AI Agent 学习笔记 – 概述

Timeline: 时间线

Wed, 09 Sep 2026 00:00:00 +0000

按时间线学习 AI Agent，是为了摸清 AI Agent 发展的脉络，不能简单的罗列信息。

定义：什么是 AI Agent、什么不是。四要素拆开读：四要素视角。分类、标签、采信见调研方法。年份页给脉络；论文 / 材料 / 讲解在里程碑子页，不在年表里复述原文。

每年都要回答一个核心问题：该年决策核心多了什么能力，循环、动作、观察因此能实现什么，什么仍然做不到。 语言模型年年进步；写进年份页的，只是改写了 Agent 执行语义的那些变化。

主脉络

AI 社区信息量太大，为避免噪音必须将关注点聚焦为 LLM Agent：核心决策下一步，循环迭代至终止，动作产生环境副作用，观察写回后再选。单轮问答、一次工具调用、行级补全排除。符号 / RL Agent 只作前传。

Agent 史 ≠ LLM 史。核心（指令、思维链、窗口、视觉、测试时计算）、循环（文本协议 → 编排类库 → 运行时）、动作（prompt 解析 → schema → 沙箱 / GUI / 工具总线）、观察（循环内回执 vs 仓库级谓词）四条不同步。

年份	阶段	核心提供的能力	系统据此能实现的特性
2022年之前	前传	还不能当开放文本上的策略	符号 / RL，只作渊源
2022	底层能力	Transformer → 可对话 + 思维链	循环出现在论文里，产品未出现
2023	接口	结构化调用、稍长窗口	循环可工程化；完成率未证明
2024	可验证	编码、多模态、长窗口	有任务谓词；分数仍低
2025	内化	推理模型、运行时取代编排	日用编码 Agent；协议开始收束
2026	外溢	核心足够暴露系统问题	身份、沙箱生命周期、调度

按年组织

每年的发展总结为一句话。点开年份页看细节、里程碑和「还做不到什么」。

2022 年之前：决策核心不是 LLM。2017–2021 积蓄底层能力：上下文适应、可执行代码、受控浏览。符合 AI Agent 定义的系统远不存在。
2022：指令契约、思维链、对话接口等底层能力就绪。ReAct 在协议层写出四条；ChatGPT 开始连接核心与聊天。结构化调用尚未出现。
2023：循环被做成进程与产品。Function Calling 稳定解析；AutoGPT 形态接通、SWE-bench 谓词接近零。热度 ≠ 完成率。
2024：仓库谓词成为默认尺子；Computer Use 打开 GUI 通道；MCP 发布时热度低，总线语义要到次年才被多家接上。
2025：运行时内置循环（Claude Code、云端 Codex）。MCP 成为插槽；A2A / Skills 扩展边界与装载。框架与运行时必须分列。
2026：个体循环日常之后，约束是主体（谁的权限）和供给（沙箱是否就绪）。写到 2026-09，不是全年盖棺。
2027：梳理清晰发展脉搏和现状之后，才有资料谈展望未来。

年份页结构

一句话主线 — 该年接通或暴露的那一层
和 LLM 的关系 — 核心改写了哪些执行前提
里程碑 — 分类一、标签可多，也可无；发布会拆成当天真正改写执行语义的对象
能力栈 — 模型 / 框架·协议 / 应用 / 基础设施。与单条分类不是同一轴
仍不成立的配置 — 给后续年份当对照
子页 — 论文、材料、讲解

两条信号并列：当时热度与后来是否可核对。AutoGPT 的 star 高于当时任何可交付系统；MCP 发布时无人当标准。错位本身是史实。

分类与标签

轴	问什么	取值
分类	打开的是什么	论文 / 模型 / 产品 / 框架 / 协议 / 评测 / 文献 / 监管
标签	为什么进表	首证 / 工程化 / 标准 / 引爆 / 警示 / 范式更替

分类看打开的是什么，标签记的是历史角色，两者不是同一轴。GPT-4 是模型；ReAct 是论文（首证）；Function Calling 是协议（模型↔工具的方言），不是「又一只模型」；政府指令是监管，不因为是厂商博客发的就归文献。细则与归类规则见调研方法。前传八条经典概念同样给出分类与标签。

栏目分工

栏目	时间线用它做什么
资料	论文、博文、产品文档原件
Agents	运行时与产品深挖
协议	Function Calling、MCP、A2A、Skills 规范
基础设施	沙箱、记忆、工具、浏览器
定义	四要素与边界；四要素视角与年份页互补

阅读顺序

本页
调研方法（扫分类与采信）
2023 → 2024 → 2025 → 2026: 主脉络
渊源：2022 年之前、2022
2027 只作观察清单

Timeline: 调研整理的方式

Tue, 27 May 2025 00:00:00 +0000

注意：本页讲的是调研和整理 AI Agent 资料的方法，不是 AI Agent 知识本身。

调研对象

AI Agent 是以大语言模型为决策核心，在多步循环里对环境采取行动，并根据反馈继续迭代，直到目标完成或失败的软件系统。

这个定义里有四个必须同时具备的要素：

LLM 为决策核心 — 不是规则、纯 RL、符号规划器
多步循环 — 不是单轮问答、单次工具调用
对环境采取行动 — 不是纯文本输出
反馈驱动的迭代 — 不是无观察的批处理

下面是本次调研的 5 个决策点。

1. 边界

形态	判定	理由
单轮对话（ChatGPT 问答）	否	无多步循环、无行动
单次工具调用（“帮我查天气"→ 调一次 API）	否	无循环，是底层能力
Function Calling	否，分类为协议	模型扩展方式，是底层能力，不是软件系统
多步工具编排、沙箱循环	是（弱自主）	有循环有动作
自主编码 / 电脑操作 / Deep Research	是（核心对象）	端到端任务
行级 Copilot	否；存在 Copilot→Agent 演化	无目标终止条件
符号 / BDI / 纯 RL	否（主线）	核心不是 LLM
多 Agent 协作	是（作为一种架构形态）	属于 LLM Agent
机器人 / 自动驾驶	否（相邻）	物理控制，体系不同

切割之后，主线是软件形态、LLM 驱动的执行系统从无到有。更早的 Agent 文献只作前传，避免写成一部 AI 通史。

2. 能力分层 ≠ 单条分类

年份页用四层看「当年能踩在什么上」。分类回答「这条材料是什么」。

Function Calling 作为能力出现在模型层叙事（核心开始能稳定选工具）；作为里程碑归协议。Claude Code 在能力栈是运行时，分类是产品。

应用     编码 / GUI / 研究 / 通用任务
框架·协议  编排库 · 运行时 · 接线协议
模型     条件生成、工具选择、窗口、视觉、测试时计算
         基础设施横切：沙箱 / 评测 / 观测 / 身份

模型层： CoT → 推理模型；prompt 赌 JSON → Function Calling → MCP / Skills；窗口 4k → 1M+（轨迹工作集上限）；像素输入；长稳。

框架 / 协议： 编排库（LangChain → AutoGen → Agents SDK，分类=框架）；代码优先运行时（Claude Code、Codex CLI，分类=产品）；协议：Function Calling（模型↔工具）→ MCP（模型↔资源，2024-11）→ A2A（Agent↔Agent，2025-04）→ Skills（运行时装载，2025-10）。记忆：窗口 → 分页（MemGPT）→ 频道记忆。

应用： 编码（证据最密）、GUI/浏览器、Deep Research、通用助理。行业演示默认不进表。

基础设施： 沙箱是执行边界；评测单独成分类，因为「宣称」vs「谓词」反复分叉（HumanEval → SWE-bench 族 → OSWorld → Terminal-Bench）。

层间接口： schema 标准化落在模型↔宿主（Function Calling 记协议）；MCP / Skills 落在宿主↔工具；专用权重（coding / CUA）落在应用↔模型。史实多半发生在接口上，不在某一层内部。

3. 比较维度

同一套轴，避免各说各话。与里程碑标签不是同一件事。

维度	内容	度量
自主度	每步确认 / 关键审批 / 放手	无行业 L0–L5，按任务标注
范围	单仓库编码 → 通用电脑	基准覆盖
可靠性	成功率、复现、失败模式	基准分数、回滚、留存
经济性	token、延迟、沙箱时间	实测与定价
扩展	长任务、跨会话、并发	窗口、记忆、沙箱寿命
影响	被采用、被并入默认路径	不是通稿里的「革命」

机制观察（Reflection / Tool use / Planning / Multi-agent）用来看循环内部用了什么原语，何时变成标配。

4. 进表规则

防流水账，也防只写赢家。每条：分类一、标签可多，也可无。侧栏 [分类]条目名。前传八条概念同样给出分类与标签。

分类

论文 — 剩余类（ReAct、InstructGPT、PaLM、Aries）
模型 — 换核心（GPT-3、GPT-4、Claude 3、o1、o3）
产品 — 可打开的应用或运行时（ChatGPT、Claude Code、Assistants API）
框架 — 编排库 / SDK
协议 — Function Calling、MCP、A2A、Skills
评测 — HumanEval、SWE-bench 族、OSWorld、Terminal-Bench
文献 — 非同行评议的公开文字材料：厂商博文、技术报告、教材（Building effective agents、Agent identity、AIMA）
监管 — 法规、指南、政府指令、司法先例（欧盟 AI Act 第 50 条指南、出口管制、加州 AB 316）

有论文不等于分类是论文。知名模型走模型；评测论文走评测；可跑系统走产品或框架。
分类看对象是什么，不看材料挂在哪。 政府行为走监管，不因为是厂商博客发布的就归文献；材料只是载体。同理，只有厂商通稿、没有实际监管效力的事件也不因「像政策」而进监管。
Function Calling 与 Skills 进协议，与 MCP、A2A 并列。
发布会不当条。2023-11 记 GPT-4 Turbo 与 Assistants API，不记 DevDay；GPTs 不升格。
同名不同物跟主对象：2025 云端 Codex 是产品，不是 2021 那只模型。Tag 机制文档与 Slack 切换并进 Claude Tag。

条目	分类	标签
ReAct	论文	首证
InstructGPT	论文	工程化
ChatGPT	产品	引爆
Function Calling	协议	工程化
SWE-bench	评测	首证、警示
MCP	协议	标准
Claude Code	产品	工程化、范式更替
GPT-4	模型	（无）

采信

一手来源：论文、官方公告、可复现仓库
当时热度 ≠ 后世重要性（MCP）
当时已有的反方意见并列，不事后发明批评

5. 反查

幸存者偏差：LangChain 主导过 2023 也被广泛批评；死掉的 AutoGPT 克隆定义了当年舆论。
厂商通稿 vs 第三方谓词。
star / 演示 ≠ 完成率。
禁止把后来才清楚的重要性写成当时已注定。

术语

分类 / 标签：形态 vs 历史角色
Agentic：属性，不是产品类型
ReAct 循环：Thought → Action → Observation → 再选
Tool calling / Function calling：前者泛指；后者特指 2023-06 OpenAI API。分类=协议
Framework / Runtime / Protocol：库 / 装上即委派的执行环境 / 接线。2025 年三者终于能用产品对上号
Sandbox：副作用的地址空间
Eval：完成谓词，独立成分类
Memory：工作集（窗口）vs 跨会话持久化
Copilot → Agent：自主度轴。行级补全按定义仍否