1.4 发展脉络与里程碑：从专家系统到 LLM Agent
1.4 发展脉络与里程碑：从专家系统到 LLM Agent
「Agent」这个词不是 2023 年才冒出来的新发明。从 1950 年代图灵的人工智能构想，到 1980 年代的专家系统、1990 年代的反应式 Agent、2010 年代的强化学习 Agent，再到今天的 LLM Agent——智能体的概念在 AI 长河里已经轮回了好几次。理解这条脉络，才能看清 LLM Agent 到底「新」在哪里，又继承了什么。
1.4.1 一条主线：智能体如何跨越「符号-数据-语言」三道坎
整个 Agent 的发展史，可以浓缩为三次范式跃迁：
| 阶段 | 大脑用什么思考 | 代表范式 | 盛行年代 |
|---|---|---|---|
| 符号主义 Agent | 人写的规则与逻辑 | 专家系统、GOFAI | 1970s-1980s |
| 反应式 / 学习式 Agent | 环境Reward + 神经网络 | 强化学习 Agent | 1990s-2020 |
| LLM Agent | 自然语言推理 + 工具 | ReAct、AutoGPT、AutoGen | 2023 至今 |
每一次跃迁，本质都是在回答同一个问题——「智能体的决策从哪里来」：
- 符号主义说：从人写的规则里来。
- 强化学习说：从环境反馈中学来。
- LLM Agent 说：从语言模型的通用推理能力里来，再用工具补齐行动力。
下面按这三段脉络展开。
1.4.2 第一阶段：符号主义 Agent（1970s-1980s）
最早的 Agent 是专家系统（Expert System）。它的核心思想是：把人类专家的知识写成一条条「若...则...」规则，存进知识库，再用推理引擎按规则推导。
| 系统 | 领域 | 做法 |
|---|---|---|
| MYCIN | 医学诊断 | 几百条规则判断血液感染 |
| DENDRAL | 化学 | 从质谱数据推断分子结构 |
| XCON | 计算机配置 | 为 DEC 客户配置 VAX 机型 |
符号 Agent 的四模块对应关系：
| 现代模块 | 符号 Agent 对应 |
|---|---|
| Profile | 系统的角色定位（如「血液感染诊断专家」） |
| Memory | 知识库（规则 + 事实） |
| Planning | 前向/反向推理引擎 |
| Action | 输出诊断结果（无外部行动力） |
符号 Agent 的贡献与局限：
- ✅ 贡献：确立了「知识库 + 推理引擎」的 Agent 架构雏形，这条思路至今仍在（规则引擎、决策树、知识图谱都是其后裔）。
- ❌ 局限一：知识获取瓶颈——每条规则都得专家手写，做一个领域要数年，跨领域几乎不可能。
- ❌ 局限二：脆性——遇到规则没覆盖的情况就完全失灵，没有「常识」兜底。
- ❌ 局限三：无行动力——只输出诊断，不真的开药、不真的下订单。
💡 历史回响：符号 Agent 的「知识库 + 推理」骨架，其实和今天的「RAG + LLM 推理」惊人地相似。区别只在于：符号时代的知识库是人写的规则，今天的知识库是向量化的文档；符号时代的推理是逻辑演绎，今天的推理是语言模型的概率生成。架构在轮回，只是大脑换了材质。
1.4.3 第二阶段：反应式 Agent 与 BDI 架构（1990s）
1980 年代末，罗德尼·布鲁克斯（Rodney Brooks）提出包容架构（Subsumption Architecture），掀起「反应式革命」。他主张：智能不需要复杂的内部模型，智能体应该直接「感知-行动」，靠简单的行为模块组合涌现出复杂行为。
这催生了一类新的 Agent 架构——BDI（Belief-Desire-Intention）：
| BDI 要素 | 含义 | 现代对应 |
|---|---|---|
| Belief（信念） | 对世界当前状态的认知 | Memory（状态） |
| Desire（愿望） | 想达成的目标 | Profile（目标） |
| Intention（意图） | 当前承诺要执行的计划 | Planning（下一步） |
BDI 与现代 Agent 四模块的对应几乎一一映射，可以说是当代 Agent 架构的「精神先驱」。它的代表实现包括 PRS、JAAM、Soar 等。
| 流派 | 核心主张 | 代表 |
|---|---|---|
| 反应式 | 无内部模型,直接感知-行动 | Brooks 包容架构 |
| 审慎式（Deliberative） | 有内部模型,符号规划 | 经典 BDI |
| 混合式（Hybrid） | 分层:底层反应+高层审慎 | 3T、Atlantis |
这一阶段的贡献与局限：
- ✅ 贡献：确立了「感知-规划-行动」三元组（这是本书核心循环的直系祖先）；BDI 的 Belief-Desire-Intention 三层结构，几乎就是 Profile-Planning-Memory 的雏形。
- ❌ 局限：仍然依赖人工设计的行为模块或规划算法，没有学习能力，无法应对未预定义的情况。
1.4.4 第三阶段：强化学习 Agent（2013-2020）
真正的学习式 Agent 来自强化学习（Reinforcement Learning, RL）。RL Agent 通过试错与奖励，在与环境的交互中自主学习最优策略。
| 里程碑 | 时间 | 意义 |
|---|---|---|
| DQN 玩 Atari | 2013-2015 | 深度网络 + RL 首次通用化 |
| AlphaGo 击败李世石 | 2016 | RL 攻克围棋 |
| AlphaZero 自学成才 | 2017 | 无需人类棋谱,纯自对弈 |
| OpenAI Five 打 Dota 2 | 2018 | 复杂多人游戏 |
| ChatGPT 的 RLHF | 2022 | RL 用于人类偏好对齐 |
RL Agent 的四模块对应：
| 现代模块 | RL Agent 对应 |
|---|---|
| Profile | 奖励函数定义的目标 |
| Memory | 状态观测（含 RNN/Transformer 记忆） |
| Planning | 策略网络 π(a|s)（或基于价值的规划） |
| Action | 在环境中执行离散/连续动作 |
RL Agent 与 LLM Agent 的本质差异：
| 维度 | RL Agent | LLM Agent |
|---|---|---|
| 决策来源 | 训练得到的策略网络 | 语言模型的零/少样本推理 |
| 通用性 | 强依赖训练任务,迁移难 | 同一模型跨任务通用 |
| 训练成本 | 海量环境交互,极昂贵 | 预训练已摊销,推理即用 |
| 行动力 | 直接控制环境动作 | 通过工具调用间接行动 |
| 适用场景 | 封闭环境(游戏/控制) | 开放任务(办公/编程/搜索) |
⚠️ 关键认知：RL Agent 和 LLM Agent 不是替代关系，而是互补关系。RL 适合「环境明确、奖励清晰、需要精细动作控制」的场景（如机器人、游戏）；LLM Agent 适合「目标开放、需要语言理解与常识推理」的场景（如办公自动化、编程助手）。《具身智能技术原理》讨论的就是两者融合的具身 Agent——LLM 做高层规划，RL 策略做底层控制。
1.4.5 第四阶段：LLM Agent 的爆发（2022-2026）
2022 年底 ChatGPT 横空出世，但真正点燃 Agent 浪潮的是两篇 2022-2023 年的论文与一批开源项目。
关键论文与项目
| 时间 | 工作 | 贡献 |
|---|---|---|
| 2022.10 | ReAct（Yao et al.） | 提出 Reasoning + Acting 范式,奠定 LLM Agent 主循环 |
| 2023.03 | Reflexion（Shinn et al.） | 引入语言反思记忆,实现经验学习 |
| 2023.03 | HuggingGPT | LLM 作为控制器调度多模态模型 |
| 2023.03 | AutoGPT | 首个现象级自主 Agent 项目,GitHub 星标破十万 |
| 2023.04 | Generative Agents（斯坦福小镇） | 记忆+反思+规划的虚拟小镇,「西部世界」雏形 |
| 2023.05 | Tree of Thoughts | 把 CoT 推广为树搜索 |
| 2023.06 | Function Calling（OpenAI 原生支持） | 工具调用从 Prompt 约定升级为原生能力 |
| 2023.08 | AutoGen（微软） | 多智能体对话框架 |
| 2023.08 | MetaGPT | SOP 式多 Agent 软件开发 |
| 2024 | MCP 协议（Anthropic） | 工具调用标准化 |
| 2024-2025 | Computer Use / GUI Agent | Agent 直接操作图形界面 |
| 2025-2026 | Agent 工程化 / Agent OS | 走向生产级与操作系统化 |
LLM Agent 的「新」在哪里
把 LLM Agent 与前三代 Agent 放在一起对比，能看到三处根本性突破：
| 突破点 | 前代 Agent | LLM Agent |
|---|---|---|
| 大脑的通用性 | 任务专用（规则/策略网络） | 一个 LLM 跨所有任务 |
| 知识的获取 | 人工编写或海量训练 | 预训练已蕴含海量常识 |
| 指令的接口 | 结构化状态 + 动作空间 | 自然语言（人机协同零门槛） |
💡 最深刻的变革是「自然语言成了 Agent 的编程接口」。以前要让 Agent 办一件事，得用规则语言或 Python 写策略；现在只需用自然语言描述目标与约束。这让 Agent 的开发门槛从「AI 工程师」降到了「会写需求文档的人」。这是 Agent 在 2023 年后爆发的根本原因。
1.4.6 当下坐标：LLM Agent 处于哪个阶段
如果用第 1.2 节的自主性等级衡量，当前（2026 年）的 LLM Agent 整体处于 L2 到 L3 之间：
- 研究层面：已能演示 L3 级别的全自主 Agent（AutoGPT、Devin、Computer Use）。
- 生产层面：绝大多数落地的还是 L2 级别——自主规划执行，关键节点人类确认。
- 瓶颈：可靠性、成本、安全、长程任务的稳定性（详见第 8.3 节）。
<svg viewBox="0 0 720 360" xmlns="http://www.w3.org/2000/svg"> <!-- 横轴 --> <line x1="60" y1="280" x2="680" y2="280" stroke="#475569" stroke-width="2"/> <text x="60" y="305" font-size="12" fill="#475569">L0 人工</text> <text x="200" y="305" font-size="12" fill="#475569">L1 辅助</text> <text x="340" y="305" font-size="12" fill="#475569">L2 半自主</text> <text x="490" y="305" font-size="12" fill="#475569">L3 目标导向</text> <text x="620" y="305" font-size="12" fill="#475569">L4 完全自主</text> <!-- 刻度 --> <line x1="100" y1="275" x2="100" y2="285" stroke="#475569"/> <line x1="240" y1="275" x2="240" y2="285" stroke="#475569"/> <line x1="380" y1="275" x2="380" y2="285" stroke="#475569"/> <line x1="520" y1="275" x2="520" y2="285" stroke="#475569"/> <line x1="640" y1="275" x2="640" y2="285" stroke="#475569"/> <!-- 落地区间 --> <rect x="320" y="120" width="80" height="40" fill="#dcfce7" stroke="#16a34a" rx="4"/> <text x="360" y="145" font-size="13" fill="#14532d" text-anchor="middle" font-weight="bold">生产落地</text> <!-- 研究区间 --> <rect x="480" y="80" width="80" height="40" fill="#fef9c3" stroke="#ca8a04" rx="4"/> <text x="520" y="105" font-size="13" fill="#713f12" text-anchor="middle" font-weight="bold">研究前沿</text> <!-- 未来 --> <rect x="600" y="40" width="80" height="40" fill="#fce7f3" stroke="#db2777" rx="4"/> <text x="640" y="65" font-size="13" fill="#831843" text-anchor="middle" font-weight="bold">未来目标</text> <!-- 标题 --> <text x="360" y="30" font-size="14" fill="#475569" text-anchor="middle" font-weight="bold">2026 年 LLM Agent 自主性坐标</text> </svg>
1.4.7 历史给我们的三点启示
回顾这条脉络，有三点对理解今天的 LLM Agent 至关重要：
启示一：架构在轮回，大脑在升级
「知识库 + 推理」这个 Agent 骨架，从专家系统到 RAG+LLM，反复出现。变的不是架构，而是大脑的材质——从人写的规则，到统计模型，再到大语言模型。理解这一点，就不会被各种「新概念」迷惑：很多所谓创新，本质是老架构套了新大脑。
启示二：行动力一直是稀缺品
四代 Agent 里，真正具备「行动力」的从来都是少数。专家系统只输出诊断、RL Agent 只在虚拟环境动作、即便今天的 LLM Agent，能稳定调用真实 API 完成端到端任务的也是少数。让 Agent 真的「动手」一直是工程上最难的部分——这是第 6 章的全部主题，也是第 8.3 节系统性挑战的重灾区。
启示三：语言接口是分水岭
前三代 Agent 都需要专门的「编程接口」——规则语言、策略网络代码、RL 训练流程。LLM Agent 第一次让自然语言成为 Agent 的接口：用一句话描述目标，Agent 自己翻译成行动。这是 Agent 从「实验室玩具」走向「大众工具」的根本分水岭。
⚠️ 清醒认识：尽管 LLM Agent 火爆，但它依然处在「能演示，未必能稳定生产」的阶段。演示里 Agent 看似无所不能，生产环境却会因为一次工具调用失败、一次幻觉、一次超时而整个崩溃。第 8 章会专门讨论从「能演示」到「能生产」的鸿沟，这是当前 Agent 工程化的核心命题。
本节小结
- Agent 的发展经历了三次范式跃迁：符号主义（规则大脑）→ 反应式与强化学习（学习大脑）→ LLM Agent（语言大脑）。每次跃迁回答的都是「决策从哪里来」。
- 符号 Agent 确立了「知识库 + 推理」骨架；BDI 架构提出了 Belief-Desire-Intention 三元组，是 Profile-Memory-Planning 的精神先驱；RL Agent 解决了「学习」问题但通用性受限。
- LLM Agent 的三大突破：大脑通用化、知识预训练化、接口自然语言化。其中自然语言成为 Agent 编程接口是最深刻的变革，把开发门槛从 AI 工程师降到会写需求的人。
- 当前 LLM Agent 整体处于自主性 L2-L3 之间：研究层面已能演示 L3 全自主，生产层面仍以 L2 半自主（人类在环）为主。
- 三点历史启示：架构在轮回而大脑在升级；行动力一直是稀缺品；语言接口是 Agent 走向大众的分水岭。
第 1 章结语
本章建立了全书的认知坐标系：从 LLM 的四大局限出发（1.1），定义了 Agent 与核心循环（1.2），拆解了 Profile-Memory-Planning-Action 四模块架构（1.3），并从历史脉络定位了 LLM Agent 的来路与坐标（1.4）。
接下来，第 2 章将把四模块骨架横向展开，逐一讨论每个模块的设计原则与工程要点，为后续章节的纵向深化铺设共同的语言。