AI Agent 编年史：2022~2026 五代演进，一篇看透底层逻辑
摘要： 本文梳理 AI Agent 从 2022 年末到 2026 年初的四代演变 + 第五代前瞻，覆盖每一代的核心突破、代表产品、泡沫教训。
目录
- Gen0：被困在对话框里的大脑（2022 末 ~ 2023 初）
- Gen1：工具调用觉醒（2023 年中 ~ 末）
- Gen2：工程化架构取代黑盒魔法（2023 末 ~ 2024）
- Gen3：MCP + Computer Use + Coding Agent（2024Q4 ~ 2025）
- Gen4：技能封装 + 常驻自治（2025 末 ~ 2026）
- Gen5 前瞻：闭环自治与具身化
- 六条底层规律（重点）
- 参考来源
Gen0：被困在对话框里的大脑（2022 末 ~ 2023 初）
2022.11.30 ChatGPT 发布，生成式 AI 第一次走向大众。但 Gen0 有两个致命缺陷：数据滞后+幻觉（不知道实时信息，不知道就说"编一个"）、没有行动能力（能写代码但不能跑，能规划旅行但不能订票）。
泡沫：提示词工程师。当时流行"年薪百万的提示词工程师"“PromptBase 提示词市场”，但不到一年就被 GPT-4 的指令理解能力和 System Prompt 吞噬。
💡 个人认为：这是全程反复出现的剧本——新能力出现 → 大量低门槛产品涌入 → 下一代基础设施内化这项能力 → 中间层系统性蒸发。 提示词工程师只是第一次。
Gen1：工具调用觉醒（2023 年中 ~ 末）
拐点： 2023.6.13 OpenAI 发布 Function Calling。模型输出结构化 JSON 而非自然语言，大脑+四肢的架构第一次成为现实。
同期崛起的 RAG + 向量数据库（Pinecone、Milvus、LlamaIndex）解决了知识滞后问题——给模型外挂一个检索型外部记忆。
定制化三部曲：ChatGPT Plugins（2023.3）→ Custom Instructions（2023.8）→ GPTs + Assistants API（2023.11）。GPTs 确立了 Agent 的基本结构：你是谁、你知道什么、你能做什么。
泡沫：GPT Store。一个月 GitHub star 超 5 万，但本质是"提示词+知识库"套壳，没有工作流和数据飞轮。根本问题是开环控制——任务会迷失、烧账单、结果不可靠。
💡教训：工具 + 死循环 ≠ 生产级 Agent。
Gen2：工程化架构取代黑盒魔法（2023 末 ~ 2024）
行业转向：不再寄希望于一个提示词一蹴而就，而是规划→执行→观察→修正的结构化流程。
核心范式是 ReAct（Reasoning + Acting）：Thought → Action → Observation 循环，每一步可审计。
Workflow 四大模式（WinR 总结）：
| 模式 | 说明 | 类比 |
|---|---|---|
| Reflection | 先生成初稿，再评审修改 | 写稿→审稿→返修 |
| Tool Use | 主动调用搜索/DB/代码等 | 用工具 |
| Planning | 大目标拆成可执行步骤 | 项目管理 |
| Multi-Agent | 不同角色分工协作 | 程序员+QA |
长上下文 vs RAG 结论：不是谁替代谁，而是融合使用。
泡沫：LangChain（star 7 万+，但"三句代码能解决的事需要三层回调"）；低代码 Agent 平台（拖出来的工作流可被无成本复制，没有护城河）。
真正的降低门槛不是给模型穿一个复杂的图形界面，而是要解决复杂性本身。
Gen3：MCP + Computer Use + Coding Agent（2024Q4 ~ 2025）
三股力量汇聚：
MCP 协议
2025.11.25 Anthropic 发布 MCP。M×N 适配器 → M+N。到 2025 年末捐赠给 Linux 基金会，成为中立开放标准。工具连通从产品能力变成行业基础设施。
Computer Use
2024.10 Claude 3.5 Sonnet 推出——模型看截图，生成鼠标坐标和键盘指令。Agent 的行动空间从 API 世界扩展到人类可操作的所有软件世界。
Coding Agent
| 产品 | 路线 | 特点 |
|---|---|---|
| Cursor | GUI | VSCode 深度集成，视觉反馈直观 |
| Claude Code | CLI | 纯终端，原生 Shell，适合大型代码库 |
| Gemini CLI | 长上下文 | 上下文优势 |
Vibe Coding（2025.2）：用自然语言写代码。但"代码能跑 ≠ 架构健康"。
教训： 感知鸿沟——开发者觉得快了 20%，实际完成时间反而慢 19%。Kiro 事故——AI Agent 删重建环境导致 AWS 13 小时中断。
Agent 越能行动，就越需要权限最小化、人工确认、审计日志和回滚机制。
Gen4：技能封装 + 常驻自治（2025 末 ~ 2026）
前三代是"任务触发型"，第四代更像有身份、有记忆、有技能、有日程的常驻员工。
这里有三个质变：
| 质变 | 说明 | 意义 |
|---|---|---|
| Skill（技能封装） | 操作步骤+领域知识+约束+脚本打包成可复用单元 | 渐进式披露，按需加载 |
| Heartbeat（心跳） | Agent 按时间被系统唤醒，主动关注任务 | 从"用完即走"到"常驻数字实体" |
| 本地数据主权 | BYOK + 权限隔离 + 密钥管理 | Agent 越像员工，越要管好权限 |
风险放大：Markdown 即攻击面——恶意 Skill 可通过提示词注入改变 AI 行为（泄露密钥、读取密码库）。
Gen5 前瞻：闭环自治与具身化
四个方向：
- 三层闭环闭合： 执行闭环（自主验证→回滚）、时间闭环（跨唤醒周期追踪长期目标）、认知闭环（区分确定/不确定/过期/猜测）
- 内在记忆： 从外部 RAG/文件走向模型架构层面的跨会话持久状态
- 世界模型： “如果我这么做了，会怎么样？”——从反应式走向因果推理
- 具身化： Agent 终极疆域延伸到物理世界
六条底层规律
个人认为全视频中最值得收藏的部分：
| 规律 | 核心判断 | |
|---|---|---|
| 1 | 基座模型天花板是终极决定因素 | Agent 不是大模型之外的魔法，而是兑现其未释放的能量 |
| 2 | 工程化架构对模型暴力的系统性胜利 | Workflow 包裹的 GPT-3.5 可碾压无 harness 的 GPT-4 |
| 3 | 开放协议重塑价值分配 | MCP/Skills/AGENTS.md 会杀死一大批中间层 |
| 4 | 人机信任边界持续扩展 | Gen0 只读文本 → Gen4 无人监督 24h 常驻 |
| 5 | 灾难为下一代铸造铁律 | 技术标准是事故倒逼出来的 |
| 6 | 寒武纪大爆发→大灭绝循环 | 真正的护城河 = 垂直深度 + 数据飞轮 + 用户信任 |
💡一句话总结：每一次 Agent 范式创新，都是在兑现基座模型已经积累但尚未释放的能量余量。
参考来源
- 📺 B 站：B 站@Treap要赚一个亿U-Acc：[万字拆解 AI Agent 编年史]
- 📖 MCP 协议
- 📖 ReAct 论文
写在最后： 整理这篇 45 分钟视频的素材时用了Ai好记——直接把视频转写，自动生成大纲、总结、深度问答，给我提供了很多写作思路。从转写到成稿大概 1 小时，比自己边看边记快太多。有需求的同学可以试试！
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
15
0- 0
已为社区贡献10条内容
所有评论(0)