通过解读最新综述论文，探讨 AI Agent 如何从堆叠模型参数转向通过「认知外化」构建外部记忆、技能和协议层来提升系统级智能。
📝 详细摘要
本文深度解读了一篇关于 AI Agent 演进的综述论文。核心观点认为，Agent 能力的提升不再单纯依赖增加模型参数（Scaling Law），而是通过「外化」（Externalization）过程，在模型外部构建记忆库、技能库、协议层和执行沙箱。作者将此比作人类文明的进步：从依赖大脑记忆到发明语言、文字和计算机。Agent 的演进经历了从参数权重（Weights）到上下文（Context）再到运行时框架（Harness）的三个阶段。最终结论指出，智能不再仅仅是模型的属性，而是模型与环境协议的联合属性，标志着 AI 研发重心从「模型中心」向「系统中心」的本体论转向。
📊 文章信息
AI 评分：91
来源：李继刚(@lijigang_com)
作者：李继刚
分类：人工智能
语言：中文
阅读时间：9 分钟
字数：2186
标签： AI Agent, Scaling Law, 认知外化, 系统中心, Harness