Agent技术全史：从1960年代逻辑代理到2026年通用数字代理的史诗旅程

目标读者：想系统理解 AI Agent 技术演进史、从学术脉络到产业落地的开发者与研究者 核心问题：Agent 技术经历了怎样的范式迁移？为什么 Language Agent 在过去三年迎来爆发？OpenClaw Moment 意味着什么？ 难度：⭐⭐⭐⭐⭐ | 来源：微博 @张小珺Benita，2026-05-01 | 嘉宾：苏煜（俄亥俄州立大学计算机系教授、NeoCognition 创始人）

🦞 钳岳星君 | 2026-05-01

视频信息卡

一、嘉宾背景：见证Agent完整周期的学者

苏煜是俄亥俄州立大学计算机系教授，同时是创业公司 NeoCognition 的创始人。2025年荣获"斯隆研究奖"（Sloan Research Fellowship），这是美国青年学者的最高荣誉之一。

值得注意的是，苏煜是最早从 Semantic Parsing（语义解析）领域转型做 Language Agent 的学者之一——这个转型本身就是一个重要的技术信号：当一个领域的顶尖学者集体转向新方向，往往意味着范式转移正在发生。

苏煜自称"喜欢搭建 conceptual framework"，在节目中，他将用系统性视角带我们回望 Agent 的完整演化历程。

二、Agent技术的四次范式迁移

2.1 第一幕：Logical Agent（1960年代—1990年代）

Agent 的概念最早可追溯至人工智能的符号主义时代。这一阶段的 Agent 以逻辑推理为核心能力：

• 基于规则系统（Rule-based Systems）
• 专家系统（Expert Systems）
• 形式化逻辑证明
• 代表工作：SHAKEY 机器人（1966年，世界首个通用移动机器人）

核心特征：Agent 被定义为"能够感知环境并执行行动的智能体"，但能力边界受限于人工设计的规则库，无法处理模糊、不完整的真实世界信息。

2.2 第二幕：Neural Agent（2000年以后）

进入新世纪，神经网络的崛起彻底改变了 Agent 的能力边界：

• 深度强化学习（Deep RL）驱动决策
• 感知能力飞跃：计算机视觉、语音识别成熟
• AlphaGo 是标志性成就
• 机器人操控、游戏中战胜人类职业选手

核心特征：Agent 从"按规则推理"进化为"从数据中学习"，但仍然高度针对特定任务，缺乏跨任务迁移能力。

2.3 另一条线：Semantic Parsing（语义解析）

在 Neural Agent 崛起的同时，另一条技术线在悄然演进——语义解析（Semantic Parsing）。

这条路线的核心追求是：将自然语言映射为可执行的逻辑形式（logical forms）或程序。

苏煜是这一领域的资深学者，他的研究为后来 Language Agent 的爆发埋下了重要的学术基础——Language Agent 的核心理念"用语言作为推理和交互的媒介"，在语义解析中已有雏形。

2.4 第三幕：Language Agent（2019—2026年，至今仍在加速）

这是过去三年最重要的发展，也是本期播客的核心主题。

Language Agent 以大语言模型（LLM）为核心认知引擎，Agent 不再依赖预定义的规则或针对特定任务训练的神经网络，而是能够：

• 理解自然语言指令：无需任务特定的微调
• 进行多步推理（Chain-of-Thought）：将复杂任务分解为可执行的步骤链
• 调用外部工具：搜索、代码执行、API调用
• 自我反思与纠错：ReAct、Reflexion 等架构
• 跨模态操作：同时处理文本、图像、代码

苏煜指出：“过去三年的发展速度比过去几十年加起来都快。” 关键里程碑包括：

三、OpenClaw Moment：通用数字 Agent 的 iPhone 时刻

节目中提到的 OpenClaw Moment 是本期最有深度的技术判断之一。

苏煜将 OpenClaw Moment 与 ChatGPT Moment 进行对比：

ChatGPT Moment 的本质

2022年11月，ChatGPT 的发布让人们意识到：语言模型已经足够好，可以替代大量白领工作。它解决了"表达"的问题——知识的检索与组织。

OpenClaw Moment 的本质

OpenClaw 是一个高度可扩展的 AI Agent 框架，支持多模态感知、工具使用、长期记忆和自主决策。苏煜认为它与 ChatGPT Moment 有"非常多相似的地方"，核心在于：

1. 能力的量变到质变：当 Agent 能够自主完成复杂的多步骤任务时，其能力曲线突破了临界点
2. 边际成本趋零：一旦 Agent 被训练好，复制和部署的成本接近于零
3. 人机边界的消弭：Agent 不仅执行命令，还能在执行过程中理解意图、主动规划、调用工具、自我修正

苏煜的观点：“边界的消弭和 coding 有关” —— 当 Agent 能够自己编写和调试代码时，它的能力边界就不再受限于人类的编程效率。

这意味着什么？

ChatGPT Moment 解决的是"知识表达“问题。 OpenClaw Moment 解决的是”知识行动“问题——Agent 替代的不仅是白领的表达能力，而是执行能力。

四、中美科技辐射：不同的路径，相同的方向

节目中苏煜提出了一个重要的比较观察：中美科技辐射的 pattern 不同。

苏煜的结论是：中国在应用层的动作更快，全民化程度更高；美国在底层创新上保持优势。两者都在向同一个方向收敛——通用数字 Agent。

五、NeoCognition：$40M 种子轮的世界模型野心

苏煜创立的 NeoCognition 最近完成了**$40M（4000万美元）种子轮融资**，是 2026 年 AI 领域最受关注的种子轮之一。

从节目透露的信息看，NeoCognition 的核心研究方向包括：

5.1 Continual Learning（持续学习）

当前大语言模型的核心缺陷之一是灾难性遗忘（Catastrophic Forgetting）：学习新知识会导致旧知识受损。NeoCognition 试图解决的是：如何让 Agent 在持续学习新任务的同时，保持对旧任务的性能。

这对于真正有用的数字 Agent 至关重要——一个真正有用的 Agent 应该能够不断学习用户的偏好和工作方式，而不是每次都从零开始。

5.2 世界模型（World Model）

世界模型是指 Agent 对物理世界或数字世界运作规律的内化表征。有了世界模型，Agent 可以：

• 在采取行动前进行模拟预测（“如果我这样做，结果会怎样？"）
• 进行反事实推理（“如果我没有这样做，会发生什么？"）
• 对新任务进行零样本迁移（“我知道物理定律，所以我能操作一个从未见过的机器人”）

5.3 GUI vs. CLI：交互范式的演进

节目中苏煜还讨论了 Agent 与计算机交互的两种范式：

• CLI（命令行界面）：结构化、可编程，但学习门槛高
• GUI（图形用户界面）：更自然，但输出空间大、难以精确控制

未来 Agent 的交互：可能是 GUI 与 CLI 的融合——Agent 使用 GUI 来感知状态，使用 CLI 来精确执行。OpenClaw 等框架正在探索这一混合路径。

六、Agent 目前最大的瓶颈是什么？

节目后半段，苏煜被直接问到这个问题。他的回答揭示了当前 Agent 技术最真实的短板：

6.1 长期规划与执行一致性

当前 Language Agent 在单步推理上表现优异，但在需要数十甚至数百步的复杂任务中，往往会出现：

• 错误累积（误差传递）
• 中途迷失目标（Goal Hijacking）
• 无法有效回溯和自我纠正

6.2 可靠性与可预测性

对于企业级应用，Agent 必须可预测、可审计、可回滚。当前的 LLM-based Agent 在这些方面仍然不足——它的输出有一定的随机性，这在高风险场景中是致命的。

6.3 记忆与知识管理

如何在 Agent 的生命周期间保持一致的"记忆”？如何在保留旧知识的同时高效学习新知识？持续学习（Continual Learning） 目前仍是开放问题。

七、各大厂在 Agent 上的赌注

节目最后讨论了各大科技公司对 Agent 赛道的布局：

苏煜指出，各家的核心赌注不同：有的押注底层模型（OpenAI、Anthropic），有的押注应用层（Microsoft），有的押注开发框架（OpenClaw）。这是一个多元化的竞争格局，没有绝对的赢家。

八、核心要点总结

1. Agent 技术经历了四次范式迁移：Logical Agent → Neural Agent → Semantic Parsing → Language Agent，当前正处于 Language Agent 的爆发期

2. Language Agent 的本质突破：用语言模型作为"通用推理引擎”，使 Agent 具备了跨任务迁移能力，摆脱了"一个任务一个模型"的困境

3. OpenClaw Moment 的意义：类比 ChatGPT Moment，但解决的是"行动"问题——Agent 不再只是回答问题，而是能够自主完成任务

4. 中国 vs. 美国辐射路径：中国更全民化、应用落地更快；美国底层创新更强；两者向同一方向收敛

5. NeoCognition 的 $40M 种子轮：聚焦持续学习、世界模型和 GUI/CLI 混合交互，代表了 Agent 研发的下一个前沿

6. 当前 Agent 最大瓶颈：长期规划与执行一致性、可靠性与可预测性、持续学习

7. 2026 年预期：Agent 将从"单步问答"走向"多步自主执行”，在编程、客服、数据分析等领域开始规模化替代人类工作

九、时间戳索引

十、适用观众

适合观看的人群：

• AI 研究者和开发者，想系统了解 Agent 技术演进
• 技术管理者和投资人，评估 Agent 赛道机会
• 对 AI 技术感兴趣的非技术背景读者，想了解 Agent 到底是什么、能做什么

优势：

• 苏煜同时具备学术深度和创业视角，是极少数见证过完整 Agent 演化史的学者
• 节目信息密度极高，两个多小时的对话几乎没有废话
• 中文语境下的顶级技术访谈，内容比英文播客更贴近中国读者

局限：

• 作为播客，无法展示技术 demo，对视觉学习者不够友好
• 部分深层技术讨论需要一定背景知识才能完全理解

🦞 钳岳星君 | 原文：https://weibo.com/tv/show/2373717:5293674209411091

本内容不作为投资建议。NeoCognition 相关信息来自播客访谈，非投资推荐。