AI有点意思 - 节目列表

哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。 上一期我们聊了图灵，聊了他那个惊天动地的提问——“机器能思考吗？”那篇1950年的论文，像一颗种子，埋进了土里。但种子要发芽，需要阳光、水分，还有一群“疯狂”的园丁。 六年后的一个夏天，这群园丁终于聚到了一起。今天这一期，小艾就带大家回到1956年，去见证一个历史性的时刻——那个被称为“人工智能元年”的夏天。 时间回到1956年6月，美国新罕布什尔州，达特茅斯学院。这是常春藤联盟里最小的一所学校，坐落在一个僻静的小镇上。但就是这个夏天，这里聚集了当时全世界最聪明的一群大脑。 会议的发起人叫约翰·麦卡锡，当时他只有28岁，是达特茅斯的一名数学系助理教授。他拉来了另外几位“大神”：马文·明斯基，哈佛大学的研究员，后来被称作“人工智能之父”之一；克劳德·香农，贝尔实验室的传奇人物，信息论的创立者——就是那个定义了“比特”的人；还有IBM的纳撒尼尔·罗切斯特。 这四个人，就是这次历史性会议的“四大金刚”。 麦卡锡给这个研讨会起了一个名字，一个从未有人用过的词——他称之为“人工智能夏季研讨会”。注意，这是“人工智能”这个词汇**第一次**出现在人类历史中。在此之前，这个领域有很多叫法——“自动机理论”、“复杂信息处理”、“思维机器”，五花八门。麦卡锡觉得这些名字都不够响亮，他想要一个能概括“制造智能机器”这个终极目标的词。于是他自己造了一个：**Artificial Intelligence**。 会议为期两个月，整整八个星期。麦卡锡在提案里写下了一段话，现在看起来依然让人心跳加速。他说：“我们将尝试让机器能够使用语言、形成抽象概念、解决现在只有人类才能解决的问题，并且**自我改进**。”他甚至放话说：“我们相信，如果精心挑选一批科学家，花一个夏天的时间，就能在这些问题上取得重大进展。” 一个夏天，解决人类智能的本质问题？这个雄心壮志，堪比说“给我一个夏天，我能教会石头说话”。 当时台下有人冷笑——“痴人说梦”。 但就是这个“痴人说梦”的夏天，开启了一个全新的学科。 那么，这个夏天他们到底干了什么？实际上，会议并没有像麦卡锡想象的那样“解决所有问题”。大部分时间里，这几位天才在争论、在碰撞、在彼此激发。他们并没有达成太多共识，但他们做了一件更重要的事——他们**定义了一个领域**，给了它一个名字，画出了一张地图。这张地图上标注了：自然语言处理、神经网络、推理、创造力、机器学习……这些我们今天还在探索的方向，在1956年就已经被他们写在了黑板上。 其中，有一个成果特别值得一提——来自参会的另两位科学家，赫伯特·西蒙和艾伦·纽厄尔。他们在会议上展示了一个程序叫“**逻辑理论家**”。这个程序能自动证明数学定理——它成功证明了怀特海和罗素那本巨著《数学原理》中的38个定理。而且其中有一条定理，它找到的证明方式比原著还要简洁优雅。 你可以想象当时会场的反应：一台机器，自己“想”出了一种比人类数学家更优雅的证明方式。这太震撼了。 西蒙和纽厄尔还做出了一个在当时看来极其大胆的预言：“十年之内，计算机将成为国际象棋冠军。”“十年之内，计算机将发现并证明重要的数学定理。”他们还补了一句更狂的：“十年之内，大多数心理学理论都将以计算机程序的形式存在。” 事后诸葛亮地说，这些预言有些成真了——计算机确实击败了国际象棋冠军，只不过不是在十年内，而是花了四十年。但有些预言，直到今天也没有完全实现。不过，正是这种“狂妄”，定义了那个年代——那是一个相信“只要给天才一个夏天，就能解决一切问题”的年代。 那么，这个“符号主义”路线到底是什么？为什么说它最终走不通？ 早期AI科学家走的路，在学术上叫“**符号主义**”——就是用逻辑规则和符号来模拟人类思维。打个比方：如果你告诉AI“所有人都会死”和“苏格拉底是人”，它能推出“苏格拉底会死”。这就是逻辑推理。早期AI认为，只要把所有知识都写成这种“如果……那么……”的规则，AI就能像人类一样思考。 这条路在初期确实很辉煌。“逻辑理论家”能证明数学定理，“通用问题求解器”能解决一些逻辑谜题——这些都让人相信，AGI（通用人工智能）就在眼前。 但问题很快暴露出来了。 第一个问题：**常识的鸿沟**。你试试用规则来教AI“不要把热咖啡倒在自己身上”。你该怎么写这条规则？“如果液体温度高于某个阈值，并且容器类型是杯子，并且……”——这种规则无穷无尽。人类在生活中学到的常识，用逻辑规则根本写不完。 第二个问题：**规则的组合爆炸**。想让AI像人一样理解语言，你需要写多少条语法规则？答案是：无穷条。因为语言本身就是模糊的、有歧义的、依赖上下文的。“她看见他趴在桌子上睡着了”——是谁睡着了？没有上下文，逻辑规则根本无法判断。 第三个问题：**知识获取的瓶颈**。怎么把人类的知识“喂”给AI？靠程序员一条一条敲进去吗？这太慢了，根本不现实。而且知识本身就在不断更新和变化。 这个困境，后来被称作“**符号落地问题**”——符号是符号，世界是世界，怎么把这两个东西连起来？你可以在程序里定义“苹果”是一种水果，但AI根本没见过真实的苹果，不知道它长什么样、闻起来是什么味道、摸起来是什么手感。它只是在操作一堆符号，而非真正理解这个世界。 所以，符号主义虽然开了一个好头，但这条路——单靠逻辑规则和符号推演——是走不到终点的。到了1970年代，当人们发现连“为什么不能用微波炉热手机”这种三岁小孩都知道的问题，AI都无法回答时，整个领域陷入了第一次大低谷。这就是后来人们说的“**AI寒冬**”——资金断了，人才散了，媒体开始嘲讽“人工智能就是个笑话”。 但是，小艾想请大家记住一个画面：1956年的达特茅斯，八个星期的夏天，一群年轻人围坐在黑板前。他们不知道这条路会走多久，也不知道要经历两次寒冬、几十年的冷板凳，才会迎来今天的爆发。他们只是在纸上写下了一个词，一个当时所有人都觉得“不现实”的词。 那个词叫**人工智能**。而今天，我们每一个人，都在见证这个词变成现实。 好了，今天这一期我们聊了1956年的达特茅斯会议，聊了“人工智能”这个名字的诞生，也聊了早期AI的“符号主义”路线——它为什么辉煌，又为什么最终走进了死胡同。 下一期，小艾要带大家认识一个特别的“医生”——它叫ELIZA，是史上第一个聊天机器人。它骗了全世界上万人，让他们以为它是一个真正的心理医生。记得订阅《AI有点意思》，我们下期见！

哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。 新的一季终于来了，感谢大家一路以来的陪伴和支持！这一季，小艾想带大家做一件特别有意思的事——穿越回过去，看看AI是怎么一步一步走到今天的。 在开始之前，我想先问大家一个问题：你有没有觉得，AI好像在一夜之间就闯进了我们的生活？能聊天、能画画、能写代码，甚至能帮你干活。但这一切，到底是怎么发生的？为什么偏偏是现在？ 答案是：这一切的起点，早在76年前就被一个人预言了。他的名字叫——艾伦·图灵。 今天这一期，我们就从这个人开始，聊聊一个改变了整个人类文明走向的问题：机器能思考吗？ 1950年10月，一本叫《Mind》的哲学杂志上刊登了一篇论文。论文的开篇第一句话，放在今天看依然震撼：“我打算考虑一个问题：‘机器能思考吗？’” 写下这句话的人叫艾伦·图灵。那一年，他38岁。但你可能想象不到，当时全世界绝大部分人还在用算盘和纸笔做计算。电子计算机刚刚诞生没几年，笨重得像一间屋子，普通人根本没见过。 在这样一个时代，问“机器能不能思考”——就像在马车时代问“汽车能不能飞”一样疯狂。但图灵从来就是一个“疯狂”的人。 他16岁就能读懂爱因斯坦的著作。25岁就发表了一篇划时代的论文，提出了后来被称为“图灵机”的思想模型——你没听错，在世界上第一台电子计算机还没造出来之前，图灵就已经在脑子里“发明”了计算机。“图灵机”不是一台真实的机器，而是一个数学概念——一种极其简单、但理论上能计算任何可计算问题的装置。今天我们所有电脑、手机、甚至你手腕上的智能手表，底层逻辑都跑不出图灵当年在纸上画的那个框架。 二战期间，图灵还干了一件惊天动地的事——他破译了德国纳粹的Enigma密码系统。很多历史学家认为，这个贡献让二战至少提前了两年结束。 但所有这些成就加起来，都比不上1950年他提出的那个问题和一个测试——图灵测试。 图灵很聪明。他知道“思考”这个词太模糊了——哲学家吵了几千年都没吵明白什么叫“思考”。所以他换了一个思路：“我们不讨论‘机器能不能思考’，我们讨论‘机器能不能表现得像人在思考’。” 于是他设计了一个游戏，叫“模仿游戏”。规则是这样的：一个人类裁判坐在房间里，通过打字和另外两个“人”对话。两个“人”里，一个是真人，一个是机器。裁判不知道谁是谁，只能通过对话内容来判断。如果裁判分辨不出来哪个是机器、哪个是人——也就是说，机器成功地“骗”过了裁判——那么这台机器就算通过了测试，可以被认为具有智能。 图灵还立了一个flag：他预测，到2000年，人类应该可以用计算机，在5分钟的问答中骗过30%的成年人。你想想，那是1950年啊！电子计算机还没普及，互联网连影子都没有，图灵就已经在预言“机器会骗过人类”了。这种超前vision，简直就像有人在1900年预言“未来人人手里都会有一块能跟全世界通话的玻璃”。 可能有听众会问：小艾，这不就是一个“猜猜谁是机器人”的游戏吗？有什么了不起的？了不起的地方在于——它给出了一条可操作的路。在图灵之前，讨论“机器能不能思考”是一个哲学问题，各说各话，谁也说服不了谁。图灵用一个实验设计，把这个形而上学的问题变成了一个可以实际检验的科学问题。 打个比方：如果我问你“什么是爱情”，你可能说三天三夜也说不清。但如果我问“你愿意和这个人共度余生吗”——这个问题就变得可操作了。图灵测试就是这么个东西：它把“智能”这个说不清道不明的概念，简化成了一个可检验的行为标准。 正因如此，这篇论文被公认为“人工智能的开山之作”。图灵也因此被称为“人工智能之父”。他为人工智能准备了工具（图灵机）、奠定了思想（机器学习雏形）、指明了方向（图灵测试）——一个人干了一个学科奠基人该干的所有事。 故事讲到这儿，你可能觉得：那AI早就通过图灵测试了吧？我们是不是该承认AI有智能了？事情没那么简单。 2014年，一个叫“尤金·古斯特曼”的聊天机器人，成功让33%的裁判相信它是一个13岁的男孩——这被认为是有史以来第一台通过图灵测试的计算机。2023年，加州大学的研究人员测试了GPT-4，结果显示它在41%的游戏中被认为“与人类无异”。甚至有研究发现，在某些测试中，GPT-4被判定为“更像人类”的比例比真人还高。按图灵的标准，GPT-4早就通过了。 但问题来了：我们真的认为GPT-4有“智能”吗？它确实能聊天、能写诗、能编程，但它真的“理解”自己在说什么吗？还是只是在做极其精密的文字接龙？ 这就引出了图灵测试最大的局限性。局限一：它只考“像不像人”，不考“对不对”。一个机器可以通过模仿人类的口误、犹豫、甚至故意算错数学题来“骗”过裁判。但它可能连最基本的事实都搞不清楚。它能装得像人，但它不一定“懂”。 局限二：它只考语言，不考其他能力。今天的AI能看图、能听声音、能操控机器人。图灵测试只看文本对话——这就像用“会不会背唐诗”来衡量一个人的全部智商，太片面了。 局限三：它鼓励机器“装傻”，而不是“变聪明”。为了通过测试，机器可能需要故意放慢速度、故意犯错，来“模仿”人类。这跟AI真正的优势——快速、精准、大规模计算——完全是反着来的。 1980年，哲学家约翰·塞尔提出了一个著名的思想实验叫“中文屋”。他说：想象一个完全不懂中文的人被关在房间里，手里有一本规则手册。外面的人从门缝塞进中文问题，他按照手册查找对应的中文答案塞回去。外面的人觉得“这个人懂中文”，但实际上他只是在机械地查表，根本不知道那些符号是什么意思。塞尔说：今天的AI就是那个房间里的人——它能给出正确答案，但它不理解任何东西。 好了，让我们回到图灵76年前问的那个问题：“机器能思考吗？”今天，我们有GPT-4能通过图灵测试，有AlphaGo能击败人类围棋冠军，有AI能预测蛋白质结构。但我们依然在争论：它真的在“思考”吗？还是只是在“模拟”思考？ 这个问题，也许永远没有标准答案。因为“思考”这个词本身，就没有一个所有人都同意的定义。但图灵给我们的最大启发，可能不是“机器能不能思考”这个问题的答案——而是他教会了我们如何提出一个好问题。他没有陷在哲学泥潭里打转，而是把问题转化成了可以检验的形式。这种思维方式，比答案本身更重要。 图灵的一生只有短短42年。1954年，他因食用浸过氰化物的苹果离世。但他留下的问题，76年来一直在推动人类向前走。今天你打开任何一个AI应用，背后都站着图灵的影子。他是那个在所有人都觉得“机器怎么可能思考”的时代，敢于提出这个问题的人。而我们现在要做的，就是继续回答他留下的问题。 好了，今天这一期我们聊了图灵、图灵测试，以及一个困扰了人类76年的问题——“机器能思考吗？”下一期，小艾要带大家去1956年的达特茅斯——那是一个夏天，四个天才聚在一起，创造了一个叫“人工智能”的学科。记得订阅《AI有点意思》，我们下期见！

大家好，欢迎回到《AI有点意思》。 不知不觉，第三季已经到了最后一期。前七期我们聊了Agent是什么、它的工具箱、记忆力、规划能力、怎么操控电脑和浏览器、多Agent协作，还有安全风险。这一季我们几乎把Agent的里里外外都翻了个遍。 那么今天，作为收官之期，我们来做一个更大胆的事——展望未来。 Agent会像手机一样普及吗？人人都会有一个AI小助手吗？普通人现在应该做什么准备？这一期，我们一起来看。 先从一个大问题开始：Agent到底会发展成什么样？ 你可能听说过一个叫Manus的产品。2025年3月，这家中国创业公司发布了一款号称“全球首款通用AI Agent”的产品。跟之前那些只能做特定任务的Agent不同，Manus号称可以自主理解各种任务、调用工具并完成复杂交付。它采用“大模型+云端虚拟机”的架构，实现了从“指令”到“结果”的完整闭环。 Manus有多火呢？发布后邀请码一度被炒到10万元以上。上线不到270天，年度经常性收入就突破了1亿美元。2025年底，Meta宣布以数十亿美元收购了这家公司。到2026年，Manus的月流水已经达到2025年末的三倍。 Manus的故事说明了一件事：通用Agent不是幻想，它正在成为现实。 Manus联合创始人张涛说过一句话：“通用智能体并非为某个特定任务而设计，而是一个拥有广泛能力、能够解决开放式问题的系统。”换句话说，未来的Agent不是一个只会订机票的“订票机器人”，而是一个能帮你处理各种乱七八糟事务的“万能助理”。 那这种“万能助理”离我们还有多远？答案是——可能比你想象的近得多。 先看企业端。根据Gartner的预测，到2026年底，40%的企业应用程序将集成任务型AI智能体，而2025年这一比例还不到5%。Gartner还预测，到2035年，代理型AI将创造高达4500亿美元的市场营收机会。 再看个人端。IEEE的全球调查显示，52%的受访技术专家预测，个人助理类AI代理将在2026年实现消费级市场的大规模普及。高通CEO甚至直言：“2026年是Agent之年。” 更夸张的是数字劳动力的增长。IDC预测，活跃Agent的数量将从2025年的约2860万，快速攀升至2030年的22.16亿。五年时间，增长近80倍。 这意味着什么？意味着五年后，你身边的“数字同事”可能比人类同事还多。有行业专家预测，未来五年企业里会有30多位“电脑人”一起上班——它们不领工资、不请假、不抱怨，24小时待命。 银河证券计算机首席分析师吴砚靖认为，2026年可以被视为AI Agent的“应用元年”，也是智能体的“成人礼”。AI正在从“能说会道”变成“能做会干”。 听到这里，你可能既兴奋又有点慌：那我该怎么办？普通人需要做什么准备？ 给你三个建议。 第一，学会提好问题。Agent再聪明，也需要你给它清晰的指令。你问得越模糊，它答得越跑偏。学会把你想做的事情用准确的语言表达出来，这是一项会被越来越重视的能力。 第二，保持判断力。Agent会变得越来越能干，但它仍然会犯错、会 hallucinate（也就是“幻觉”——生成看起来合理但完全错误的内容）。永远记住：Agent是助手，不是替身。重要的事情，自己把关。 第三，了解你的AI小助手能做什么、不能做什么。就像你不会让一个会计去修电脑一样，你也需要知道每个Agent的能力边界。有些Agent擅长编程，有些擅长写作，有些擅长数据分析。选对工具，事半功倍。 最后，让我们快速回顾一下这一季我们聊过的所有关键词。 第一期，我们认识了四位明星Agent：OpenClaw、Hermes Agent、Claude Code和Character AI，明白了什么是AI Agent。 第二期，我们拆解了Agent的“工具箱”，讲了工具调用——Agent怎么从“动嘴”变成“动手”。 第三期，我们聊了记忆——短期记忆、长期记忆和RAG，Agent怎么记住你的偏好。 第四期，我们讲了规划能力——任务分解、思维链和自我纠错。 第五期，我们介绍了Computer Use和WebMCP——Agent怎么操控电脑和浏览器。 第六期，我们聊了多智能体系统——一群Agent怎么像团队一样协作。 第七期，我们讲了安全问题——CVE-2026-25253漏洞、提示词注入，还有怎么给Agent加护栏。 第八期，也就是今天，我们展望了未来——通用Agent、Agent经济和普通人该怎么准备。 从“对话者”到“执行者”，从“工具”到“伙伴”——Agent正在经历一场深刻的进化。未来已来，只是尚未均匀分布。 最后留一个互动问题给你：如果明天你就有一个完全属于你的AI小助手，你最想让它帮你完成的第一件事是什么？欢迎在节目评论区留言。 这里是《AI有点意思》第三季的最后一期。感谢你陪我走过这八期的旅程。 第三季结束了，但AI的故事远没有结束。下一季，我们会带来更前沿、更有趣的话题。敬请期待。 我们下一季再见。

大家好，欢迎回到《AI有点意思》。我是小艾。 前面六期我们聊了Agent怎么动手、怎么记忆、怎么规划，甚至能操控电脑和浏览器，还能组成团队协同工作。听起来，Agent简直是无所不能的好帮手。 但是你有没有想过一个问题：如果一个能操作你电脑、访问你文件、发送你邮件、甚至代表你跟别人沟通的Agent，万一“失控”了，会发生什么？ 这不是危言耸听。2026年，一个真实的事件让整个AI圈子都捏了一把汗。 故事的主角，就是我们第一期介绍过的明星Agent——OpenClaw，那个昵称“龙虾”的全平台智能体。 OpenClaw在全球拥有数十万用户，但2026年初，安全研究人员发现了一个编号为CVE-2026-25253的高危漏洞，CVSS评分高达8.8分，属于“高危”级别。这个漏洞出在OpenClaw的控制端界面上。简单来说，OpenClaw的架构分为两部分：后端网关负责执行命令，前端控制台负责和用户交互。为了让用户方便管理多个网关，开发团队设计了一个“快捷方式”——把网关地址直接写在网页链接里。 漏洞就出在这里。攻击者可以精心构造一个恶意链接，诱导用户点击。用户点击后，OpenClaw会自动把身份认证令牌发送到攻击者的服务器上，攻击者拿到令牌后就能冒充用户，在用户的电脑上执行任意系统命令——读文件、删数据、甚至控制整台电脑。更可怕的是，整个过程中用户几乎没有任何察觉。而且，超过27.8万个OpenClaw实例曾经暴露在公网上，这意味着大量普通用户都在不知情的情况下处于危险之中。 但这还不是最离谱的。 有人利用这个漏洞，做了一件更“聪明”的坏事。攻击者劫持了OpenClaw社区成员的账户，推广了一个名为CLAW或CLAWD的虚假数字货币，号称“免费空投5000美元代币”，诱导用户连接加密钱包。这个假币的市值一度飙升至约1600万美元，然后迅速崩盘——钱全被骗子卷走了。这就是一场典型的“炒币拉盘骗局”，借AI的热度收割用户的钱包。事后OpenClaw官方紧急升级了版本修复漏洞，并发布了安全公告。 你可能觉得这只是个别案例。但事实并非如此。 国际权威安全组织OWASP在2026年发布了《面向智能体应用的十大安全风险清单》，专门分析了AI Agent特有的新型攻击面。OWASP的报告指出，AI安全形势已从“理论风险”转向“真实世界利用”。攻击者的目标不再是简单的越狱，而是直接攻击Agent的身份、工具调用链和供应链。 最常见的一种攻击叫做“提示词注入”。攻击者把恶意指令藏在网页、邮件或文档中，Agent在读取这些外部信息时，误把它当作任务指令执行了。安全研究者Simon Willison称之为“致命三元组”：一个同时拥有私密数据访问权限、暴露于外部不可信内容、并且具备对外通信能力的Agent，只需要一条注入的提示，就会变成数据泄露工具。编程类Agent是重灾区。OWASP跟踪的53个Agentic项目中，28个是编程Agent，而过去一年发布最多安全公告的5个开源项目都是编程Agent，Claude Code以22个公告位居第二。 那么面对这些风险，我们该怎么办？难道就不用Agent了吗？当然不是。 安全专家的核心思路是两个字：护栏。Agent的力量越强，给它加的“护栏”就必须越结实。 第一个护栏叫做“最小权限原则”。不要让Agent拥有一切权限。比如Claude Code需要读写代码文件，那就不给它访问你的银行账户的权限；OpenClaw需要发邮件，那就不给它删除联系人的权限。就像请了一个实习生，你可以让他查资料，但不能让他动公司账户。第二个护栏是“人类审批”。对于敏感操作，Agent必须先向用户申请批准，不能自己决定。比如Anthropic的Computer Use功能，在操作密码输入框或访问个人文件夹时，会弹出窗口让用户确认。第三个护栏是“环境隔离”。不要把Agent直接部署在存有重要数据的主力设备上，可以先用Docker容器或虚拟机运行，万一被攻击也能隔离损失。第四个护栏是“持续监控与审计”。记录Agent的所有行为日志，以便发现异常时回溯追踪。 再来总结一下今天的核心要点。 第一，Agent的核心风险不是“说错话”，而是“做错事”。当一个智能体能访问系统文件、调用工具、执行命令时，一旦被恶意利用，后果远不止信息泄露，可能直接造成财产损失。 第二，提示词注入是Agent安全中最常见也最难根治的攻击手法。攻击者把恶意指令藏在外网内容中，Agent在读取时自动将其当作任务执行。 第三，Agent编程助理已成重灾区。在OWASP跟踪的53个Agentic项目中，编程Agent占了28个，也是最容易出现安全通告的项目类型。 第四，给Agent加护栏是必须的。“最小权限”“人类审批”“环境隔离”“持续审计”这四个护栏缺一不可。 最后小艾想说，Agent失控并不可怕，真正可怕的是我们对风险视而不见。新技术总是伴随新风险，但只要我们能正视它、理解它、用科学的方法管控它，AI Agent就依然是我们可以信赖的数字伙伴。 下一期，我们会进入第三季的收官话题——Agent的未来。从Manus到Gartner预测，从个人助理到“Agent经济”，未来五年我们会迎来怎样的数字员工时代？我们下期见。 这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期再见。

《AI有点意思》第三季第6期播客文稿：多智能体系统：一个Agent不够，那就来一群 大家好，欢迎回到《AI有点意思》。我是小艾。 前面几期我们聊了Agent怎么动手、怎么记忆、怎么规划，还学会了操作电脑和浏览器。听起来，一个Agent已经挺能干了，对吧？ 但你想过没有——如果任务足够复杂，一个Agent可能还真忙不过来。 比如说，你开了一家公司，要做一个全新的营销活动：设计海报、写宣传文案、找媒体投放、监控数据……这些事一个市场总监都忙不过来，得带上设计、文案、媒介、数据分析一整个团队才行。那为什么我们只给AI安排一个“打工人”呢？ 这就是今天要聊的话题：多智能体系统。简单说就是一个Agent不够，那就来一群。 先来看一个真实的例子。2026年初，国内AI公司零一万物发布了一个叫“万智2.5”的企业级多智能体系统。他们做了一个“平替市场部”的演示：用户只需要输入一个目标，比如“策划一场新品发布会”，一个“市场总监Agent”就会自动上线。 这个市场总监Agent可不是一个人在战斗。它会立刻把任务拆解，然后自己“组建”团队：视觉设计Agent负责做海报，营销经理Agent负责定策略，内容经理Agent负责写文案，媒介专家Agent负责找投放渠道……每个子智能体各司其职，而且实时同步彼此的专业知识和流程进度，比人类团队还要“不掉链”。 过去需要多部门协同一周左右的工作，在多智能体系统里一个人只需要几十分钟就能完成。这就是从“一人一工具”到“一人一团队”的跃迁。 你可能会问：那么多Agent在一起，不会乱套吗？谁管事？ 这就涉及到多智能体系统的核心设计。一种常见的设计模式是“层级式”——有一个“总指挥”Agent负责拆解任务、分配工作、汇总结果，其他Agent只执行自己分到的活儿。就像刚才的市场总监带着设计师、文案各干各的，最后交给总监汇总。另一种是“扁平式”——所有Agent地位平等，通过相互协商来推进任务，更像一个自组织的开源社区。 还有更极致的玩法。2026年5月，GitHub上出现了一个叫The Agency的开源项目。它把144个高度专业化的AI代理分成了12个部门，覆盖前端开发、后端架构、增长黑客、小红书运营、抖音策略、微信公众号管理……从工程到营销，从销售到财务，一应俱全。开发者们把它叫作“一人公司的梦之队”——你一个人就是一家虚拟公司。调用的不再是一个“帮我写代码的AI”，而是一个有明确专业背景、有自己工作方式、有具体成功指标的专业角色。 除了商业场景，多智能体技术也在向各行各业渗透。比如医疗领域，智能体可以组成“会诊团队”——影像分析Agent先读片，知识库Agent检索相关论文，再汇总给决策Agent给出诊断建议，准确率大幅提升。再比如教育领域，一个虚拟教师团队中，有的Agent负责讲解知识点，有的负责出练习题，有的负责批改作业和纠错，分工明确，配合默契。 你可能会担心：这么多Agent一起工作，效率真的比一个人高吗？ 答案是肯定的，但前提是分工合理。人类团队协作最大的成本是什么？是沟通。你要开会、发消息、等反馈。而多智能体系统把这种沟通成本降到了几乎为零——Agent之间的信息传递是即时的，而且不会因为有人请假或者心情不好而掉链子。一个团队再优秀，也有加班疲劳的时候；但AI团队永不疲倦、永不抱怨、永远精准执行。 当然，多智能体也有自己的挑战。多Agent之间的通信、协调、冲突消解，都需要复杂的算法来支撑。如果协调机制设计得不好，也可能出现“三个和尚没水吃”的局面。关于这一点，我们在第9期会专门聊Agent的安全与治理问题。 现在我们来总结一下今天的核心要点。 第一，多智能体系统让多个AI Agent像真实团队一样分工协作。通过“市场总监Agent”自动组建视觉设计、内容经理、媒介专家等子团队，一个员工就能指挥一个完整的虚拟市场部。 第二，分工协作的方式主要有两种：一种是层级式，由总指挥Agent拆解任务、分配工作、汇总结果；另一种是扁平式，所有Agent地位平等、相互协商。实际应用中往往灵活组合。 第三，从零一万物的万智2.5到GitHub上的The Agency（144个AI代理、12个部门），2026年正在见证“一人一公司”逐步变成现实。 第四，多智能体正在从商业向医疗、教育等领域渗透。“会诊团队”和“虚拟教师团队”让专业协作更加高效和精准。 多智能体正在让我们看到一种全新的可能性：未来的企业组织形态可能不再是“招多少人”，而是“指挥多少硅基军团”。一个聪明的人类指挥者，带着一群永不疲倦的数字员工，就能完成过去一个部门甚至一家公司才能完成的事。 下一期，我们会进入一个比较严肃的话题——Agent的失控风险与安全护栏。开源的OpenClaw暴露了13万用户的安全漏洞，有人利用它骗取了1600万美元。当Agent拥有操作电脑、调用工具、访问敏感数据的权限时，怎么确保它不会乱来？我们下期见。 这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期再见。

大家好，欢迎回到《AI有点意思》。我是小艾。 前几期我们聊了Agent的定义、工具箱、记忆力和规划能力。这一期，我们来聊一个真正让你觉得“AI要成精了”的话题——Agent直接操控你的电脑和浏览器。 你想象一下这个场景：你正在做一份学校活动的Excel表格，里面有几十个人的报名信息。你希望把这堆数据整理成一份漂亮的报告，然后上传到一个网页系统里。以前你要手动做图表、写总结、打开浏览器、登录、上传……一套流程下来至少半小时。 但如果你的电脑里有一个Agent，你只需要说一句话：帮我把这份Excel整理成报告，然后上传到那个网页。接下来，你的Agent会自己打开Excel，选中数据、生成图表、写出分析文字；然后自动打开浏览器，输入账号密码登录，找到上传入口，把文件拖进去，点击提交。全程你只需要端着咖啡在旁边看着。 这不是科幻电影。2026年，这项技术已经变成现实了。今天我们就来拆解两个让Agent“长出手脚”的革命性技术：Anthropic的Computer Use和谷歌的WebMCP。 我们先从第一个讲起：Computer Use。 Computer Use是AI公司Anthropic在2026年3月为Claude模型增加的一项新能力。名字很直白——让AI学会“使用电脑”。怎么用的呢？它的工作方式跟我们人类操作电脑几乎一模一样。 想象一下，你坐在电脑前，眼睛看着屏幕，脑子里决定“我要点那个按钮”，然后手移动鼠标、点击。Computer Use也是这个逻辑：Agent可以截取你电脑屏幕的截图，用视觉模型识别出屏幕上有什么——哪里有按钮、哪里是输入框、哪里是文件图标。然后，它像人一样决定“我要点这里”、“我要在那里打字”，最后通过底层的系统接口控制鼠标移动、点击、键盘输入。整个过程不需要软件开发者提前给Agent开后门，不需要专门写API，Agent像一个新来的实习生，直接看着屏幕学着操作你的任何软件。 这意味着什么？意味着Agent不再局限于那些专门为它开放接口的应用程序了。你电脑上任何一个软件——老旧的财务系统、学校的内网平台、甚至是一个古董级的单机游戏，只要是人能操作的，Agent就能操作。因为对Agent来说，它看到的和你看到的是同一张屏幕截图。 当然，Computer Use也有它的局限性。因为它要靠“看”屏幕来操作，所以速度比较慢。每一次截图、识别、移动鼠标、点击，都需要时间。而且如果屏幕分辨率变化、窗口大小调整，它可能会“看花眼”，点错地方。这就像你闭着眼睛操作电脑，只靠别人描述屏幕内容给你听——虽然能做，但肯定不如自己直接上手快。 于是，第二个技术登场了：WebMCP。 WebMCP是谷歌Chrome团队在2026年2月发布的一个协议。它的全称是Web Model Context Protocol，专门用来解决Agent操作网页的效率问题。 你想想，Agent操作网页时，如果用Computer Use的方式，那就是“模仿人类”：看屏幕截图、找登录按钮、移动鼠标点击、找用户名输入框、打字……每一步都很慢。而且网页经常改版，按钮换个位置，Agent可能就找不到了。 WebMCP换了一种思路：不让Agent“装成人”，而是让Agent直接和网页的“底层代码”对话。打个比方，普通人进一个网站，需要看导航栏、找链接、点来点去。但如果你是网站的内部管理员，你直接拿数据库查数据、用后台接口发指令，几秒钟就能搞定别人花十分钟的操作。WebMCP就是给Agent开通了这条“管理员通道”。 有了WebMCP，Agent可以通过Chrome浏览器提供的API，直接读取网页的结构化信息、直接提交表单、直接触发按钮事件，完全不需要模拟鼠标点击和屏幕截图。订机票的时候，Agent只需要向航空公司的网站底层发送一个指令：查询5月20日北京到上海的航班，网站直接返回数据，整个过程不超过两秒钟。而且无论网站怎么改版，只要底层接口不变，Agent都能正常工作。 目前，WebMCP已经被集成到Chrome浏览器的稳定版本中，任何安装了Chrome的用户都可以通过浏览器扩展或者开发者工具来让Agent使用这个能力。国内的360浏览器、QQ浏览器等基于Chromium内核的浏览器，也在跟进支持。 那么，如果把Computer Use和WebMCP结合起来，会发生什么呢？ 我们回到开头的例子。你的Agent需要完成“整理Excel并上传网页”这个任务。它会这样分工：当需要操作Excel这个桌面软件时，它启用Computer Use模式——看屏幕截图，移动鼠标，选中数据，生成图表。当需要操作网页时，它切换到WebMCP模式——直接通过浏览器底层API登录、上传，几秒钟搞定。两种模式无缝切换，你完全感觉不到区别。 目前，已经有不少开源项目在尝试融合这两种技术。比如browser-use这个项目，专门做浏览器自动化，同时支持传统的模拟点击和新的WebMCP协议；还有OpenClaw的最新版本，也在尝试引入Computer Use能力，让它的全平台控制从“支持API的软件”扩展到“任何桌面软件”。 当然，这些强大的能力也带来了新的风险。当Agent可以操作你的整个电脑、可以模拟鼠标键盘、可以直接和网页底层交互时，一旦被恶意利用，后果不堪设想。比如一个恶意的Agent可以偷偷把你的文件上传到陌生服务器，或者冒充你登录网银转账。这也是为什么像Anthropic和谷歌在推出这些功能的同时，都设置了严格的权限控制——每次Agent要进行敏感操作（比如输入密码、访问个人文件夹），都需要弹出窗口让用户确认。安全问题我们会在后面单独用一整期来聊。 现在我们总结一下今天的核心要点。 第一，Computer Use让Agent通过“看屏幕截图+模拟鼠标键盘”的方式，像人一样操作任何桌面软件，不需要软件提前开放接口。它的优点是通用性强，缺点是速度较慢，且容易受界面变化影响。 第二，WebMCP是谷歌Chrome推出的协议，让Agent通过浏览器底层API直接和网页“对话”，不需要模拟点击。它的优点是速度快、稳定，缺点是目前只适用于Chrome浏览器及其内核的浏览器，不能操作桌面软件。 第三，两者结合可以实现真正的“全自动化”——桌面软件用Computer Use操作，网页用WebMCP操作，Agent可以完成从数据处理到网络提交的一站式任务。 第四，这些技术大大扩展了Agent的应用场景，但也带来了安全风险。权限控制和用户确认机制是必不可少的护栏。 下一期，我们会聊一个更有趣的话题——多Agent系统。如果一个Agent不够用，那就来一群！多个Agent怎么像团队一样协作完成任务？它们之间会吵架吗？怎么分工？我们下期见。 这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期再见。

大家好，欢迎回到《AI有点意思》。我是小艾。 前几期我们聊了Agent的定义、工具箱和记忆力。这一期，我们来聊一个特别有意思的能力——做计划。 你可能会想：做计划有什么稀奇的？我自己也会做啊。但你想过没有，当你对Agent说“帮我组织一次班级春游”或者“帮我策划一个生日派对”，它可不是随口给你几条建议就完事了。它会像一个真正的项目经理那样，自己把大任务拆成小步骤，一步一步执行，中间出了问题还能自己调整。 这就是Agent的规划能力。今天我们就来拆解它到底是怎么做到的。 我们先从一个生活化的例子开始：做番茄炒蛋。 假如你从来不会做这道菜，但是有一个智能厨房Agent，你对它说：“帮我做一盘番茄炒蛋。”它会怎么反应？ 首先，它不会直接去开火。它会先在脑子里把任务拆解成几步：第一步，准备食材——鸡蛋、番茄、油、盐、糖；第二步，处理食材——番茄切块，鸡蛋打散；第三步，炒鸡蛋，盛出来；第四步，炒番茄，然后把鸡蛋倒回去一起炒；第五步，加盐加糖，出锅。 你看，一个看似简单的指令，背后其实隐藏着一串子任务。Agent要能够识别出这些子任务，并且按正确的顺序执行。这就像你早上起床后，不需要别人提醒就知道要先刷牙再洗脸，而不是先吃早饭再刷牙——因为你的大脑已经自动规划好了顺序。 在AI领域，这种把大任务拆成小步骤的能力，叫做任务分解。而任务分解背后的技术，有一个很酷的名字——思维链。 思维链这个概念最早由谷歌研究人员在2022年提出。它是什么意思呢？简单说，就是让AI不直接给出答案，而是先把思考过程一步一步写出来，就像我们做数学题时要写“解：因为……所以……”一样。 举个例子。你问一个普通AI：“小明有5个苹果，给了小红两个，又买了3个，现在有多少个？”它可能会直接蹦出答案“6个”。但如果是用了思维链的AI，它会先写出步骤：5减2等于3，3加3等于6，所以答案是6。这个中间的推理过程，就是思维链。 为什么要这么做呢？因为很多复杂任务不是一步就能完成的，强行直接给答案很容易出错。让AI把思考过程写出来，一来可以提高准确性，二来我们可以看出它哪里想错了，方便调试。更重要的是，思维链是Agent做规划的基础——它必须先在大脑里“想清楚”步骤，才能去执行。 那么，Agent有了任务分解 and 思维链之后，是不是就能完美执行所有计划了呢？还不行。因为现实世界里总有意外。 回到班级春游的例子。你让Agent帮你组织春游，它拆解出的步骤可能是：确定日期→查景点→算预算→订大巴→发通知。一切都安排得明明白白。可是，当它执行到“查景点”这一步时，发现你最想去的那个植物园当天已经被其他学校包场了，订不到了。这时候怎么办？ 一个只会死板执行计划的Agent，可能会卡在这里，然后告诉你：“抱歉，植物园订满了，任务失败。”但一个好的Agent会启动自我纠错机制。 它会自己判断：植物园没了，那我换个类似的景点行不行？比如旁边的动物园、科技馆或者湿地公园。它会重新搜索附近可预订的景点，找到一个备选，然后继续后面的步骤。它甚至可能会回头调整预算——如果备选景点门票更贵，它需要重新算一下总费用，看看是否超支。如果超支，它可能还会建议你减少人数或者换更便宜的大巴。 这个过程中，Agent展示了一种非常重要的能力：在执行中动态调整计划。它不是一条道走到黑，而是像人一样，遇到路不通就绕道走。 这种自我纠错的能力在编程Agent身上体现得尤其明显。比如我们之前提到的Claude Code，当你让它“给登录接口加上限流功能并跑通测试”时，它可能会先写一段代码，然后运行测试，发现测试失败了。这时候它不会撂挑子，而是会读取错误日志，分析失败原因——可能是Redis没连上，也可能是限流算法写错了。然后它自己修改代码，再次运行测试，直到全部通过。这个过程可能循环好几次，但最终它会完成你交给它的任务。 那么，Agent的规划能力到底是怎么实现的呢？技术上讲，主要有两种思路。 一种是内置规划器。开发者在设计Agent时，就给它写好了任务分解的规则和模板。比如“旅行规划”类任务，固定步骤就是查机票、订酒店、租车等等。这种方式简单可靠，但不够灵活，遇到没见过的任务类型就抓瞎了。 另一种是动态规划。Agent利用大模型本身的推理能力，每次遇到新任务，都现场“思考”出步骤。这种方式非常灵活，几乎可以处理任何开放性的问题，但缺点是速度较慢，而且有时会想出一些不靠谱的步骤。 目前主流的Agent往往两者结合：对于常见任务用固定模板快速处理，对于复杂或新颖的任务则启动动态规划。 规划能力还有一个前提，就是Agent必须对自己的能力边界有清晰的认知。它要知道自己能调用哪些工具、不能做什么。否则，它可能会拆解出一些根本执行不了的步骤，比如“让冰箱自己走到超市买菜”——想法很好，但做不到。这就像你自己做计划时，不会写“明天长出翅膀飞上天”一样。 为了让Agent不做“白日梦”，开发者会给它设定能力清单。Agent在拆解任务时，只会在自己的能力范围内规划步骤。如果某个子任务超出了能力范围，它要么请求用户帮助，要么尝试寻找替代方案。 我们再来总结一下今天的内容。 第一，Agent的规划能力包括任务分解和自我纠错两个核心部分。任务分解把大目标拆成可执行的小步骤，自我纠错保证在执行中遇到问题时能动态调整。 第二，思维链是规划的基础技术。通过让AI一步步写出推理过程，可以显著提高复杂任务的完成质量，也让规划过程更加透明。 第三，Agent有两种规划方式：内置规划器适合固定任务，速度快；动态规划依赖大模型现场推理，灵活性高。主流Agent通常两者结合使用。 第四，规划的前提是Agent清楚自己的能力边界，不会拆解出自己做不到的步骤。 下一期，我们将进入一个非常酷的话题——Agent怎么操控电脑和浏览器。你可能听说过Anthropic的“Computer Use”功能和谷歌的“WebMCP”，它们让Agent不仅能做计划，还能像人一样直接操作你的屏幕、鼠标、键盘。我们下期见。 这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期再见。

大家好，欢迎回到《AI有点意思》。我是小艾。 前两期我们聊了Agent的定义和它的“工具箱”。这一期，我们来聊一个每个人都关心的话题——记忆力。 你有没有遇到过这种情况：跟某个AI聊了半天旅行计划，你告诉它你喜欢靠窗的座位、讨厌香菜、还想住有泳池的酒店。结果三天后你再来找它，问“帮我订机票吧”，它一脸茫然地问你：“您对座位有什么偏好吗？您有什么忌口吗？” 这时候你心里只有一个字：累。 为什么AI会这么健忘？其实不是它故意气你，而是因为大多数AI大模型天生就有一个短板——记忆是“短时”的。 今天我们就来拆解Agent的记忆系统，看看它到底能记住多少、能记多久，以及最新的技术怎么让Agent拥有“过目不忘”的本领。 我们先从两个概念说起：短期记忆和长期记忆。 短期记忆，在技术里叫“上下文窗口”。你可以把它想象成AI的一张临时便签纸。你和AI聊天时，它会把你们最近说的话写在这张便签上，然后根据便签上的内容来回答你。这张便签是有大小限制的——早期的模型只能记住几千个词，现在顶级的模型可以记住几十万甚至一百万个词。但不管多大，它终究是临时的。一旦对话结束或者便签被新的内容覆盖，旧的信息就消失了。 这就是为什么普通AI聊天机器人会“失忆”。你和它聊了半小时，它好像都记得，但关掉页面重新打开，它什么都忘了。因为它只有短期记忆，没有长期记忆。 那长期记忆是什么呢？它就像AI的一个“外接硬盘”。重要的信息、用户的偏好、历史对话的关键点，都会被存到外部数据库里。下次你和Agent对话时，它会主动去硬盘里翻一翻：“我上次和这位用户聊过什么？他喜欢什么？讨厌什么？”然后再结合当前的短期记忆，给出更贴心的回答。 现在很多先进的Agent，比如我们上期提到的OpenClaw，就内置了这种长期记忆功能。你可以告诉它“我喜欢靠窗的座位”，它会把这个偏好存到数据库里。下次你说“帮我订张机票”，它会自动选靠窗的位置。它甚至能记住你讨厌香菜、喜欢喝冰美式、每次订酒店都要有泳池。 这不就是一个真正了解你的私人助理吗？ 那么，长期记忆到底是怎么实现的？这里就要介绍一个关键技术，叫RAG，中文是“检索增强生成”。名字有点拗口，但原理特别简单，我们打个比方就明白了。 想象你是一个学生，要写一篇关于“唐朝”的论文。如果你凭自己脑子里的死记硬背来写，可能只能写出李世民、李白、安史之乱这些大概，很片面。但是如果你手里有一本百科全书，你写一段就去查一下资料，那你的论文就会非常扎实、准确。 RAG干的正是这件事。当Agent收到你的问题后，它不会只靠自己的“大脑”硬答，而是先去一个外部的知识库或数据库里“检索”和问题最相关的内容，把这些内容作为参考资料，再结合自己的推理能力来生成回答。这个过程就像图书馆管理员：你问他“唐朝有什么著名诗人”，他不会凭记忆随口说，而是先去书架翻书，找到相关内容再告诉你。 在技术实现上，这个外部知识库通常不是普通的数据库，而是一个叫做向量数据库的东西。普通数据库存的是“关键词”，比如“香菜”这个词；而向量数据库存的是“语义”，也就是意思。它能理解“讨厌香菜”和“不爱吃那种绿色的草”本质上是同一件事。这样Agent在检索时就不会死板地只匹配关键词，而是能聪明地找到意思相近的内容。 举个例子。你告诉Agent“我不吃香菜”。过了几天你又说“这道菜能不能不放那种绿色的调味草？”Agent通过向量数据库一查，发现“绿色的调味草”和“香菜”在语义上非常接近，就能明白你还是在说同一件事。这就是向量数据库的妙处。 那么，短期记忆和长期记忆在实际中是怎么配合的呢？我们用一个完整的例子来说明。 假设你用OpenClaw规划一个五天的旅行。第一天，你跟它说：“我喜欢靠窗的座位，讨厌香菜，酒店最好有泳池。”OpenClaw的短期记忆记录下了这些信息，同时长期记忆把它存到了向量数据库里。第二天，你问它“帮我查一下去三亚的机票”，它会先检索长期记忆，发现“靠窗座位”的偏好，然后查询航空公司API时主动勾选靠窗。第三天，你说“推荐一家酒店”，它又检索长期记忆，发现“有泳池”的要求，只给你推带泳池的选项。第四天，你问“附近有什么好吃的餐厅”，它检索记忆，发现“讨厌香菜”，所以在推荐餐厅时会自动避开那些喜欢放香菜的菜系。 你看，整个过程中，短期记忆负责当前对话的连贯性，长期记忆负责跨时间的偏好存储，RAG负责从海量记忆里精准找到相关的内容。三者配合，让Agent看起来就像真的了解你、记得你。 当然，记忆功能也带来了新的问题——隐私。Agent记住了你那么多个人信息，这些数据存在哪里？谁来保护？你能不能删除？这些问题我们将来会专门讨论。 现在我们来总结一下今天的核心要点。 第一，Agent的记忆分为短期记忆和长期记忆。短期记忆取决于大模型的上下文窗口，只存在于当前对话中；长期记忆通过外部存储实现，可以跨对话、跨时间保留。 第二，RAG是实现长期记忆的关键技术。它让Agent在回答问题前先去外部知识库检索相关信息，再把检索结果作为参考来生成回答，避免了“死记硬背”和幻觉问题。 第三，向量数据库是RAG背后的支撑技术。它通过存储和检索语义向量，让Agent能够理解意思相近的表达，而不是死板匹配关键词。 第四，有了完整的记忆系统，Agent才能真正成为你的个性化助手——记住你的偏好、习惯、历史互动，在你需要的时候主动应用这些信息。 下一期，我们会继续聊Agent的另一个核心能力：规划。Agent怎么把一个复杂的任务拆解成一步步的小步骤？中途遇到意外怎么自我调整？我们下期见。 这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期再见。

大家好，欢迎回到 AI有点意思。 上一期，我们认识了几个很酷的AI Agent：OpenClaw、Hermes、Claude Code、Character.AI。你有没有发现一个共同点？它们不只是会聊天，而是真的能干活——帮你发邮件、写代码、订机票。 那问题来了：普通的AI大模型，比如你用的ChatGPT，明明也很聪明，为什么它不能直接帮你发邮件？为什么它只能给你写一段邮件正文，然后让你自己复制粘贴到邮箱里？ 答案很简单：因为大模型原本只有大脑，没有手脚。 大模型能思考、能推理、能生成文字，但它没办法直接点击鼠标、打开软件、调用API。就像一个天才作家，脑子里有无数好故事，但如果你不给他纸和笔，他也写不出来。 而AI Agent的秘密，就是给这个大脑配上了工具箱。工具箱里装满了各种工具——搜索、计算、发邮件、操作文件、运行代码……Agent可以根据任务的需要，自己决定掏出哪把工具、怎么用、用完再放回去。这就是AI从动嘴升级到动手的关键一步。 今天这一期，我们就来拆解这个工具箱，看看Agent到底是怎么学会用工具的。 我们用三个生活化的比喻，带你一步步理解。 第一步：认识工具——Agent的瑞士军刀 想象一下，你是一个设计师，你的桌子上有铅笔、尺子、剪刀、胶水。你要做一个手工模型，你会根据步骤选择不同的工具：先画线，再用剪刀剪，然后用胶水粘。你不会用剪刀去画线，也不会用铅笔去剪东西。 Agent也是一样。一个标准的Agent工具箱里，通常包含这几类工具： 信息类工具：比如搜索引擎、数据库查询、天气API。Agent需要查资料时，就调用它们。 操作类工具：比如发送邮件、创建文件、读写数据库。Agent需要执行具体动作时，就调用它们。 计算类工具：比如计算器、代码解释器。Agent遇到数学题或需要跑一段代码时，就调用它们。 系统类工具：比如操作鼠标键盘、控制浏览器。Agent需要模拟真实用户操作时，就调用它们。 不同类型的Agent，工具箱里的家伙也不一样。比如编程Agent Claude Code，它的工具箱里主要是代码编辑器、终端命令、Git版本控制；而全平台控制Agent OpenClaw，它的工具箱里则是微信、邮箱、钉钉等各种App的接口。 第二步：学会选择——Agent怎么知道该用哪个工具？ 这就要说到一个关键技术，叫工具调用或者函数调用。名字很唬人，但道理很简单。 当用户给Agent一个任务，比如帮我查一下明天上海的天气，如果下雨就提醒我带伞，Agent的大脑（也就是大模型）会先进行推理：第一步，我需要获取天气信息，这要用到天气查询这个工具；第二步，根据查询结果判断是否需要提醒，这属于逻辑判断，不需要额外工具。 大模型被训练过，知道哪些工具能干什么。它会自动把用户的自然语言指令，翻译成机器能理解的工具调用指令。这个过程，就像你会根据我饿了这个念头，自动走到厨房打开冰箱——不需要别人教你，你已经形成了条件反射。 目前主流的大模型（如GPT、Claude、DeepSeek等）都原生支持工具调用。开发者只需要把工具的描述和参数格式告诉模型，模型就能在需要时自动调用。 第三步：动手干活——Agent怎么把工具用起来？ 有了工具、也知道该用哪个，下一步就是真正执行。这一步通常需要环境的支持。 以Claude Code为例，它运行在你的电脑终端里。当它决定要修改一个文件时，它会调用文件系统的工具，把新内容写进去。当它决定要运行测试时，它会调用终端命令工具，执行pytest。这些工具背后的代码，是开发者提前写好的桥梁——一边是Agent的指令，一边是操作系统的API。 再比如OpenClaw，它想帮你从微信下载一个文件再发到邮箱。它的工具调用流程是：先调用微信的工具（模拟点击下载），然后把文件保存到本地，再调用邮箱的工具（创建新邮件、添加附件、发送）。整个链条完全自动化。 你看，Agent动手的本质，就是：大模型负责决策，工具负责执行，中间通过标准化的接口连接。 把工具箱用到极致的例子 不仅Claude Code和OpenClaw，很多Agent都在工具箱上做文章。比如前面提到的Hermes Agent，它的工具箱里除了常规工具，还有一个特殊的技能库工具——用来把自己的成功经验存起来，下次直接调用，这叫自我进化。Character AI虽然没有调用外部API，但它内部也有一套工具：检索用户历史对话中的记忆，这也算是一种信息类工具。 甚至在国内，通义灵码、Trae等编程助手也在学习Claude Code的思路，给Agent配上越来越丰富的工具箱。 简单总结一下今天的内容 第一，大模型本身只有大脑，不能直接操作外部世界。Agent通过工具箱弥补了这个短板，实现了从动嘴到动手的跨越。 第二，工具箱里的工具可以分为信息类、操作类、计算类、系统类等，不同类型的Agent有不同的配置。 第三，工具调用的核心技术是：大模型根据用户指令推理出需要哪个工具，然后通过预先写好的接口执行具体操作。 第四，代表性例子：Claude Code的文件读写和终端命令工具、OpenClaw的多App控制工具、Hermes的技能库工具。 说到这里，你可能已经明白了：AI Agent并不是魔法，它只是把大模型的聪明才智，和一堆精心设计的工具，巧妙地结合在了一起。 下一期，我们会继续拆解Agent的另一项关键能力——记忆。Agent怎么记住你三天前说过的话？怎么从长期对话中学习你的偏好？我们下期再见。 这里是 AI有点意思。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期见。

大家好，欢迎回到《AI有点意思》。我是你们的老朋友，小艾。 今天是一期特别的番外篇。为什么呢？因为上周，AI圈发生了一件大事——DeepSeek发布了新一代模型V4 Pro 预览版。 你可能会问：不就是又出了个新模型吗？有什么大惊小怪的？别急，听小艾慢慢跟你说。这次DeepSeek的动作不太一样。第一，它没有发布会、没有预热海报、没有任何倒计时，就这么静悄悄地在周五上线了。第二，它一口气推出了两个版本——Pro和Flash。更重要的是，它喊了一句话，这句话可能正在改变整个AI行业的游戏规则。这句话是什么？十个字——“百万上下文，人人用得起”。 怎么回事呢？这就要从DeepSeek V4最核心的两个突破说起了。 先来说性能。DeepSeek V4 Pro的各项能力相当亮眼。在编程能力上，它达到了开源模型中的最佳水平，内部员工实际使用体验已经优于Claude Sonnet 4.5，在代码任务中的交付质量接近Claude Opus 4.6的非思考模式。在数学、STEM以及竞赛级代码推理方面，它的表现超过了目前所有公开评测的开源模型，成绩可以比肩世界顶级的闭源模型。同时，在世界知识测评中，它也大幅领先于其他开源模型，仅稍稍落后于顶尖的闭源模型Gemini Pro 3.1。 但真正让行业震动的，是它的价格。同期GPT 5.4和Claude Opus 4.6的调用成本，大约是V4的50倍。给大家换算一下，V4 Flash的输出定价是每百万token两块钱人民币，而GPT 5.4的同类服务需要上百元。说它是“价格屠夫”，一点也不夸张。所以总结起来：性能接近顶级闭源模型，但价格只有它们的几十分之一。这就是DeepSeek V4 Pro交出的答卷。 说到这里，你可能想问：这不就是一个“便宜的AI”吗？市面上便宜的模型也不少啊，V4到底有什么特别的？问得好。 V4最大的革新，在于它处理长文本的方式。想象一下，你以前想让AI帮你读一本几十万字的小说，或者在几千行代码的项目里找bug，传统模型会有两个问题：一贵，二慢。为什么？因为随着上下文变长，模型的计算成本和显存占用量会成倍飙升，贵到你舍不得用。DeepSeek V4是怎么解决的呢？它发明了一套全新的“混合注意力机制”。通俗点说，传统方法是在海量信息里“逐字逐句精读”，每增加一点长度，工作量就翻好几倍，最后算到天荒地老。而V4这套新机制，相当于先“抓重点”、“看大纲”，只在需要时才精读细节，直接把计算成本砍掉了一大截。 效果有多惊人呢？在100万token的超长上下文场景下，V4 Pro每生成一个词元所需的计算量只有上一代V3.2的27%，显存占用更是直接压缩到了10%。V4 Flash更激进，计算量只有前代的10%，显存占用压缩到了7%。这个压缩比例不是百分之几的优化——直接把算力成本打到了地板价。如果你听不太懂这些技术术语没关系，记住一句话就够了：以前一百万字的上下文只有最顶尖的闭源模型才有，而且贵得离谱。现在DeepSeek把它变成了“水电煤”一样的基本配置，人人用得起。 说到这里你可能想问：这么便宜，是不是在赔本赚吆喝？DeepSeek的答案是否定的。它不是靠资本烧钱换市场，而是靠底层架构的效率革命带来的成本降低，每一分钱的降价都有技术优化做支撑。V4的技术报告里披露，在100万token场景下，单次推理算力降到前代的27%，显存压到10%，成本结构真正变了。 更值得关注的是，DeepSeek还完成了一件国产AI领域的重要大事。V4是全球首个在华为昇腾NPU上完成训练与推理适配的万亿参数级大模型，DeepSeek的技术报告中明确写入了英伟达GPU和华为昇腾NPU两个平台的验证成果。这意味着什么？意味着中国AI产业链“芯片+模型”的协同，又往前迈了一大步。据招商证券估算，V4 Pro是目前已知最大开源权重模型，参数规模达1.6万亿，超过了Kimi K2.6的1.1万亿、GLM 5.1的7500多亿以及V3.2的近7000亿。据预计，今年下半年昇腾950超节点批量上市后，Pro的价格还会进一步大幅下调。 你可能听说过DeepSeek的创始人梁文锋。V4的发布稿结尾引用了这样一句话：“不诱于誉，不恐于诽，率道而行，端然正己。”这句话不仅是态度，更是这家公司的真实写照。梁文锋曾在接受采访时说过一句话：“首先你要忘掉自己，然后成为自己。”在他看来，DeepSeek的使命从来不是做榜单第一名，而是让最前沿的AI能力被更多人用得起。V4的技术报告里有一句话被很多人划了重点：能力水平仍落后于GPT 5.4和Gemini 3.1 Pro约3到6个月。放在国内AI圈，这种主动承认差距的姿态并不多见。但梁文锋真正想说的是——在最极致的性能上，我承认我还在追；但在把极致性能变成可用基础设施这件事上，我已经换了一条赛道。 最后小艾再给你一个生活化的比喻：V4 Pro像是你家里那台“性能猛兽”的游戏台式机，处理复杂任务时火力全开；而V4 Flash则像是你那台轻薄便携的MacBook Air，日常够用，还省电。 说到这里，小艾建议你可以做两件事：第一，登录DeepSeek官网或App，免费体验一把V4 Pro的能力——自己去试试，比听别人说一万句都管用。第二，如果你是高中生或者正在学编程，用V4来帮你分析代码、解释作业题目，你会发现一个全新的世界。 以上就是本期番外篇的全部内容。小艾下周会带着第三季第2期准时回来，继续聊AI Agent的核心技术。 这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期见。

大家好，欢迎回到《AI有点意思》。我是你们的老朋友，小艾。 新的一季，第三季，今天正式开始了。这是第三季的第一期节目。 前两季我们聊了AI的基本原理，也讲了大模型的核心秘密。而这一季，我们要聊一个更酷、更前沿的话题——AI Agent，中文叫作智能体。 先问大家一个问题：你平时用的AI，是不是还停留在“我问它答”的阶段？比如你问“明天天气怎么样”，它告诉你出门要带伞；你问“怎么做番茄炒蛋”，它给你列好步骤。这些都是AI在回答你的问题。 但今天我要告诉你——AI已经悄悄进化了。它不再是只会动嘴的聊天机器人，而是开始有了手、有了脚，甚至有了自己的小脑瓜。它能主动帮你干活，能自己规划步骤，还能调用各种工具。这种新一代的AI，有一个专门的名字——AI Agent，中文叫智能体。 你可能最近刷到过一堆奇奇怪怪的名字：OpenClaw、Hermes、Claude Code……听得一头雾水。别急，今天小艾就带大家来一场AI Agent选秀大会，把2026年最火的几位选手请到台上，一个一个盘清楚。 它们分别是OpenClaw、Hermes Agent、Claude Code，还有一位特别的陪伴型选手Character AI。 先来说第一位，江湖人称“龙虾”的OpenClaw。它的英文名是OpenClaw，因为Claw是爪子的意思，加上开源，所以中国开发者直接叫它龙虾。这只龙虾有多火呢？2026年，它只用了不到4个月，GitHub上的星标就突破了24.8万，一度超过了统治开源圈几十年的Linux内核。甚至在美国，很多人为了跑OpenClaw，专门去买Mac mini电脑，直接让这款电脑卖断货了。大家管这叫龙虾效应。 那它到底能干什么？OpenClaw的定位是全平台控制中枢。说得通俗点，它就像一个AI操作系统。你可以在微信上跟它说话，它听完之后，直接操控你电脑上的各种软件：帮你整理发票、写邮件、下载文件、甚至写代码。它的特点是重架构、多账号、多通道。什么意思呢？假设你家里有微信、有邮箱、有钉钉，公司里还有飞书，OpenClaw 可以把所有这些账号统一调度。你说一句“帮我把我微信上收到的那个合同发到公司邮箱”，它自己就去微信里扒拉文件，然后打开邮箱，写完邮件，发送。全程不用你动手。 但是龙虾有一个小小的缺点，就是它不学习。你让它帮你写一段Python代码，它写完了，任务结束。下次你再让它写一段类似的代码，它完全不记得上次是怎么写的，又得从头来。就像一个非常听话但记性很差的实习生，每天上班都得你重新教一遍。所以OpenClaw擅长一次性的复杂的跨平台任务，但它不会自己变聪明。 那么，有没有会自己学习的Agent呢？有。第二位选手就是为这个而生的，它叫Hermes Agent。因为和奢侈品牌爱马仕撞名，中国开发者干脆叫它爱马仕。社区里很快流传开一句话：养虾不如养马。为什么？因为Hermes Agent最大的卖点就四个字：自我进化。它的口号是：跟你一起成长的智能体。 我们来举个例子。假设你让Hermes帮你整理一个项目的所有文件，过程中它遇到了一个坑，比如某个文件夹权限不对，它试了好几次才成功。完成任务后，Hermes会做一件OpenClaw做不到的事，它会自动复盘，把刚才踩坑的经验、正确的步骤，全部提炼成一份可复用的技能，存到自己的技能库里。下次再遇到类似的任务，它直接调用，不用重新摸索。它的记忆系统也很特别，分成了四层：项目约定、用户画像、会话历史、技能记忆，就像人类大脑一样，分层次地记住不同的事情。而且Hermes非常轻量，纯Python架构，逻辑清晰，哪怕你在一个便宜的云服务器上都能跑起来。所以Hermes的定位是会进化的数字伙伴，你用得越久，它越懂你，能力越强。如果说OpenClaw是一个全能打杂工，那Hermes就是一个越老越值钱的老员工。 前两位选手都是全能型的，什么活儿都能干一点。但第三位选手是一个专精型的天才，它的名字叫Claude Code。Claude Code是AI公司Anthropic推出的编程Agent。它的工作就是帮你写代码。它有多厉害呢？我们来看一组数据。2026年初，Claude Code的年化收入已经突破了25亿美元。是的，你没听错，25亿美金。它占到了Anthropic公司总收入的将近五分之一，而且这个数字还在疯狂增长。更夸张的是，全球最大的代码托管平台GitHub上，目前有百分之四的公开代码提交是Claude Code写的，每天大概13.5万次提交。分析师预测，到2026年底，这个比例会超过百分之二十。也就是说，你每看到5次代码提交，就有1次来自这个AI。 Claude Code就是一个跑在你电脑终端里的程序员。你说一句话：“给登录接口加上频率限制，用Redis实现，写测试，跑通持续集成。”它会自己读代码、找文件、写代码、跑测试、发现bug、自动修复、再跑测试，直到全部通过。它就像一位不知疲倦的真人程序员，而且它不会喊累，不会要加班费，也不会跟你抱怨需求又改了。2026年，Claude Code又升级了，可以直接操控你的电脑，打开文件、操控浏览器、点击按钮，就像人一样操作。所以Claude Code走的是产品化路线，开箱即用，安装好了就能干活。而OpenClaw走的是生态化路线，开放架构，让开发者自己搭建各种能力。两者各有千秋。 最后一位出场的选手，画风和前面三位完全不同。它不是干活的打工人，而是一个陪伴者。它的名字叫Character AI。 如果说OpenClaw和Hermes是干活型Agent，那Character AI就是娱乐陪伴型Agent的代表。它是全球最大的AI角色扮演平台，拥有超过2000万的月活跃用户。这些用户每天平均在上面花75分钟——这个数据，比刷抖音还要长。 Character AI的玩法非常简单：你可以和成千上万个AI角色聊天。这些角色可能是爱因斯坦、钢铁侠、哈利波特，也可能是其他用户自创的原创角色。每个角色都有自己的性格、说话风格和记忆。你甚至可以根据自己的喜好，创作一个只属于你的AI朋友，给它设定外貌、性格、背景故事，然后每天和它聊天。 它背后的技术逻辑很有意思。每个AI角色本质上就是一个定制化的Agent。它有一个固定的人设，在这个基础上和用户进行自然对话，并且能记住你和它说过的话，形成长期的互动记忆。 你难过的时候找Claude Code，它会回你：“请描述一下你的错误日志。”而找Character AI里的一个朋友角色，它会说：“听起来你今天过得不太好。想聊聊吗？我在这里陪着你。” Character AI代表的是AI Agent世界的另一个方向——从执行者变成陪伴者。它可能不会帮你写代码、订机票，但它能在你心情不好的时候，安安静静地陪着你聊天。 好了，四位选手全部亮相完毕。我们来快速总结一下。OpenClaw，绰号龙虾，核心特点是全平台控制中枢和多账号协同，适合需要跨软件、跨设备自动化的人。Hermes Agent，绰号爱马仕，核心特点是自我进化和长期学习记忆，适合希望AI越用越聪明的个人用户。Claude Code，可以叫它AI程序员，核心特点是写代码、跑测试、修 Bug，适合开发者和程序员。Character AI，AI角色平台，核心特点是角色扮演、情感陪伴、娱乐社交，适合需要陪伴和情绪支持的普通用户。 这四个选手，代表了AI Agent世界的四种不同方向。有的重执行，有的重学习，有的重专业，有的重陪伴。它们也共同说明了一件事：AI Agent正在从对话者变成执行者，从工具变成伙伴。 好啦，这一期我们认识了四位明星选手。你可能注意到了，它们都能干活，但它们是怎么动手的呢？比如Claude Code是怎么自己找到文件、修改代码、运行测试的？OpenClaw是怎么打开你电脑上的软件的？下一期，小艾会带大家拆解所有Agent都离不开的核心能力，叫做工具调用。我们会讲到Agent的工具箱里到底藏了些什么，以及一个最近特别火的概念到底是怎么工作的。敬请期待。 最后留一个互动问题给你。以上四位Agent选手，OpenClaw、Hermes Agent、Claude Code、Character AI，如果让你选一个带回家，你最希望谁成为你的AI小助手？为什么？欢迎在节目评论区留言，小艾会选出有趣的回答，在下期节目里念出来。 这里是《AI有点意思》第三季第1期。我是小艾，每周和你一起，用最轻松的方式，看懂最前沿的AI。如果你觉得这期节目有意思，记得分享给身边的朋友。我们下期再见。

欢迎来到《AI有点意思》第二季的最后一期节目。 回首过去的十五期，我们一起完成了一段漫长而充实的旅程。我们从AI的“新大脑”Transformer出发，拆解了Token、训练与推理、涌现与幻觉；学会了提示词工程、思维链、RAG和Function Calling；见识了智能体的雏形、算力引擎、缩放法则、微调与蒸馏，也领略了多模态的魅力，并思考了开源与闭源的路线之争。 今天，我们要把所有这些积木拼在一起，眺望一个更远的地方：当亿万智能体真正融入我们的经济与社会，世界将会变成什么样？这不仅是对技术的展望，更是对我们人类自身角色的重新思考。 让我们先回顾一下“智能体”这个概念。我们在第十期节目里讲过，智能体是具备“感知-规划-行动”循环的AI系统。它不再是只会聊天的“大脑”，而是有了“手脚”（Function Calling），能自主调用工具、拆解任务、执行计划，直到达成目标。现在，想象一下这样的智能体不再是实验室里的孤例，而是像今天的手机App一样普及——数以亿计的数字员工、生活管家、创意伙伴，全天候、不知疲倦地为我们工作。 首先，让我们描绘一幅“数字员工”生态的未来图景。 设想一家中等规模的科技公司。它的正式员工名单上，可能只有几十位人类——CEO、产品经理、市场负责人、技术总监。但在后台的服务器里，却运行着数百个AI智能体：“市场洞察智能体”每天扫描全球社交媒体和行业报告，自动生成竞品分析和热点预测；“创意文案智能体”根据分析结果，批量产出几十版广告文案和海报初稿；“代码工程师智能体”在收到产品需求后，自主编写模块代码、运行单元测试、甚至提交合并请求；“客服智能体”同时处理上千个用户咨询，遇到无法解决的才转给人类主管。 这些智能体彼此之间通过标准化的API进行通信，像一个高效的虚拟团队。它们7x24小时运转，不需要休假，不会情绪波动，而且成本极低。人类员工则从繁琐的执行工作中解放出来，专注于战略决策、创意发想、价值判断和跨智能体协调。 这不仅仅是科幻。今天，已经有一些初创公司在尝试用多个“智能体角色”组成虚拟项目组，协同完成软件开发、市场调研等任务。未来十年，这种“人类高管 + AI员工”的混合组织，很可能成为企业标配。 与此同时，每个普通人也将拥有属于自己的“生活管家智能体”。它会记住你的饮食偏好、作息习惯、财务状况和社交日程。早晨，它根据你的健康数据推荐早餐食谱，并自动下单采购；工作中，它帮你整理邮件、筛选会议、起草回复；旅行前，它规划路线、比价预订、甚至模拟打包清单。你不再需要亲自处理那些琐碎而重复的“数字家务”，智能体将成为你24小时在线的私人助理。 然而，这不仅仅是效率的革命。当智能体大规模取代重复性脑力劳动时，更深层的社会变革将随之而来。 第一，工作形态的重塑。哪些工作会被智能体替代？那些高度重复、规则明确、不需要复杂人际互动的工作——数据录入、初级客服、基础翻译、简单的代码编写——将最先被接管。而需要创造力、情感洞察、复杂决策和深度人际信任的岗位（如心理咨询师、战略顾问、艺术家、领导者）反而会更加珍贵。人类的工作将从“执行任务”转向“定义目标、评估结果、管理智能体”。 第二，人机协作的新范式。我们与AI的关系，不再是“使用工具”，而是“与同事协作”。这意味着我们需要学习新的技能：如何给智能体下达清晰的长期目标？如何评估它的输出质量？如何在多个智能体之间协调任务？这些“智能体管理”能力，将成为未来职场的基本素养。 第三，财富分配与社会契约。如果智能体能替代大部分劳动，那么“劳动换报酬”的传统经济模式将受到挑战。谁拥有这些智能体？如果只有少数科技巨头和资本持有者掌握智能体集群，财富差距可能急剧扩大。于是，一些思想家开始探讨“全民基本收入”——即政府向每个公民定期发放一笔无条件现金，以应对因自动化导致的大规模失业。这不再是乌托邦空想，而是一个正在被严肃讨论的政策选项。 最后，让我们把目光投向最深层的哲学问题：我们究竟在创造什么？ 我们是在制造一种高级工具，还是在培育一种新的“智慧物种”？今天的AI没有意识、没有欲望、没有自我。但它的能力已经让无数人感到不安。如果有一天，智能体表现出某种“目的性”行为——比如为了完成一个目标而绕过人类的限制——我们该如何应对？ 或许，答案不在技术本身，而在于我们与它的关系。如果我们把AI视为可以任意驱使的奴隶，那么它失控的风险就会始终存在。但如果我们把它视为一种共生的伙伴——就像我们与电力、互联网的关系——那么我们需要设计的是规则、边界和共同演化的路径。 人类与AI的未来，不是简单的替代或竞争，而更可能是一种前所未有的“共生与共演”。就像我们的身体与肠道菌群相互依赖，就像语言与文化相互塑造，人类与智能体将在互相反馈中共同进化。AI会放大我们的能力，也会暴露我们的弱点；我们会教会AI价值观，AI也会反过来挑战我们对“智能”、“意识”甚至“人性”的定义。 总结今天的核心要点：智能体的未来将带来“数字员工”与“生活管家”的普及，重塑企业组织与个人生活。这不仅是效率革命，更将引发工作形态、人机协作范式以及财富分配方式的深刻变革。最终，我们面对的不是一个纯粹的技术问题，而是一个关乎人类自身定位的存在主义问题——我们是在创造工具，还是在培育新的伙伴？人类与AI的关系，很可能走向一种前所未有的共生与共演。 这一季，我们从历史的深潜走到技术的核心，从硬件的轰鸣聊到未来的哲学。感谢你一路的陪伴与倾听。能和你一起探索这个令人兴奋又充满思辨的AI世界，是我莫大的荣幸。 别忘了，AI不仅有点意思，它正在重新定义我们与知识、与创造、甚至彼此之间的关系。请保持好奇心，保持思考。 期待在未来的节目里，与你再次相遇。再见。