0
自主決策能力是 Agent 受到重視，并被稱為 AI 時代“新基建”原因。從這個角度看，Workflow 似乎做不出真正的通用 Agent。
而要談?wù)嬲邆錄Q策能力和自我意識的 Agent，其實要從 AlphaGo 的問世說起。這是 AI 首次展示出非模板化、非規(guī)則驅(qū)動的智能行為。而 AlphaGo 也靠著深度神經(jīng)網(wǎng)絡(luò)與 RL，進行自我對弈與自我優(yōu)化，最終擊敗人類頂級棋手，敲響了 Agent 時代的第一聲鑼。
從某種程度上說，Devin 可以算是通用 Agent 的濫觴。它首次把 AI 的編碼能力、任務(wù)執(zhí)行與反饋機制整合成一個完整的閉環(huán)，為后續(xù)產(chǎn)品提供了清晰的范例。
后來，Manus 延續(xù)了 Devin 的工作流思路，并提出 “More Intelligence” 的理念，不再滿足于簡單地串聯(lián)工具，而是試圖通過任務(wù)拆解、自我反思、模型調(diào)度等方式，讓 Agent 具備更強的理解力和適應(yīng)能力。而 Genspark 則走了一條更加模塊化的路線，把每個任務(wù)步驟都變成一個可組合的部分，讓開發(fā)者可以像拼樂高一樣，快速搭建出屬于自己的 Agent 系統(tǒng)。
但在當前主流關(guān)于“如何構(gòu)建 Agent”的技術(shù)路徑中，有兩個被廣泛認可的共識：一是擁有基礎(chǔ)模型是構(gòu)建 Agent 的起點，二是 RL 是賦予 Agent 連貫行為和目標感的“靈魂”。它決定了 Agent 如何理解環(huán)境反饋、進行長期規(guī)劃，并作為連接 Perception 與行動 Action 的關(guān)鍵橋梁。
反觀 Manus，由于缺乏底層模型能力和算法能力的支撐，它的系統(tǒng)結(jié)構(gòu)相對開放，十分容易被模仿，甚至有團隊在三天內(nèi)就實現(xiàn)了復制，也因此被一些批評者視為“套殼”。不過從 AI 科技評論的角度看，這種批評也有失公允，畢竟 Manus 在產(chǎn)品設(shè)計和任務(wù)編排上依然有不少可圈可點的創(chuàng)新。
但“Agent 不能僅靠 Workflow 搭建”的看法，已經(jīng)逐漸成為業(yè)內(nèi)的共識。正是在這樣的主流認知下，那些始終堅持深耕強化學習的團隊，反而在新一輪技術(shù)演進中走到了更前沿的位置。
Pokee AI 創(chuàng)始人、前 Meta AI應(yīng)用強化學習團隊負責人朱哲清，就是一位對 RL 始終堅定信仰的“長期主義者”。
朱哲清曾向 AI 科技評論表示，RL 的核心優(yōu)勢在于目標驅(qū)動，它不是簡單地響應(yīng)輸入，而是圍繞一個清晰目標，進行策略規(guī)劃和任務(wù)執(zhí)行。而一旦缺少了 RL 的參與，Agent 就容易陷入“走一步看一步”的模式，缺乏內(nèi)在驅(qū)動力，最終難以真正勝任復雜任務(wù)的完成。
他認為真正的 Agent 的核心在于其執(zhí)行能力與影響力。如果一個系統(tǒng)只是單純地生成內(nèi)容或文件，那它更像是一個普通的工具，而非真正的 Agent。而當它能夠?qū)Νh(huán)境產(chǎn)生不可逆的影響時，它才具備了真正的執(zhí)行性。總的來說，只有與環(huán)境發(fā)生深度交互，且產(chǎn)生的影響不可逆，才能稱之為真正的 Agent。
他表示帶有 Workflow 的產(chǎn)品，實際上是 發(fā)展的初期形態(tài)。雖然它有明確的目標和流程，但仍需要人為干預，這樣的系統(tǒng)仍處于早期階段。真正的 Agent 不僅僅是按照預設(shè)的工具來操作，而是能夠根據(jù)給定目標，自主選擇和使用工具完成任務(wù)。
在他的認知中，Agent 的發(fā)展可以分為多個階段。早期的例子，比如 Zapier 的工作流系統(tǒng)，更多是模擬人的決策行為，但并非真正智能的 AI Agent。之后又有了 像 LangChain 這種類拖拽流的可組合型的任務(wù)執(zhí)行模式，逐步向系統(tǒng)化過渡。到了現(xiàn)在，用 Claude 去做 MCP 的時候雖然工具的調(diào)用和規(guī)劃能力都比較有限，但已經(jīng)開始向更高水平的 Agent 演進。
而下一階段的 Agent，將不再需要用戶或開發(fā)者了解具體的工具或技術(shù)細節(jié)。用戶只需簡單提出任務(wù)要求，Agent 就能夠根據(jù)目標自動選擇工具，并規(guī)劃解決路徑。此時，整個過程的自主性與智能性將達到前所未有的水平，Agent 也將真正實現(xiàn)從工具到智能體的轉(zhuǎn)變。
他坦言，RL 算法確實存在諸多挑戰(zhàn)。比如線下訓練時，使用的數(shù)據(jù)集與真實世界往往存在巨大差異，導致模型一旦從線下遷移到線上，就可能“水土不服”，再比如操作動作空間過大時，RL 系統(tǒng)很難穩(wěn)定泛化，效率與穩(wěn)定性之間的平衡始終是個難題。
但即便如此，朱哲清仍然堅持自己的判斷：無論是 o1 還是 Rule-based reward model等模型范式的出現(xiàn)，RL 始終是站在技術(shù)舞臺上的“隱形主角”。雖然它未必是 AGI 的唯一通路，但在邁向真正 “Superhuman Intelligence” 的過程中，RL 是一個無法繞開的技術(shù)節(jié)點。
在他看來，相比那些過于模糊、甚至略顯理想化的 AGI 概念，能夠超越人類在某些任務(wù)上的智能體，才是一個更實際、可度量的目標。RL，就是驅(qū)動這一目標落地的關(guān)鍵引擎。
然而，凡事都有兩面。有人堅信 RL 是 Agent 的核心驅(qū)動力，也有人對這個觀點提出質(zhì)疑。
香港科技大學（廣州）博士生，DeepWisdom 研究員張佳釔就屬于對 RL 持保留態(tài)度的那一派。他追求跨環(huán)境的智能體，在與 AI 科技評論對話時表示： DeepWisdom研究員張佳釔認為，現(xiàn)有RL技術(shù)雖能在特定環(huán)境中提升Agent能力，但這本質(zhì)上是“任務(wù)特化”而非真正的智能泛化。在實現(xiàn)跨環(huán)境數(shù)據(jù)的有效統(tǒng)一表征之前，RL面臨的跨環(huán)境學習困境難以突破。
他認為利用 RL 對語言模型進行環(huán)境內(nèi)優(yōu)化本身沒有問題，但問題在于，目前很多研究使用的仍是能力較弱的基礎(chǔ)模型（base model），即便訓練到“最優(yōu)”，也只是對單一環(huán)境的適配，缺乏跨環(huán)境的泛化能力。 在他看來，“使用 RL 訓出一個適應(yīng)某個環(huán)境的 Agent 已經(jīng)很近，但距離訓出通用跨環(huán)境的 Agent 還有很長的一段路要走?！?/p>
同時他也并不完全認同“沒有 RL 就沒有 Agent”這一觀點。他表示業(yè)界對 RL 的“過度崇拜”掩蓋了一個關(guān)鍵事實：OpenAI Deep Research 的成功更多依賴于其強大的基礎(chǔ)模型 o3 早期版本提供的先驗知識，而非只有 RL 本身。
雖然近期的學術(shù)研究表明RL確實能提升較弱基礎(chǔ)模型的能力，但提升幅度有限，這也正是學術(shù)界和初創(chuàng)公司面臨的核心挑戰(zhàn)——如何在缺乏頂級基礎(chǔ)模型的情況下，通過建立持續(xù)有效的 RL 數(shù)據(jù)收集流程來縮小與巨頭的差距。
不過，張佳釔也并不全盤否定 RL。他表示 RL 的局限性更多是技術(shù)階段的產(chǎn)物，且目前尚未出現(xiàn)一個能夠有效解決泛化問題的算法。因此，RL 的問題不完全是方法論本身，而是當前技術(shù)仍處于早期階段。
除此之外，他還向 AI 科技評論表示，更期待能夠看到一個跨環(huán)境泛化的模型（比如 UI-TARS-1.5） —— 在任何環(huán)境下都能執(zhí)行不同任務(wù)，而不是針對某個環(huán)境進行“定制化適配”。在他看來，這樣的模型可能在未來出現(xiàn)。一旦實現(xiàn)，“Agent 就只需要在模型上做個簡單系統(tǒng)就可以了?！?/p>
在整體架構(gòu)上，他也給出了他對 Agent 演化路徑的劃分 —— 他將 Agent 的發(fā)展過程分為六個階段：
第一階段：構(gòu)成 Agent 系統(tǒng)的最底層節(jié)點，語言模型被調(diào)用來執(zhí)行基本任務(wù)；
第二階段：在底層調(diào)用節(jié)點基礎(chǔ)上，構(gòu)建出固定的 agentic workflow，每個節(jié)點的角色與職責預設(shè)明確；
第三階段：底層組件演化為具有自身邏輯和動作空間的 autonomous agent；
第四階段：多個 autonomous agents 通過主動交流機制構(gòu)建系統(tǒng)，形成 Multi Autonomous Agent Systems（MAS）；
第五階段：底層組件擁有與人類一致的環(huán)境空間，成為Foundation Agent，開始協(xié)助人類跨環(huán)境完成任務(wù)；
第六階段：Foundation Agent 基于人類目標與其他 Agent 產(chǎn)生聯(lián)系，演化出具備自主協(xié)作能力的Foundation Agents 網(wǎng)絡(luò)。真正實現(xiàn)以人類目標為核心的多智能體社會，達到Agent與人類共生的范式。
而目前大多數(shù) Agent 產(chǎn)品公司仍停留在第二到第三階段之間，尚未邁過第四階段的門檻，而“最大的瓶頸在于當前 Agent 仍嚴重依賴人類預設(shè)的 workflow 節(jié)點，缺乏真正的自主性?！?/p>
在張佳釔看來，當前大多數(shù) Agent 產(chǎn)品仍停留在第二到第三階段之間，尚未邁過第四階段的門檻。突破當前瓶頸的關(guān)鍵在于使 Agent 擺脫人類預設(shè)經(jīng)驗的束縛，通過自主探索獲取跨環(huán)境經(jīng)驗并學會與各類專業(yè) Agent 協(xié)作。
但在 Follou 創(chuàng)始人謝揚來看，這個問題又有所不同。
他認為 Agent 和工作流自動化是可以組合起來的。在他眼中，Agent 應(yīng)該是一些可以協(xié)助人類提升生產(chǎn)力的工具，而并非一個獨立的個體。它的價值不在于模擬人類，而在于高效協(xié)助人類，把復雜的任務(wù)拆解、執(zhí)行，并最終完成目標。
在謝揚看來，很多人過于執(zhí)著于“Agent 是否像人”這個問題，而忽略了它真正的應(yīng)用意義。他更關(guān)心的是，Agent 是否真的能在現(xiàn)實中幫人把一件事做完，無論是搜索信息、分析數(shù)據(jù)，還是調(diào)度工具，Agent 也不應(yīng)該成為一個新的“入口”或者“平臺”，而應(yīng)該成為一種嵌入式能力，真正融入人類的工作流程之中，成為“能執(zhí)行的思考”和“能學習的工具”。
在這個過程中，他并不否認“自主性”的重要性，尤其是在環(huán)境感知和情境理解上的價值。但在他看來，衡量一個 Agent 是否真正有生命力，更關(guān)鍵的標準在于它是否“可組合”“可調(diào)度”。只有當 Agent 能夠被靈活地組織在不同的垂直任務(wù)中，支持模塊化的能力組合，并與人類實現(xiàn)高效協(xié)同，它才真正具備長期應(yīng)用的可能性。
基于這樣的理念，F(xiàn)ollou 也構(gòu)建了一整套融合 Agent 與工作流的架構(gòu)體系，他們將瀏覽器（Browser）、智能體（Agent）和工作流自動化（Workflow Automation）等核心組件融合在一起，瀏覽器負責訪問和渲染 Web 內(nèi)容，智能體負責基于 LLM 理解上下文和做出決策，而工作流自動化則執(zhí)行具體任務(wù)，調(diào)用 API、插件或腳本。
在謝揚看來，這種結(jié)構(gòu)并不是技術(shù)炫技，而是一種“實用主義”的選擇。他更關(guān)心的是，Agent 是否真正能在現(xiàn)實中把一件事做完，而不是停留在看起來很聰明的幻覺里。
在 RL 信徒與質(zhì)疑者的觀點交鋒中，我們能看到一個逐漸清晰的趨勢：Agent 的演化已不再是單一范式的勝利，而是多種技術(shù)路線的協(xié)同博弈。歸根到底，構(gòu)建 Agent 從來不是拼哪一種技術(shù)最炫，而是拼能不能把每一塊基礎(chǔ)能力連接成一個真正可運行的系統(tǒng)。
從理解指令，到規(guī)劃路徑、感知反饋，再到調(diào)用外部工具完成任務(wù)，每一環(huán)都需要精密協(xié)作、形成穩(wěn)定閉環(huán)。模型能力再強，如果沒有目標規(guī)劃和執(zhí)行機制，也只能停留在“懂你在說什么，但卻做不了任何事”的階段，而即便策略再優(yōu)秀，如果基礎(chǔ)模型跟不上、感知不準確，也會陷入“會動但不聰明”的窘境。
所以，構(gòu)建 Agent 不是“拼模型”或“賭范式”的零和游戲，而是一次工程能力、系統(tǒng)設(shè)計和認知理解力的多維較量。
RL 可以塑造目標感，模型提供理解力，外部接口延展執(zhí)行力，三者缺一不可。而如何把這些能力組合在一起，真正打造成一個可泛化、可遷移甚至是可迭代的系統(tǒng)，才是 Agent 走向通用市場的重要一步。
一個新的未來
而現(xiàn)在每天被人們掛在嘴邊的 Agent，其實最早在人工智能領(lǐng)域是一個非常寬泛的概念：只要一個系統(tǒng)具備感知和決策能力，它就可以被稱為 Agent。
但隨著 Copilot 類產(chǎn)品的興起，Agent 的概念又被重新定義：是否需要人介入決策，成為劃定 Agent 邊界的關(guān)鍵標準。如果一個系統(tǒng)可以在沒有人參與的前提下獨立完成決策和執(zhí)行，那它就屬于真正意義上的 Agent。
在這個標準下，其實我們今天看到的大部分 AI 應(yīng)用都可以被視為某種形式的 Agent。比如在編程領(lǐng)域，一個 AI 模型可以完成代碼生成、編譯、測試、修改的循環(huán)；在游戲中，AI 控制的角色可以自主應(yīng)對環(huán)境變化，失敗也不會造成真實世界的損失。這些任務(wù)雖然復雜，但由于風險較低、反饋明確，所以系統(tǒng)即使出錯，問題也不大。
但如果朝著通用 Agent 的方向發(fā)展的話，那么最大的衡量標準，就不再是語言生成的能力或者執(zhí)行速度，而是任務(wù)解決的成功率。從系統(tǒng)架構(gòu)上來看，著往往取決于兩種關(guān)鍵的設(shè)計：
如果是串行的 Agent 架構(gòu)，即由一個上層 Agent 發(fā)出決策，再調(diào)度多個下層 Agent 執(zhí)行子任務(wù)。如果是在這種模式下，調(diào)度層的指揮能力和下層的配合能力就直接決定了任務(wù)是否能夠高效完成。
而如果是并行的 Agent 架構(gòu)的話，則是需要多個智能體在同一時間共同協(xié)作完成任務(wù)，這就需要系統(tǒng)從頭到尾都不能出錯，因為就算每個環(huán)節(jié)的成功率都能夠達到七八成，但最后的整體成功率也會指數(shù)級下降。
因此，雷峰網(wǎng)認為，要構(gòu)建真正強大、可落地的通用 Agent，必須確保系統(tǒng)的穩(wěn)定性、容錯機制和跨模塊協(xié)同能力，否則就難以勝任復雜任務(wù)。這便是目前通用 Agent 面臨的主要問題。
而通用 Agent 一旦能夠落地，它將會讓大家的邊際成本顯著下降，同時望成為繼 PC 操作系統(tǒng)和手機系統(tǒng)之后的新一代人機交互入口。這一點類似于當年微軟和英特爾組成的“Wintel 模式”，即操作系統(tǒng)帶來人機交互，芯片提供計算能力，二者結(jié)合直接引爆整個生態(tài)。同理，今天的蘋果也憑借自研的 iOS 和芯片稱霸移動端，而安卓陣營與高通的配合也形成了另一套強大體系。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))認為，順著這個思路去想，在通用 Agent 的未來中，很可能會誕生類似的生態(tài)閉環(huán)：AI 操作系統(tǒng) + 模型原生芯片，進而催生出下一代 Wintel 模式。到時候，我們或許將看到專為 Agent 設(shè)計的模型級芯片，亦或者是 AIPC 的興起，共同見證整個智能交互方式的范式躍遷。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
