入门第二课‘agent，‘新’人工智能，’

本专栏关键词低算力消耗脑力快速学习拥有学习框架后再补充专业知识。首先让我去推荐一些其他不错的内容评论区也可以看看1哔站万字拆解AI Agent编年史一个视频看懂2022~2026五代演进全程干货 | 从ChatGPT到Hermes AI行业到底经历了什么 一镜到底无剪_哔哩哔哩_bilibili2csdnAgent 发展史它不是突然火的而是走了 3 段路_agent的发展-CSDN博客【Agent实战】从 LLM 到 Agent理解 Agent 的发展史-CSDN博客4公众号从“聊天”到“干活”看懂Agent进化史得从2022年说起 AI Agent 发展历程从图灵梦想到数字员工5财经AI Agent 发展趋势从工具到智能体AI Agent开创新质生产力新篇章 | 行业-融中财经一、前LLM时代2018-2021强化学习与游戏/机器人Agent技术革新深度强化学习、多智能体系统代表AlphaStar (2019), OpenAI Five (2019), 多智能体强化学习淘汰原因泛化能力差、训练成本极高、无法迁移到开放域任务二、LLM Agent的萌芽与理论奠基2022从对话到行动的跨越技术革新ReAct范式、Toolformer、WebGPT、HuggingGPT代表论文/项目ReAct (2022), Toolformer (2022), WebGPT (2021底/2022)核心突破让LLM具备推理行动的能力引入工具调用三、自主Agent的爆发与泡沫2023AutoGPT元年技术革新自主任务循环、LLM工具记忆架构代表AutoGPT, BabyAGI, AgentGPT, MetaGPT, Voyager, Generative Agents西部世界小镇, LangChain, OpenAI Function CallingLilian Weng确立LLM Agent四大组件规划、记忆、工具使用、反思淘汰通用自主AgentAutoGPT等因太泛、太飘、太贵、太不可靠而退潮四、垂直化与多智能体协作2024从通用到专业技术革新多智能体框架、Computer Use、垂直Agent代表Devin (AI软件工程师), Claude Computer Use, AutoGen, CrewAI, LangGraph, MetaGPT淘汰纯套壳Agent产品无核心技术壁垒的产品被淘汰五、通用Agent产品化与生态成型2025-2026Agentic AI时代技术革新通用Agent产品、Agentic Workflow、MCP协议、模型即Agent代表Manus (2025.3), Claude Code, ChatGPT Agent, OpenAI Swarm, Google ADKManus的兴衰爆火后面临商业化困局多智能体协作成为主流2026年模型即Agent、端侧Agent、具身智能AI Agent 发展史详细梳理2018 — 2026AI Agent智能体的发展在过去8年间经历了多次范式跃迁。以下按时间线划分为五大阶段详细梳理每次技术革新的核心内容以及被淘汰技术的原因。第一阶段前LLM时代 — 强化学习与封闭环境Agent2018–2021技术革新内容这一阶段的Agent主要基于深度强化学习Deep RL在封闭的游戏/仿真环境中取得突破表格时间代表项目机构核心突破2018AlphaStarDeepMind在《星际争霸II》中达到Grandmaster级别首次证明RL能在不完全信息的复杂策略游戏中超越人类2019OpenAI FiveOpenAI在Dota 2中击败世界冠军队伍展示了多智能体协作5v5的可能性2018-2020多智能体强化学习MARL学术界MAPPO、QMIX等算法推动了多Agent协同决策的理论发展2020具身导航Agent学术界Habitat、AI2-THOR等仿真平台推动视觉导航Agent发展核心架构特点感知-决策-执行闭环控制依赖大量环境仿真和奖励函数设计Agent能力高度特化只能做一件事技术淘汰原因泛化能力极差在Dota 2中无敌的Agent换一个游戏就完全不会玩训练好的策略无法迁移到开放域任务训练成本天价AlphaStar用了相当于200年人类游戏量的自我对弈数据OpenAI Five训练成本达数千万美元奖励函数设计困难现实世界的任务很难用数学定义奖励导致RL Agent无法走出实验室缺乏语言理解和常识推理这些Agent本质上是数值优化器不具备理解人类指令的能力阶段总结RL Agent证明了机器可以在复杂环境中做出超人决策但只能在沙盒里称王的局限性使其无法走向真实世界的通用任务。第二阶段LLM Agent的理论奠基2021末–2022技术革新内容随着GPT-3等大语言模型的崛起研究者开始探索如何让LLM从只会说话变成能做事表格时间代表工作机构核心突破2021.12WebGPTOpenAI首次让LLM通过搜索引擎获取信息并回答问题开创了LLM外部工具的范式2022.03ToolformerMeta提出让LLM自主决定何时调用计算器、翻译器、搜索引擎等API实现工具使用的自监督学习2022.10ReActGoogle/斯坦福最重要的范式突破——将推理Reasoning和行动Acting交织在一起让LLM边想边做2022HuggingGPT浙大让ChatGPT作为控制器调度HuggingFace上的各种AI模型来完成多模态任务核心架构特点ReAct范式确立Thought → Action → Observation 循环成为后续所有LLM Agent的基础思维链工具调用Tool UseLLM不再局限于文本生成可以调用外部API、数据库、代码执行器Prompt Engineering驱动主要靠精心设计的提示词来激发LLM的规划和工具使用能力被淘汰的技术纯CoTChain-of-Thought推理只让LLM想不让它做在面对需要实时信息的任务时无能为力被ReAct范式取代纯检索增强早期RAG只能被动检索文档缺乏主动规划和多步执行能力阶段总结ReAct论文是这一时期最重要的里程碑它确立了LLM作为大脑 工具作为手脚的基本Agent架构为2023年的爆发奠定了理论基础。第三阶段自主Agent大爆发2023— Agent元年技术革新内容2023年3月GPT-4发布后AI Agent迎来井喷式发展被业界公认为自主AI元年表格时间代表项目核心突破2023.03BabyAGI极简的任务规划链用LLM不断生成子任务并排优先级引爆了自主任务规划的讨论2023.03AutoGPTGitHub增长最快的开源项目首次实现LLM 循环 工具调用 自主Agent的完整公式开启全民DIY Agent浪潮2023.03Generative Agents西部世界小镇斯坦福Google25个LLM驱动的虚拟角色在小镇中生活展示了Agent的记忆、反思、规划行为2023.05VoyagerNVIDIA在Minecraft中持续探索、自动编写技能库、积累能力的LLM Agent展示了终身学习的可能2023.06OpenAI Function CallingOpenAI官方在API层面支持工具调用将Agent能力标准化2023.07MetaGPT引入软件公司的SOP标准作业流程让多个Agent扮演产品经理、架构师、工程师协作完成软件开发2023LangChain成为Agent开发的事实标准框架提供模块化的LLM应用开发基础设施关键理论贡献Lilian WengOpenAI研究员发表经典博客《LLM Powered Autonomous Agents》确立了LLM Agent的四大核心组件规划Planning任务拆解、子目标设定、自我反思记忆Memory短期记忆上下文 长期记忆向量数据库工具使用Tool Use调用外部API和工具反思Reflection评估执行结果并自我纠正技术淘汰与泡沫破裂2023年下半年以AutoGPT、BabyAGI为代表的通用自主Agent迅速从风口回落表格淘汰原因具体表现太泛什么都想做什么都做不好缺乏领域知识任务完成质量极低太飘容易陷入无限循环——Agent不断生成新目标却永远完不成任务太贵每一步都要调用GPT-4 API一个简单任务可能花费数十美元太不可靠幻觉严重、工具调用频繁出错、错误在循环中被不断放大Error Cascading缺乏Human-in-the-loop完全自主的设计被证明不现实关键决策点需要人类介入阶段总结2023年是Agent的寒武纪大爆发各种创意架构层出不穷但也暴露了LLM Agent在可靠性、成本和可控性上的严重缺陷。AutoGPT类项目证明了概念可行但远未达到生产级可用。第四阶段垂直化、多智能体与工程化2024技术革新内容经历了2023年的泡沫后2024年Agent发展转向务实落地三大方向并行突破革新1垂直领域Agent崛起表格时间代表项目核心突破2024.03DevinCognition AI全球首个AI软件工程师能自主规划、编写代码、调试、部署应用在SWE-bench上解决13.86%的问题GPT-4仅1.74%引爆AI编程赛道2024Cursor / GitHub Copilot WorkspaceAI编程工具从代码补全进化为任务级Agent能理解项目上下文并完成完整开发任务2024各类垂直Agent客服Agent、数据分析Agent、法律Agent、医疗Agent等纷纷涌现深耕特定领域革新2多智能体协作框架Multi-Agent表格时间代表框架核心特点2023末-2024AutoGen微软动态代码沙箱 人机协同多Agent通过对话迭代完成任务2024CrewAI基于角色扮演的多Agent协作框架每个Agent有明确职责2024LangGraphLangChain基于状态图State Graph的Agent编排框架支持复杂工作流和循环逻辑2024.10OpenAI Swarm轻量级多Agent编排框架教学性质展示了Agent间接力的范式2024.11Magentic-One微软面向通用任务的多Agent系统包含WebSurfer、FileSurfer、Coder等角色革新3Computer Use — Agent操作图形界面表格时间代表项目核心突破2024.10Claude Computer UseAnthropic让AI像人一样操作电脑屏幕——看截图、识别UI元素、点击、打字突破了API限制Agent可以操作任何有GUI的软件技术淘汰原因表格被淘汰的技术/路线淘汰原因纯套壳Agent产品大量创业公司只是在GPT API上包一层Agent外壳缺乏核心技术壁垒在基础模型能力升级后被迅速碾压纯Prompt驱动的线性Agent仅靠提示词做任务拆解的Agent被证明不够可靠被结构化工作流Workflow取代单Agent处理复杂任务单Agent面临上下文瓶颈、角色冲突、长链路迷失等问题被多Agent协作架构取代无GUI操作能力的Agent只能调API的Agent在面对没有API的老旧系统时无能为力Computer Use填补了这一空白阶段总结2024年是Agent从玩具走向工具的关键转折年。Devin证明了垂直Agent的商业价值多智能体框架解决了复杂任务的分工协作问题Computer Use打通了Agent与人类软件世界的最后一公里。第五阶段通用Agent产品化与Agentic AI生态2025–2026至今技术革新内容革新1通用Agent产品爆发表格时间代表项目核心突破2025.02Claude CodeAnthropic命令行AI编程Agent能理解整个项目上下文、执行shell命令、自主修改代码从工具进化为AI工程师2025.03Manus中国团队全球首款通用型AI Agent产品能独立思考、规划并执行复杂任务直接交付完整成果GAIA测试超越OpenAI一夜刷屏邀请码炒至10万元2025.07ChatGPT AgentOpenAIOpenAI正式发布通用Agent验证了模型即Agent的方向2025-2026Google ADK / OpenAI Agents SDK大厂推出标准化Agent开发工具包Agent开发进入工业化阶段革新2MCP协议与Agent互操作标准表格时间核心突破2024末-2025Anthropic提出MCPModel Context Protocol成为Agent连接外部工具和数据的事实标准协议Manus的出圈让MCP广为人知革新3Agentic Workflow代理式工作流表格核心突破内容吴恩达Andrew Ng提出AI从单次生成转向多步迭代的工作流模式反思、工具使用、规划、多Agent协作四大模式Gartner将Agentic AI列为2025年十大战略技术趋势之首预测到2028年15%的日常工作决策将由Agent完成革新4模型即Agent — 端到端Agent能力2025-2026年大模型开始原生内建Agent能力不再依赖外部框架拼装Claude 4系列模型的Agent能力接近人类水平Agent从框架驱动走向模型驱动技术淘汰与反思表格被淘汰的技术/路线淘汰原因Manus式Demo驱动的通用AgentManus爆火后130天即遭遇商业化困局底层依赖大模型API拼接、复杂场景束手无措、实测与Demo差距巨大。证明了演示级通用Agent缺乏持久商业价值重型Agent框架过度工程化部分框架过于复杂、学习成本高被更轻量的原生Agent能力替代纯API拼接型Agent创业公司大模型厂商直接在模型层集成Agent能力如ChatGPT Agent中间商型创业公司被降维打击无长期记忆的Agent只能处理单次会话的Agent被具备持久记忆和上下文管理的Agent取代阶段总结2025-2026年是Agent从概念走向产品的关键期。Manus完成了Agent的全民科普但也暴露了通用Agent的商业化难题。行业共识逐渐转向垂直深耕 通用大而全模型原生Agent能力 外部框架拼装多Agent协作 单Agent蛮干。全景时间线总览12018-2021 ▸ 强化学习AgentAlphaStar, OpenAI Five 2 淘汰原因泛化差、成本天价、无法走出沙盒 3 42022 ▸ LLM Agent理论奠基ReAct, Toolformer, WebGPT 5 淘汰纯CoT推理、被动RAG 6 72023 ▸ 自主Agent大爆发AutoGPT, BabyAGI, MetaGPT, Voyager 8 淘汰通用自主Agent因太泛太贵太不可靠退潮 9 102024 ▸ 垂直化多智能体Computer UseDevin, AutoGen, CrewAI 11 淘汰纯套壳Agent、单Agent处理复杂任务 12 132025-2026 ▸ 通用Agent产品化Agentic AI生态Manus, Claude Code, MCP 14 淘汰Demo驱动型Agent、API拼接型中间商核心演进规律纵观这8年的发展AI Agent的演进遵循几条清晰的规律从会说到会做LLM → Tool Use → Computer Use → 全链路自主执行从单脑到群脑单Agent → Multi-Agent协作 → Agent集群调度从通用到垂直再到通用垂直并行AutoGPT通用失败→ Devin垂直成功→ Manus通用再尝试但面临挑战从框架驱动到模型驱动LangChain拼装 → 大模型原生Agent能力从完全自主到人机协同人类始终在关键决策点保持介入Human-in-the-loopAI Agent正在从工具进化为智能伙伴但距离真正的自主AGI Agent仍然有很长的路要走。