决策核心：下一步由谁计算
系统里真正在选下一步的那一段程序，才是决策核心。符号规划器、BDI 解释器、强化学习策略都能构成教材意义上的 Agent，决策对象却不是开放文本。那些系统放在前传。主线要的是：给定目标、工具 schema、上一步回执，不更新权重也能改写行为的语言模型。
一次前向只是条件语言建模。能补全、能对话，都还没有把「选择」接到环境。本条沿这条能力往下看：表示 → 上下文适应 → 指令契约 → 显式多步计算 → 工作集（窗口）与感知（视觉）→ 测试时计算。它解释 Agent 为什么在 2022 年之后才可能出现，不解释循环如何实现。
2017–2021：可条件化的生成器，还不是规划器
Transformer（2017）用自注意力去掉序列模型对逐步隐状态的依赖，训练可并行、模型可做大。没有可扩展的条件生成器，后面没有可讨论的 LLM 核心。它不包含工具、不包含终止条件。
GPT-3（2020）测到 in-context learning：任务说明和示例写进提示，行为即可偏移。Agent 把 Observation 当作工作记忆，用的就是同一机制——环境状态必须能被序列化进上下文。当时窗口约 2k–4k，指令服从差，工具调用只能赌模型吐出可解析字符串。
Codex（2021）把同一类模型接到可执行代码上。HumanEval 用测试衡量函数级正确性。编码 Agent 的前提是决策核心能产出「可运行、可判定」的文本；Codex 给模型，HumanEval 给尺子。GitHub Copilot 把能力做成 IDE 补全：有副作用，无目标循环，不是 Agent，但是 Copilot → Agent 这条产品线的起点。
2022：服从指令、引出中间计算、成为人机接口
预训练目标是网页续写。Agent 的输入却是祈使句、约束和 schema。InstructGPT（RLHF，API 默认换到 2022-01）把核心拧成「按意图答」。没有这一步，系统提示和工具说明都会被当成又一段网页。它仍是单次生成。
Chain-of-Thought 把中间步骤写进 token 序列，等于在解码过程里展开一层可被梯度（或提示）塑造的串行计算。这不是环境循环：没有 Action，没有 Observation。PaLM 540B 表明同一套提示在小模型上接近无效——当时「会分解」首先是容量问题，其次才是模板问题。Zero-shot CoT 把触发成本降到一句话，协议可复制，环境仍未接入。
ChatGPT（2022-11-30）把 RLHF 后的对话模型做成默认界面。观察 = 用户下一句，行动 = 再生成。按定义排除。后续所有运行时都假定操作者会用这种接口；它改变的是分发，不是执行语义。
2023–2024：工具链稳定性、工作集、感知、测试时计算
长链工具使用对决策核心的要求是：在多轮 schema、错误回执、部分文件之间保持目标，而不是每一轮重新聊天。GPT-4（2023-03）把这条门槛第一次推到可产品化。核心仍是一次（或多次独立的）补全，循环在宿主。
上下文长度是轨迹的工作集上限。约 4k → gpt-3.5-turbo-16k → GPT-4 Turbo 128k → Gemini 1.5 百万 token 量级。窗口不够，只能检索、截断、外挂记忆，每一步都丢状态；窗口够，仍不产生副作用。
Claude 3 / 3.5 Sonnet 提高编码与工具使用的默认水平，许多编码运行时换核心。GPT-4o 把视觉放进同一模型：Computer Use 的输入是像素，不是 DOM API。能看 ≠ 已点击。
o1-preview 把搜索式推理训练成测试时计算：延迟和费用换正确率，「想」不必写在明文 Thought 里。停机、工具、沙箱仍在宿主。把内部 CoT 当成已经实现 ReAct，会漏掉执行层。
2025–2026：核心足够之后，稀缺资源换位
o3 在思维链中选择工具，决策与「该不该调用」开始并进，副作用仍发生在运行时一侧。GPT-5 做路由：快路径 / 思考路径。编码专用权重与 Claude Code、云端 Codex 绑定——产品要的是能在沙箱里收工的决策核心，不是通用聊天模型。
2026 的主约束已不在「会不会选」：循环可跨小时、可开 PR。卡住的是凭证是否进沙箱、出站白名单、session 空闲后工作区是否还在。这些是身份与执行路径，不是再加一层思维链能消掉的。基准再涨几个点，不改变这条外移。
本条的边界
ChatGPT、GPT-4、o1、GPT-5 都是决策核心，不是 Agent。缺本条，其余三条无论多完整，对象仍是前传。只有本条，得到的是对话、补全或单次函数调用。核心就绪的意义只有一句：控制循环、工具层和观察通道终于有了可挂载的策略网络。
多步循环 写控制流何时从代码交到这个核心上。