术底层已成熟，但通过 24 小时在线（Always-on）、高权限开放（YOLO 模式）和即时通讯交互，彻底引爆了 Agent 的应用范式。 从 LLM 到 Agent 的跃迁：ChatGPT 标志着模型范式的变化，而 OpenClaw 标志着高度自动化、个性化 Agent 范式的确立。 边界消弭：Browser Use、Desktop Use、Coding Agent 等细分领域正在快速融合，最终趋向于“通用数字智能体”（Universal Digital Agent）。 五、 启发洞察：专业化与“微观世界模型” 通用智能廉价化，专业智能价值化：当通用智能成为标配，差异化将来自于“专业化”（Specialization）。 微观世界模型（Micro World Model）：一个专家级 Agent 必须学会特定领域（如某公司的财务、某款软件的操作）的微观世界模型。 可靠性的基石：目前 Agent 在长程任务中不稳定，根本原因在于缺乏对特定环境的深刻理解。只有通过持续学习（Continuous Learning）构建起专业化的世界模型，才能达到 100% 的可靠性。 六、 关于人机交互（GUI vs CLI）的预判 GUI（图形界面）不会消失：人类进化决定了我们是视觉动物，GUI 是人与机器建立信任、审计和交互的最佳通道。 Agent 的“双轨制”交互：短期内 Agent 必须兼容 GUI 以利用现有的商业逻辑和约束；长期看，Agent 间会通过更高效的接口通讯，但 GUI 作为“事实接口”将长期存在。 七、 2026 年的技术预期与社会责任 主旋律：持续学习（Continuous Learning）：2026 年的核心课题是解决 Agent 在真实部署环境中的自我进化，使其从“实习生”成长为“专家”。 技术的民主化：AI 研究者的责任是降低强大 Agent 的准入门槛，防止技术被少数巨头垄断，让每个有独特洞察的人都能将想法转化为生产力。 职业替代与重塑：面对技术进步引发的裁员与失业风险，社会需要建立更好的收益再分配机制，同时利用 Agent 工具赋予个人更强的生存能力。

sharpwhimsy:https://yb.tencent.com/wx/ct/YFPFxdP7Dp9nei 这期确实顶，弄了一个agent来整理术语wiki卡片和补充展开提到的一些关键概念和背景。 一、Agent技术演进三阶段 1. 逻辑智能体（1950s-1990s） • 基于符号逻辑与专家系统，受限于手工编码规则和知识获取瓶颈，最终因泛化能力不足导致AI寒冬。 • 关键局限：无法处理非结构化知识，依赖谓词逻辑（如Father(John, Mary)）。 2. 神经智能体（2000s-2020s） • 以深度强化学习（DRL）为代表，通过试错学习隐式知识（如AlphaGo），但样本效率低且任务单一。 • 突破：从感知到行动的闭环，但缺乏通用推理能力。 3. 语言智能体（2022-2026） • 语言作为脚手架（Scaffold）：LLM提供先验知识（物理常识、社会规范），通过CoT（思维链）、ReAct（推理+行动）实现自适应计算。 • 关键里程碑： ◦ 2022年：CoT（Google）显式推理、ReAct（普林斯顿）环境交互。 ◦ 2023年：Toolformer（Meta）工具调用、AutoGPT自主任务分解。 ◦ 2024-2025年：视觉交互（U-Ground像素级操作）、代码即接口（Code as API）。 --- 二、未来方向：Specialization与World Model 1. 专用化（Specialization） • 通用模型（如GPT-4）是基础，但垂直领域需构建领域世界模型（如医疗流程、工业操作）。 • 实现路径： ◦ 持续学习：通过交互数据迭代优化（如NeoCognition的World Model框架）。 ◦ 混合架构：结合符号逻辑（精确性）与神经网络（泛化性）。 2. 交互范式争议 • GUI vs CUI： ◦ GUI（视觉操作）短期仍是主流（兼容现有软件），但CUI（代码/API）长期更高效。 ◦ 反例：语义网（Semantic Web）因强推标准化失败，说明技术优越≠必然采纳。 3. 行业格局（2026） • 头部玩家：Anthropic（Claude计算机操作）、OpenAI（生产力Agent）、SpaceXAI（太空计算）。 • 创业机会：垂直领域Agent（如法律、医疗）、开源生态（降低技术垄断）。 --- 三、核心挑战 1. 可靠性：当前Agent任务完成率约70%，需通过World Model学习逼近人类专家级稳定性。 2. 社会影响：技术民主化（Democratize Access）与就业替代（Job Displacement）的平衡。 3. 评测标准：超越传统跑分（如MMMU多学科评测），关注生态效度（真实场景泛化能力）。 总结：Agent正从“工具”进化为“数字员工”，其核心壁垒将从通用能力转向领域专精（Specialization），而World Model的完善是实现这一跃迁的关键。

沛区:真的

HD248376z:是的…虽然能理解很多专业术语 但真的听不下去了🌚

郭丰_VoAE:还喜欢拽英文，有些根本没必要，非要英语一遍自己再中文一遍

HD543068h:带点脑子吧，人家英语环境生活，这个行业也是英语环境诞生

HD591426t:“我当年参加清华自主招生 考了省里前几名 当然我没用上 因为我高考湖南省前十”

张小珺

:😁

晨煊-:感谢小珺不“杀”之恩，虽然喜欢你的播客，但也不是赞同所有嘉宾，所以作为少数派，常有反共识的评论，而没有被小珺拉黑😜

HD543068h:这个行业就是英语环境发明的

生而为猫奴:应该很少用中文做讲座，习惯性用英文思考了🤔

Q_Jacky:其实也有可能是好几年前，回国看了接触了一些学校和公司，没有合适的，就继续留在美国任教了

温皓宸的ai虚拟播客:我怀疑你是把小宇宙自动读取字幕的逐字稿给搞下来了，大佬，一模一样啊，拜谢，比起一些 AI 工具牛逼多了

fred26:都说智能是锯齿状的推进，苏煜的项目还是在找专家知识的共性啊

Tao_SqMr:推荐硅谷101最近的 世界模型 视频。讲得更清晰