Agent 技术全史精读：苏煜为什么把 2026 看成数字智能体的分水岭

张小珺和苏煜的这期长访谈，难得的地方在于它没停在热词复述上，而是把 Agent 拉回工程语境里讨论。比起先问 Agent 像不像人，更有用的问题是：它能不能作为行动系统稳定运行。一个系统如果能感知环境、决定下一步、调用工具、读回结果、在出错时停住并把控制权交还给人，它才开始像 Agent；否则更像会说话的接口。

沿着这个坐标回看，Agent 史就不会只剩下 2023 年以后的那点热闹。苏煜把几条原本分散的技术线重新并到一起：逻辑代理把下一步写进规则，神经代理从数据里学下一步，语义解析把语言翻成可执行表示，Language Agent 则让语言直接参与计划、工具调用、记忆和协作。问题从“模型会不会回答”慢慢换成了“系统能不能在开放环境里连续做事”。

2026 之所以值得单独拎出来看，也不是因为 Agent 在这一年横空出世，而是数字执行栈终于开始拼到一起了：Computer Use 把 GUI、浏览器和桌面纳入接口，Agent SDK 和运行时开始把工具、状态、观测和权限装进同一套框架，OpenClaw 和 NeoCognition 这类新产品又把讨论重心从“能不能演示”推到“能不能长期执行、长期学习、长期负责”。

如果你想先抓住本文主线，可以带着四个问题往下读：

• Agent 技术史真正变化的，是“谁在决定下一步”。
• 2026 的分水岭，落在执行栈和运行时，而不只是模型参数。
• OpenClaw 看的是入口和界面，NeoCognition 看的是长期学习和专业化。
• 真正决定 Agent 能不能进生产的，不是它会不会说，而是它有没有权限边界、可观测性、验证信号和接管机制。

先把资料边界放在明处：下文使用节目公开信息、苏煜个人主页、OSU 公告、NeoCognition 新闻稿、OpenClaw 官网，以及 ReAct、Toolformer、Reflexion、Language Agents tutorial、OpenAI Operator、Anthropic Computer Use、Google ADK、Microsoft Agent Framework 等公开材料。NeoCognition 只写公开方向，不外推未发布的架构和算法。

节目信息

为什么说 2026 是分水岭

如果把 2023 到 2024 看成“大家第一次相信 LLM 可以拿来当控制器”，那 2025 到 2026 更像“Agent 的执行栈终于开始长成产品栈”。这不是某个单点突破，更像几层东西前后脚开始到位：

所以，标题里说的“分水岭”不在某个模型突然变聪明，而在执行栈、运行时和责任边界第一次被一起推到产品层面。Agent 也因此不再只是一个让人惊叹的 demo，而开始变成一个必须对结果负责的系统。

先看主线：谁决定下一步

Agent 这个词在 AI 里一直存在。经典教材里的定义很朴素：智能体通过传感器感知环境，通过执行器作用于环境。这个定义看起来宽泛，却把边界说清楚了：Agent 不是只输出答案的函数，而是嵌在环境里的行动系统。

过去 60 年的变化，不是 Agent 突然出现，而是“下一步动作由谁决定”不断迁移。

苏煜的讲法有一个特点：他没有从产品热词切入 Agent，而是从几条长期技术路线的汇合处切入。符号规划、强化学习、语义解析、语言模型、工具使用、计算机界面和持续学习，今天都被“数字工作者”这个问题拉到了一起。

为什么是苏煜来讲这段历史

苏煜的公开资料显示，他现在是俄亥俄州立大学计算机科学与工程系副教授、Innovation Scholar，并共同领导 OSU NLP group。他在个人主页里把自己的研究兴趣概括为：语言作为推理和交流载体，在人工智能中扮演什么角色；近年的重点则放在 Language Agents 上。2025 年，他获得 Alfred P. Sloan Research Fellowship，OSU 公告也特别提到，他的工作同时推进了对 LLM 的基础理解和能像人一样使用计算机的 AI Agent 系统。

这个背景会改变读法。苏煜不是最近才转向 Agent 的创业者，而是一直站在 Semantic Parsing、Language Agent 和 Computer Use 这条线上。更重要的是，他这几年的公开工作和节目里的几条主线几乎能一一对上：LLM-Planner 对应 planning，Mind2Web 和 SeeAct 对应 web/computer use，TravelPlanner 和 ScienceAgentBench 对应评估，HippoRAG 对应 memory 与 non-parametric continual learning。节目里反复出现的 planning、memory、evaluation、computer use，也正是他这些年反复在做的题目。

这样再回头看整期访谈，重心就清楚了。苏煜不是在评论席上解释 Agent 热潮，而是在顺着自己长期参与过的技术路径，说明为什么 Language Agent 不是“会调工具的聊天模型”，而是一种新的行动控制器。

语义解析做的事情，是把一句自然语言转成数据库查询、逻辑形式或程序。它一直追着同一个问题：语言怎么变成可执行的东西。到了 Language Agent，这个问题不再停在单句翻译上。模型要在执行过程中不断生成计划、调用工具、读取反馈、修正策略。换句话说，Semantic Parsing 其实已经替 Language Agent 探过一段路了：语言不只是表达工具，也可以成为行动的前端。

第一阶段：Logical Agent，把世界写进规则

如果从 1960 年代算起，Agent 的第一条主线是符号主义和逻辑代理。代表案例常被提到的是 SRI 的 Shakey 机器人。Shakey 在 1966 到 1972 年间开发，Computer History Museum 把它描述为第一台能够对自身行动进行推理的移动机器人。它能在简化环境里识别物体、规划路径、推动方块，背后依赖的是状态表示、搜索、STRIPS 规划等早期 AI 技术。

Logical Agent 的出发点很清楚：只要把世界状态、动作前提、动作效果和目标函数写清楚，系统就能通过推理找到行动方案。这条路很漂亮，也很容易碎。它适合封闭、规则清晰的环境；一旦进入开放世界，规则数量、异常情况和感知噪声很快就会超过工程师能维护的范围。

它留下的遗产并没有消失。今天 Agent 系统里的状态机、规划器、工具 schema、权限规则、回滚策略，仍然带着这一代思想的影子。区别只是在于，工程系统已经不再假设所有世界知识都能提前写进规则库。

第二阶段：Neural Agent，从数据里学策略

2000 年以后，深度学习和强化学习把 Agent 带到另一条路上。系统不再只靠人写规则，而是通过大量交互学习策略。DeepMind 的 Atari、AlphaGo、AlphaZero，机器人抓取和游戏智能体，都属于这条线的典型叙事。

Neural Agent 解决了一部分手写规则的麻烦。图像、语音、复杂棋局、连续控制动作，如果全靠规则表达，工程上会非常吃力；换成神经网络去学习表征和策略，就顺得多。强化学习还给了 Agent 一条训练回路：观察状态、采取动作、得到奖励、更新策略。

但这条路也有自己的天花板。很多神经代理在特定环境里很强，换任务、换界面、换目标后就不稳定。它们知道如何在某个游戏里赢，却未必知道如何把“赢”的经验迁移到一个普通人的办公桌面。它们能优化策略，却不善于用自然语言解释自己为什么这样做，也不善于和人类协商任务边界。

Language Agent 出现在这个位置。它没有抛弃神经网络，而是把语言模型训练出的通用表征，放到环境交互和工具调用里。

Semantic Parsing：被低估的中间桥梁

Semantic Parsing 在这条历史里经常被跳过，因为它不像 AlphaGo 那样好传播，也不像 ChatGPT 那样有全民体验。但在苏煜这条技术线上，它不是旁支，反而更像中间那座最容易被忽略的桥。

语义解析的目标，是把自然语言映射成可执行的逻辑形式、数据库查询或程序。例如，用户问“去年销售额最高的区域是哪一个”，系统不是直接生成一段解释，而是生成能在数据库上运行的 SQL；用户问知识库里的复杂关系，系统要生成 SPARQL 或其他逻辑表示。

语义解析离 Agent 并不远。它已经在处理三件今天仍然关键的问题：

• 语言怎样对齐结构化世界；
• 执行结果怎样反过来检验语言理解；
• 当系统不确定时，是否应该向用户追问，而不是硬生成答案。

苏煜参与过的交互式语义解析工作，就把 parser 放进更像 Agent 的框架里：系统维护状态，判断哪里需要用户反馈，并用自然语言提出澄清问题。今天看，这已经很接近现代 Agent 的几个基本动作：保持状态、发现不确定性、请求外部反馈、再执行。

Semantic Parsing 到 Language Agent 的关键差别在这里：过去，语言主要被翻译成一个固定后端能执行的程序；现在，语言同时承担任务说明、计划草稿、工具参数、观察摘要、记忆条目和人机协商界面。语言从入口延伸到了整个 Agent 运行时。

Language Agent：过去三年为什么突然加速

苏煜在节目里强调，过去三年 Language Agent 的发展速度比之前几十年都快。更准确地说，不是“模型更大了，所以 Agent 自然出现了”，而是四个部件同时跨过了可用门槛。

• 语言推理：大语言模型先补上了可用的通用语言推理能力。Chain-of-Thought 让模型能把复杂任务拆成中间步骤。它不能直接保证可靠性，但让“用语言组织中间状态”变成了可操作的工程手段。
• 工具协议：ReAct 在 2022 年把 reasoning traces 和 actions 交替组织起来；Toolformer 在 2023 年讨论模型如何学习何时调用 API、传什么参数、怎样把结果放回上下文；Reflexion 则把失败反馈写成语言记忆，让 Agent 不改权重也能调整后续行为。
• 真实环境：WebGPT、Mind2Web、WebArena、OSWorld、SWE-bench 这类评测把网页、桌面、代码仓库和真实任务带进评估视野。Agent 不再只在 prompt 里“假装行动”，而是开始撞上按钮找不到、网页变化、权限不足、测试失败、费用超预算这些真实约束。
• 平台运行时：OpenAI 的 Operator、Responses API 和 Agents SDK，Anthropic 的 Computer Use 和 Claude Code，Google 的 ADK 与 Jules，Microsoft 的 Agent Framework，都在把模型能力、工具、状态、观测和安全边界包装成可开发、可部署的系统。

这四层一叠起来，Language Agent 才真正从论文概念变成工程对象。它不再只是“让模型多走几步”，而是把计划、行动、反馈、工具说明和人类协作都塞进同一条执行链。

“会想”这个说法还是太粗了。更能落到实处的变化是：计划、行动、反馈、工具说明和人类协作开始被写进同一段上下文、同一套工具协议和同一组日志里。系统连接成本确实降了，但错误传播也因此更容易被放大。

OpenClaw Moment：界面边界开始松动

节目里最容易被单独拎出来的词，是 OpenClaw Moment。它确实适合拿来类比 ChatGPT Moment，但也最容易被写过头。

ChatGPT Moment 的关键，不是第一个聊天机器人出现，而是普通人突然意识到：模型的语言能力已经跨过一个主观可用门槛，可以参与写作、总结、翻译、编程、检索和知识组织。OpenClaw Moment 如果成立，指的也不是某一个项目单独完成了通用智能，而是普通用户开始意识到：Agent 可以进入我的数字环境，替我操作真实软件，而不是只给我建议。

OpenClaw 官网的定位很直白：用户可以从 WhatsApp、Telegram 或其他聊天入口发起任务，让 Agent 处理邮箱、日历、航班值机等操作。单看这些功能并不算新；真正的变化在于，它把过去分散的几层接口捏到了一起：

• 聊天入口：用户用自然语言表达目标；
• 本地或云端执行环境：Agent 有自己的运行上下文；
• 工具与插件：Agent 能接入邮件、日历、文件、浏览器、终端；
• 记忆与后台任务：Agent 不必每次从零开始；
• 编程能力：当现成工具不够时，Agent 可以写胶水代码补接口。

苏煜说“边界的消弭和 coding 有关”，落点就在这里。只会点按钮的 Agent，能力受限于现成界面；会写代码的 Agent，才开始有机会给自己造新工具。数字世界里很多工作并不是缺少智能，而是缺少把不同系统粘起来的那层胶水。

一条普通办公任务就够说明问题：

1. 用户在聊天里说：“帮我把这批会议录音整理成纪要，发给项目组，并把下周三的跟进会排上。”
2. Agent 读取可访问的文件夹或网盘，识别录音和参会人。
3. 它调用转写、摘要和日历工具，生成纪要草稿。
4. 它发现项目组名单缺失，于是查邮件线程或询问用户确认。
5. 它草拟邮件和日历邀请，在发送前请求用户批准。
6. 它把这次任务的偏好写入记忆：纪要格式、常用收件人、审批习惯。

这类任务看起来普通，背后却会同时牵出权限、检索、工具调用、长程计划、错误恢复、记忆、用户确认和审计日志。演示视频里它当然可以很顺；一到真实公司环境，就会撞上账户权限、数据合规、私有系统、格式偏好和失败回滚。

看 OpenClaw Moment，不如先盯住入口变化：数字 Agent 正在从“聊天框里的建议”变成“带执行权限的工作台”。但这离真正站稳还早。它能不能在高频、长期、有风险的工作里稳定下来，最后还是要看真实任务里的失败率和接管成本。

NeoCognition：从通用助手到专业化智能

谈 NeoCognition 时，边界要收紧。公开新闻稿显示，NeoCognition 以 4000 万美元种子轮融资出场，定位是面向 specialized intelligence（专业化智能）和 expert agents（专家智能体）的 AI Agent lab。新闻稿里有一句话基本把方向说清了：他们希望构建能持续学习所处环境的结构、工作流和约束，并通过学习“工作世界模型”（world model of work）成为领域专家的 Agent。

它和普通“通用助手”的叙事不一样。通用助手强调一上来什么都能做；NeoCognition 的公开表达更接近另一条路线：Agent 不是永远保持通用，而是在使用中慢慢专业化。新闻稿里另一句也很关键：当 general-purpose agents 逐渐变成 table stakes，真正难的部分会转向 expert-level intelligence。说得更直白一点，它押注的不是“更通用”，而是“更像某个岗位里的熟手”。

“世界模型”这个词容易被误解成机器人或物理仿真里的世界模型。放到 NeoCognition 的语境里，更准确的理解是工作模型（work model），或者某个微型工作世界的结构化模型。它关心的不是杯子掉到地上会不会碎，而是：

• 一个企业里的审批链条是什么；
• 某个团队如何命名文件和写周报；
• 哪些操作必须先问人，哪些可以自动执行；
• 某类任务失败时，通常是哪一步出错；
• 某个行业里的例外情况和隐性约束是什么。

问题也正是在这里变难：Agent 要有可塑性，才能适应新环境；又要有可靠性，不能因为持续学习就一路漂移。人类专家之所以值钱，不是因为记住了无限知识，而是因为在某个领域里形成了稳定判断，知道什么可以省略，什么必须确认，什么风险不能碰。

NeoCognition 公开材料里反复出现的关键词，可以先放进三类问题里。

把它和 OpenClaw 放在一起看，分工就更清楚了。OpenClaw 更像把“个人数字执行环境”推到用户手里；NeoCognition 更像在押“Agent 如何从长期使用中长出专业性”。前者让人看到 Agent 已经开始做事，后者追问的是这套做事系统怎么才能越用越稳。

当前瓶颈：长程可靠性

节目后半段谈到 Agent 瓶颈时，话题其实已经从模型能力转到工程约束了。Language Agent 能不能用，最后要看这些能力怎么被约束、验证和复用。

先别把 workflow 和 agent 混成一件事

很多团队真正踩坑的地方，不是模型不够强，而是把本该写成 workflow 的任务硬做成了 agent。Microsoft 在 Agent Framework 文档里有一句很值得记住的话：如果一个任务可以写成函数，那就先不要用 AI agent。意思不是 Agent 没价值，而是开放任务和固定流程，本来就该用不同的控制方式。

固定步骤的任务，更适合显式工作流、类型约束、checkpoint 和可预测的失败处理；开放任务、目标会变化、需要边走边判断的任务，才更需要 Agent 的规划与工具选择能力。很多所谓“Agent 失败案例”，其实不是 Agent 天生不行，而是任务选型一开始就错了。

长程任务会放大小错误

单步回答错了，可以重问；多步任务第 7 步错了，后面 40 步可能都在错误前提上继续执行。Agent 的长程任务难在步骤多，也难在每一步都会改变环境。点错按钮、删错文件、用错账户、误解网页提示，都不是“生成质量差”这么简单，而是状态已经被写进现实系统。

因此，Agent 系统要有显式的停止条件、预算限制、回滚策略和人工接管点。缺了这些东西，执行能力越强，风险越难收。

可靠性不能靠“模型更大”自动解决

OpenAI 在 Operator 和 Computer-Using Agent 相关资料里反复强调 research preview、用户确认和安全隔离。Anthropic 2024 年发布 Computer Use 时也说得很直接：这一能力仍处在实验阶段，会笨拙，也会出错。这些提醒不是客套话。让模型操作计算机，已经比让模型回答问题更接近真实责任。

企业里敢用 Agent，至少要先交代四件事：

• 权限：它能看什么、改什么、代表谁操作；
• 观测：每一步为什么发生，能不能回放；
• 验证：任务完成不是模型自己说了算，要有外部信号；
• 回滚：失败后能否恢复到可接受状态。

记忆不等于向量数据库

很多 Agent 文章把 memory 写成“加一个向量数据库”，这会误导读者。记忆至少分三类：

持续学习的难点也在这里。一个 Agent 如果什么都记，会变慢、变乱、变危险；如果什么都不记，就永远只是一次性脚本。好的记忆系统要决定什么值得进入长期记忆，什么时候应该遗忘，什么时候必须让用户确认。

Benchmark 只能说明一部分

SWE-bench、WebArena、OSWorld、TAU-bench 这些评估很重要，因为它们把 Agent 从主观演示拉回可比较任务。但数字不能直接换算成生产可靠性。一个模型在某个评测基准上提升，可能说明它更会操作浏览器、更会修代码、更会调用工具；它不能直接说明这个 Agent 能安全处理企业财务、医疗记录或客户合同。

写评测时，先问三件事：测的是什么，数字主要反映哪一层能力，不能推出什么结论。否则 Agent 评测很容易变成另一种分数转述。

大厂押注：模型、工具、运行时和工作流正在合流

把 2025 到 2026 年的大厂动作放在一起看，会更容易发现它们已经从单纯发模型往外走了：工具、状态、权限、观测、评估和部署运行时，都被补进了 Agent 产品栈。

看完这张表，再回头看竞争对象就更清楚了。模型层当然还重要，但产品能不能站住，越来越取决于工具接入是否安全，状态是否可恢复，执行是否可观测，错误是否可控，长期记忆能不能慢慢沉淀成经验。

中美扩散路径：一个从技术社区外溢，一个从应用场景提速

节目里关于中美科技辐射的讨论，更像观察，不像结论。美国生态往往先从模型、框架、论文、开发者工具和创业公司扩散；中国生态则更容易从内容平台、超级 App、企业应用和普通用户场景里快速试错。

Agent 会逼这两条路径贴得更近。单有模型不够，单有场景也不够；模型、工具、权限、组织流程和反馈数据得同时存在。美国的底层创新如果缺少高频场景，会慢；中国的应用速度如果缺少底层可控性，也一样会被可靠性卡住。

这里也能看到苏煜说的“边界消弭”：模型公司、应用公司、开发工具公司、企业软件公司之间的分工正在重叠。谁能更快拿到真实任务反馈，谁就更可能把 Agent 从演示推到工作流。

如果你要学习或采用 Agent，顺序别反过来

对开发者和产品负责人来说，这期访谈的提醒很具体：别急着做“通用 Agent”，先别把路线走反。

采用顺序可以更朴素一点：

1. 先判断这是 workflow 问题还是 agent 问题。能写死的流程，不要急着交给模型决策。
2. 当固定流程覆盖不了异常，再让模型决定下一步，并把停止条件、预算和升级路径一并写清楚。
3. 工具接入前先定义权限、参数校验、超时、重试、日志和人工批准点。
4. 引入记忆前先分清工作状态、会话记忆和长期记忆，不要把所有历史都塞进一个 memory 桶。
5. 只有当使用数据足够密、反馈信号足够清楚时，再谈持续学习和专业化。
6. 任何高影响操作都要保留人工确认、回滚路径和事后可复盘的执行记录。

这些事情不能后补。没有评估和观测，Agent 的能力越强，排错越困难；没有权限边界，工具越多，风险越大；没有记忆治理，持续学习很容易变成持续污染。

如果你想继续追这条线，推荐按这个顺序补资料

如果这篇文章让你对 Agent 技术史起了兴趣，继续往下读时，最好不要从产品宣传开始。更稳的路线通常是：

1. 先看 Shakey、STRIPS 这类经典材料，理解 Agent 最早解决的到底是什么问题。
2. 再看 Semantic Parsing、Text-to-SQL、交互式语义解析，理解“语言怎样变成可执行表示”。
3. 接着看 ReAct、Toolformer、Reflexion 和 Language Agents tutorial，把现代 Language Agent 的控制回路补齐。
4. 最后再看 Mind2Web、OSWorld、SWE-bench、Computer Use、OpenClaw、NeoCognition 这些现实世界接口和产品形态，判断哪些东西已经能进生产，哪些还只是前夜。

按这个顺序，读者更容易把“历史路线”“论文机制”“评测环境”和“产品包装”拆开，而不会把所有新名词都误当成同一种进展。

这场访谈留下的问题

这期节目最后留下的，更像是一条一直没断过的问题链。产品名会换，问题本身没换：Logical Agent 告诉我们，行动需要形式化；Neural Agent 告诉我们，规则覆盖不了真实世界；Semantic Parsing 告诉我们，语言可以变成程序；Language Agent 又把这些线索重新拧到一起，逼着大家回答一个更难的问题：一个会使用语言的模型，能不能在真实环境里长期、可靠、可审计地行动？

OpenClaw Moment 把入口和界面问题推到台前：用户开始看到 Agent 能进入自己的数字世界。NeoCognition 则把问题推向长期学习和专业化：Agent 如果不能积累对某个工作世界的稳定理解，就很难从“聪明助手”变成“可靠专家”。

到 2026 年，再看 Agent，先放下产品名会更有帮助，直接看那条执行链：语言、工具、记忆、权限、评估和反馈能不能连稳。分水岭不在它能不能给出一段惊艳回答，而在它能不能在长任务里留下可复查的轨迹，知道什么时候该停，什么时候该把控制权还给人。只要链路连不稳，再响的“通用数字 Agent”也还是只能停在演示里。

时间戳索引

参考资料

• Apple Podcasts：Agent 的综述，张小珺与苏煜访谈
• Yu Su 个人主页
• OSU：Yu Su 获 2025 Sloan Research Fellowship
• Language Agents: Foundations, Prospects, and Risks
• NeoCognition：4000 万美元种子轮新闻稿
• OpenClaw 官网
• ReAct: Synergizing Reasoning and Acting in Language Models
• Toolformer: Language Models Can Teach Themselves to Use Tools
• Reflexion: Language Agents with Verbal Reinforcement Learning
• WebGPT: Browser-assisted Question-Answering with Human Feedback
• OpenAI：Introducing Operator
• OpenAI：New tools for building agents
• Anthropic：Introducing computer use
• Google Cloud：Agent Development Kit
• Microsoft Learn：Agent Framework Overview

本文不构成投资建议。NeoCognition、OpenClaw 等项目信息仅基于公开资料与节目内容整理，产品能力和商业进展以官方后续披露为准。