Susan STEM (@feltanimalworld) “智能体是不是个鸡肋？ 最近不少人上手了 GPT 的 Agent 功能，结果却大失所望。看上去” — TopicDigg

智能体是不是个鸡肋？ 最近不少人上手了 GPT 的 Agent 功能，结果却大失所望。看上去挺智能的，实际却慢得惊人，连做一点点小任务都磨磨唧唧，常常还不如直接用 GPT-4o 或 o3 来得高效利落。你可能也有过这种感觉：明明就是一串函数调用、几个工具链配合，大模型窗口就能一口气做完，那为什么还要大张旗鼓搞什么“多智能体系统”？为什么一线研究者都在强调“未来是 Agent 的时代”？ 问题的根源在于，很多人把工具链当成 Agent，把语言函数误认为智能体。事实上，这种混淆非常普遍。现在所谓的“智能体”，往往只是把几个调用流程包了一层语言外壳，看起来在思考，实际上不过是预设好的 stateless 函数链。要知道，语言函数不是智能体，工具链也不是。真正的 Agent，不是能调用几个工具，而是要拥有结构性自持的认知路径——它知道自己在干什么，为什么要这么干，下一步该怎么走，如果失败了是否需要修正，而这些都不是 prompt 能简单糊弄出来的。 你是不是也曾经疑惑，到底什么才是“智能体”？其实这个概念并不新鲜。早在三十年前，一个叫 Nicholas R. Jennings 的研究者就系统地提出了 Agent 的定义，提出了自主性、反应性、社会性、主动性等一整套标准。他还设计了协作协议、意图保持模型和任务调度机制——这些今天被 LLM 社区重新发现、改名换壳、当成前沿研究来讲的东西，Jennings 在 90 年代的论文里就写得明明白白。 当然，那时的他没有预料到 LLM 的出现，不知道语言可以成为路径，不知道 prompt 可以驱动推理。但这正是人类历史的有趣之处：技术的发展往往不是线性前进，而是在前人的结构幻想与现实世界的技术树之间反复博弈、曲折推进。有些概念沉寂了几十年，只等一次算力飞跃，就从边缘思想变成主流范式。 所以，我想从 Jennings 开始讲起，从他的架构谈到我们今天面对的大模型时代，尝试厘清：什么是真正的 Agent，它和工具链有什么根本区别，以及我们是不是正在进入一个语言结构重新夺回智能主权的时代。看我接下来的几个帖子，能不能讲明白。 （1/n)