1.3 发展历程与重要里程碑

把时间轴拉直

本节把时间轴拉直：研究智能体不是某天突然冒出来的，它从"人用工具"走到"工具替人规划"，中间有三个值得记住的拐点。在全册里，这一节负责给你一个历史坐标系——后面讲架构和算法时，你能知道某项能力是何时、为何被逼出来的。

最早是被动增强阶段。学者用搜索引擎、用引用网络追前沿，工具再好也只执行人的指令。AI 介入的头一波是提示工程：用精巧指令让大模型"假装"在做研究。但那是模式复述，模型并不真理解研究逻辑，遇到开放问题就容易胡编一串看起来合理的步骤。

拐点二最关键：把训练场从静态库搬到真实互联网。前文（1.2）讲过泳池与海洋的差别，这里补一个工程事实——在真实环境端到端训练后，系统自发涌现"规划、反思、交叉验证"。注意"涌现"不是玄学：是奖励在无数次试错里把这几类行为强化成了默认策略。一个可观测的标志是，面对敏感问题它会主动找多个信源做三角验证，而非采信首条。

拐点三来自本地化。受迭代式"生成—搜索—反思"循环启发，有人发现不必非要云端巨模型，关键在研究范式本身。用本地托管的小模型配好循环，也能在长任务上打过云端大模型。这把研究智能体从"大厂玩具"变成"隐私敏感场景也能用"的实器械。

下面用一段代码模拟"里程碑识别"：给定若干历史事件，标注它属于哪个拐点，这是你在读论文时真正会做的归类练习。

# 把一项工作归入发展里程碑，便于建立历史坐标系
MILESTONES = {
    "prompt_only": "拐点一 提示工程",
    "real_env_rl": "拐点二 真实环境强化学习",
    "local_loop": "拐点三 本地化循环",
}

def classify(work: dict) -> str:
    if work.get("trained_on_live_web"):
        return MILESTONES["real_env_rl"]
    if work.get("runs_local") and work.get("iterative_loop"):
        return MILESTONES["local_loop"]
    return MILESTONES["prompt_only"]

# 会话说明：三条真实形态的工作描述
works = [
    {"trained_on_live_web": False, "runs_local": False, "iterative_loop": False},
    {"trained_on_live_web": True, "runs_local": False, "iterative_loop": True},
    {"trained_on_live_web": False, "runs_local": True, "iterative_loop": True},
]
for w in works:
    print(classify(w))
# 输出：拐点一 提示工程 / 拐点二 真实环境强化学习 / 拐点三 本地化循环
​

运行输出依次是三个拐点标签。你读一篇新论文，先问这两件事：它在真实网上训过吗？它能本地跑吗？答案决定它在历史轴线的哪一段，也决定它的能力边界。

完整案例：背景→操作→结果→解读→变式

• 背景：某高校课题组要复现"会研究"的系统，但只有内网机器、不能接外网训练。
• 操作：他们放弃云端训练路线，采用本地小模型加迭代循环（拐点三思路），用校内文献库做检索后端。
• 结果：在"校内政策综述"任务上达到可用水平，但面对需要实时网页的任务偏弱。
• 解读：本地化牺牲了真实环境的广度，换来了数据不出域。这是拐点三的典型权衡，不是落后，是适配。
• 变式：若后续获准小流量接外网，可先用本地循环跑框架、再拿真实检索结果做校准，把两个拐点优点拼起来。

我们主张：看发展脉络别只记名词，要记"为什么走到那一步"。每一次拐点都是被上一个阶段的缺陷逼出来的——提示工程撑不起开放问题，静态训练扛不住真实噪声，云端依赖挡住隐私场景。带着这条因果链读第二章的架构，你会明白每个模块的来历。

怎么给一篇新工作定位历史坐标

读论文时，1.3 的分类函数（classify）只是第一步，更实用的是把若干工作串成"技术谱系"：谁启发了谁、哪个拐点催生了下一个。用金融领域打个比方，早期提示工程像"只看单一指标做决策"，本地化循环像"加了组合对冲"，真实环境训练像"用实时行情回测"——每一跃迁都是对上一阶段盲区的补丁。

下面用一段最小谱系分析，给定若干工作的属性，自动找出"属于同代、可对照"的集群，帮你快速建立坐标系：

# 技术谱系聚类：按拐点属性把工作分代
def cluster_by_milestone(works: list) -> dict:
    clusters = {"拐点一": [], "拐点二": [], "拐点三": []}
    for w in works:
        if w.get("trained_on_live_web"):
            clusters["拐点二"].append(w["name"])
        elif w.get("runs_local") and w.get("iterative_loop"):
            clusters["拐点三"].append(w["name"])
        else:
            clusters["拐点一"].append(w["name"])
    return clusters

# 运行示例
papers = [
    {"name": "A助手", "trained_on_live_web": True},
    {"name": "B循环", "runs_local": True, "iterative_loop": True},
    {"name": "C提示", "trained_on_live_web": False},
]
print(cluster_by_milestone(papers))
# {'拐点一': ['C提示'], '拐点二': ['A助手'], '拐点三': ['B循环']}
​

运行输出把三篇归到三个拐点。读文献时先跑一遍聚类，你就知道哪些工作其实是"同代不同皮"，避免把换皮当创新。第四章的评估指标也能按代对比——同代工作才有可比性。

💡 关键直觉：判断一项工作"先进"与否，不看发布时间，看它落在哪个拐点的能力谱上。一个晚发布但仍是纯提示工程的系统，能力上限低于早发布却真实训练的——时间不是进步，拐点才是。

⚠️ 常见坑：把"本地化"误读成"退化版真实训练"。本地循环补的是隐私短板，不是能力短板；它和真实环境训练是互补而非替代。若任务需要实时网页证据，纯本地循环会天然偏弱，应当用 1.3 案例里的"本地框架加小流量校准"拼法。